-
公开(公告)号：CN119963416A
公开(公告)日：2025-05-09
申请号：CN202510070110.3
申请日：2025-01-16
Applicant: 青海大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种超分辨率图像的重建方法、系统、电子设备和存储介质，涉及图像处理技术领域，方法包括：构建超分辨率图像重建模型，对超分辨率图像重建模型进行训练，得到训练好的超分辨率图像重建模型；利用训练好的超分辨率图像重建模型对低分辨率目标图像进行重建，得到低分辨率目标图像对应的超分辨率图像。本发明通过信息融合单元能够有效融合局部信息和全局上下文信息，通过合并互补特征，增强了超分辨率图像重建模型中各部分之间的协同作用，从而显著提高了重建超分辨率图像的整体性能，提高了重建的超分辨率图像的图像质量。
-
公开(公告)号：CN117852592A
公开(公告)日：2024-04-09
申请号：CN202311681775.5
申请日：2023-12-08
Applicant: 青海大学
IPC: G06N3/049 , G06N3/044 , G06N3/045 , G06N3/0464 , G06F18/214 , G06F18/25 , G06F18/213 , G06N3/08 , G01W1/10
Abstract: 本发明涉及一种降水预测模型的训练方法、系统、计算设备及介质，方法包括：获取多个待训练数据；将每个待训练数据输入时空循环神经网络中进行训练；对于连续的时间步，利用注意力机制确定每个待训练数据在当前时间步的融合特征，将每个融合特征作为当前时间步的循环层的输入，确定每个待训练数据在当前时间步的循环层输出的隐藏状态，并将最后一个时间步中最后一个循环层输出的隐藏状态作为预测降水量；确定每个真实降水量和对应的预测降水量之间的损失值，根据每个损失值确定目标降水预测模型。解决了以往使用深度学习进行降水预报通常采用雷达回波图外推法只能进行短临降水预报，无法实现短期降水预报的问题。
-
公开(公告)号：CN111479277B
公开(公告)日：2023-03-21
申请号：CN202010246081.9
申请日：2020-03-31
Applicant: 青海大学
Abstract: 本发明实施例提供一种5G网络环境下的流媒体资源动态调度方法及装置，所述方法包括：以服务提供商的利润最大为目标，并结合流媒体资源传输系统的系统功效、传输延迟和稳定性，构建流媒体资源的动态调度模型；对所述流媒体资源的动态调度模型进行求解，获得实现最优调度时服务提供商实时从运营商处购买的流媒体资源和分配给用户的流媒体资源。本发明实施例通过构建流媒体资源的动态调度模型，然后对流媒体资源的动态调度模型进行求解，实现服务提供商获得的利润、系统功效、传输延迟及系统稳定性四者间的权衡，从而保障5G网络下流媒体服务的质量，确保服务提供商获得最大利润的同时还能提高系统效用、降低传输延迟、保障系统稳定性。
-
公开(公告)号：CN115082806A
公开(公告)日：2022-09-20
申请号：CN202210605464.X
申请日：2022-05-30
Applicant: 青海大学
Abstract: 本发明公开了一种面向中高分辨率卫星遥感影像的地面物体提取方法，通过输入图像经HRNet提取特征，然后与通过金字塔池化模块提取的上下文特征融合，得到粗略分割结果，从粗略分割结果中选取部分难学习的点，使用多层感知机在融合特征上再次进行学习，用再次学习的结果对粗略分割结果进行细化得到精细化的分割结果，整个训练过程的Loss由CE_loss，部分点的Points_loss和SSIM_loss组成。高分辨率特征表示与上下文特征融合的方式改善提取效果，对粗略分割结果重新进行学习和结构相似度损失结合的方法改善边界提取效果。具体表现如下：图像的上下文信息易获取、图像边界分割结果精细、处理结果清晰，在小尺寸目标、多类别的遥感数据集上表现优异；在不同数据的泛化能力较强。
-
公开(公告)号：CN112994037B
公开(公告)日：2022-08-09
申请号：CN202110141041.2
申请日：2021-02-02
Applicant: 青海大学
Abstract: 本发明涉及一种智能电网环境中数据中心功耗调节方法、系统、存储介质及设备，方法包括：确定数据中心的当前总功率；确定功率调节手段，根据目标功率、当前总功率和各功率调节手段的待获得调节功率建立功率调节模型；确定冷却系统的运营成本、储能设备的运营成本、调节偏差惩罚成本和任务延迟惩罚成本，将运营成本和惩罚成本归一化为总成本；利用动态最优调度方法确定多种功率调节手段的最优组合方式，实现精确调控数据中心功耗，且最小化总成本。本发明将数据中心作为需求响应的负荷引入智能电网中，通过多种手段调节数据中心的自身功率参与电力系统能量市场，不仅对智能电网具有稳压效果，同时可以大幅度减少智能电网的稳压成本。
-
Patent Agency Ranking
公开(公告)号：CN111628497A
