-
公开(公告)号：CN118606745A
公开(公告)日：2024-09-06
申请号：CN202410593029.9
申请日：2024-05-14
Applicant: 湖北工业大学
IPC: G06F18/24 , G01H9/00 , G06F18/214 , G06F18/15 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明提供一种基于ResNet双注意力机制的光纤传感信号识别方法，属于光纤信号识别技术领域，包括：通过搭建Φ‑OTDR分布式光纤传感系统，采集了原始噪声信号和多类扰动信号，基于格拉姆角场的原理将预处理后的一维时间序列信号转换成二维图像，不仅能够获得更深层次的特征，并且省去复杂的特征提取的步骤，有效保留原时间序列时间维度的信息，构建ResNet双注意力机制模型，并利用模型进行扰动识别，提高了识别准确率和识别效率，有利于实现对入侵行为的精准检测。本发明提出的模型对图像的识别能力优越，模型架构设计中引入的显式的高阶空间交互作用有利于提高视觉模型的建模能力，能有效识别出转换为二维数据的光纤传感事件。
-
公开(公告)号：CN116069414B
公开(公告)日：2023-06-09
申请号：CN202310201650.1
申请日：2023-03-06
Applicant: 湖北工业大学
Abstract: 本发明公开了一种电力物联网计算任务卸载激励优化方法和存储介质，该方法包括：构建边缘服务器效用函数以构建激励机制模型；构建电网用户效用函数以构建计算任务卸载模型；根据激励机制模型和计算任务卸载模型确定电力物联网计算任务卸载激励优化模型；基于电力物联网计算任务卸载激励优化模型对电网用户效用函数中的电网用户卸载到边缘服务器的计算任务量进行变量求解得到最佳计算任务卸载量，并对边缘服务器效用函数中的边缘服务器给电网用户的定价变量进行求解得到最佳定价，从而确定能够使电网用户和边缘服务器利益均能够达到最大化的最佳优化策略，进而便于降低系统能耗，并提高资源利用率。
-
公开(公告)号：CN115879152A
公开(公告)日：2023-03-31
申请号：CN202211578970.0
申请日：2022-12-05
Applicant: 湖北工业大学
Abstract: 本发明提供了一种基于最小均方误差准则的自适应隐私保护方法、装置及系统，自适应包含自适应选择最佳的扰动方法以进行数据扰动和自适应选择最佳的扰动概率以输出扰动数据，该方法不仅实现了个性化隐私保护，并且通过加权聚合可获得更高的数据效用。其中，基于最小均方误差推导两种经典本地化差分隐私技术——basic RAPPOR技术和k‑RR技术的自适应边界，本地端的参与者基于该自适应边界自适应地从上述两种本地化差分隐私技术中选择一种作为最佳的数据扰动方法，并根据隐私需求自适应选择最佳的扰动概率进行扰动输出。此外，本发明给出了一种多重扰动的数据扩展策略，在不泄露额外隐私的情况下等效地增加了某些高隐私需求的子群体的样本量，从而进一步提高统计估计的准确性。
-
公开(公告)号：CN114724155A
公开(公告)日：2022-07-08
申请号：CN202210410471.4
申请日：2022-04-19
Applicant: 湖北工业大学
IPC: G06V30/412 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度卷积神经网络的场景文本检测方法、系统及设备，首先将获取的场景文本图像，进行数据增强操作，得到预定大小的图像信息；接着将预处理后的图像信息输入深度卷积神经网络中，提取图像特征；然后采用协调注意力机制层将图像特征进行增强处理；最后将增强后的特征图，采用渐进尺度扩展层进行后处理，获得文本检测结果。本发明通过在ResNet50的骨干网络中引入校正卷积、通道注意力，于提取的特征图后引入协调注意力，有效地扩大了网络感受空间，避免了后续降维操作丢失更多的语义信息，降低了不同尺度的特征图自顶向下融合导致的特征图失真程度，使网络具有更准确的鉴别区域；通过平方Dice损失函数提升了文本检测的准确性和精确性。
-
公开(公告)号：CN114724155B
公开(公告)日：2024-09-06
申请号：CN202210410471.4
申请日：2022-04-19
Applicant: 湖北工业大学
IPC: G06V30/412 , G06N3/0464 , G06N3/08 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度卷积神经网络的场景文本检测方法、系统及设备，首先将获取的场景文本图像，进行数据增强操作，得到预定大小的图像信息；接着将预处理后的图像信息输入深度卷积神经网络中，提取图像特征；然后采用协调注意力机制层将图像特征进行增强处理；最后将增强后的特征图，采用渐进尺度扩展层进行后处理，获得文本检测结果。本发明通过在ResNet50的骨干网络中引入校正卷积、通道注意力，于提取的特征图后引入协调注意力，有效地扩大了网络感受空间，避免了后续降维操作丢失更多的语义信息，降低了不同尺度的特征图自顶向下融合导致的特征图失真程度，使网络具有更准确的鉴别区域；通过平方Dice损失函数提升了文本检测的准确性和精确性。
-
Patent Agency Ranking
公开(公告)号：CN118169578A
公开(公告)日：2024