公开(公告)日：2020-09-04
申请号：CN202010442923.8
申请日：2020-05-22
Applicant: 青海大学
Abstract: 本发明涉及一种面向电网稳定性的动态负载管理方法及计算机设备，该方法包括：获取预设时间段内的电网频率的越限率；针对以数据中心的功率值为个体构建的种群，采用随机搜索算法计算每一代种群中各个个体的适应度，将最高适应度对应的个体作为满足电网稳定性要求的数据中心的功率值，其中，随机搜索算法中采用的适应度函数基于越限率进行计算，电网稳定性包括：电网频率维持在正常范围内且节点电压和支路功率不发生越限。本发明采用随机搜索算法获得最优的数据中心实时的功率值，从而保证并网后电网稳定性在可控范围内，并且通过电网频率的越限率衡量频率稳定的效果。
-
公开(公告)号：CN109888817A
公开(公告)日：2019-06-14
申请号：CN201811562978.1
申请日：2018-12-20
Applicant: 青海大学
Abstract: 本发明提供了一种对光伏电站和数据中心进行位置部署和容量规划方法，包括：S101，在电网中建立光伏电站和数据中心接入位置和容量规划的仿真模型，所述仿真模型用于确定数据中心和光伏电站放置的最佳位置和容量配置；S102，确定用于所述数据中心和所述光伏电站的位置和容量配置的优化目标和约束条件；S103，基于遗传算法根据所述仿真模型确定所述数据中心和光伏电站的网损目标为最小的最佳位置和容量规划。通过光伏电站和数据中心接入位置和容量的仿真模型，能够找到数据中心和光伏电站放置的最佳位置，从而更有效地降低电网总损耗和维持电网的稳定。
-
公开(公告)号：CN118656783A
公开(公告)日：2024-09-17
申请号：CN202410827725.1
申请日：2024-06-25
Applicant: 青海大学
IPC: G06F18/25 , G06F18/214 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及信息技术和气象技术领域，公开了一种降水预测方法、系统、存储介质及电子设备。方法包括：通过3D卷积编码将获取的卫星红外数据和ERA5再分析数据进行时空对齐和数据序列化；基于深度学习模型的全局局部联合时空注意力机制和跨模态融合对卫星红外数据序列和ERA5再分析数据序列进行特征融合和特征预测，得到预测降水时空特征序列；通过3D反卷积解码将预测降水时空特征序列恢复为降水量网格图像。本发明通过深度学习模型的全局局部联合时空注意力机制和跨模态融合实现多源数据的有效融合，并且注意力机制对序列数据进行并行处理，可以在建立强序列依赖同时提高训练和预测效率，提高了降水预测精度和预测效率。
-
公开(公告)号：CN120045871A
公开(公告)日：2025-05-27
申请号：CN202510070118.X
申请日：2025-01-16
Applicant: 青海大学
IPC: G06F18/20 , G01W1/10 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种降水预测方法、系统、电子设备和存储介质，涉及气象服务技术领域，方法包括：构建PFTF降水预报模型，对PFTF降水预报模型进行训练，得到训练好的PFTF降水预报模型；将降水目标数据输入训练好的PFTF降水预报模型，得到降水目标数据对应的降水预报结果。PFTF降水预报模型中，编码器能够提取并增强多尺度特征，以提高对复杂气象现象的理解与预报精度，TripFormer模块通过优化注意力机制来提升对时空特征的捕获能力，同时降低计算负担，解码器在多个尺度上对接收到的特征执行深度卷积操作，增强了级联扩展路径中的特征生成能力，因此，本发明能够实现短期降水的精准预测。
-
公开(公告)号：CN119963417A
公开(公告)日：2025-05-09
申请号：CN202510070115.6
申请日：2025-01-16
Applicant: 青海大学
IPC: G06T3/4053 , G06T3/4046 , G06T3/4084 , G06V10/52 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种超分辨率图像重建模型的训练方法、系统、设备和介质，涉及图像处理技术领域，方法包括构建哈尔小波变换损失函数，哈尔小波变换损失函数表征了SR图像的哈尔小波子带与HR图像的哈尔小波子带之间的L1距离；将哈尔小波变换损失函数作为用于训练超分辨率图像重建模型的损失函数，或，将哈尔小波变换损失函数与预设损失函数进行结合，作为用于训练超分辨率图像重建模型的损失函数，对超分辨率图像重建模型进行训练，得到训练好的超分辨率图像重建模型。本发明引入了哈尔小波变换损失函数，利用小波变换的多尺度特性，能够有效捕捉图像的高频细节，能够更好地恢复遥感图像中的细节。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.02 seconds)
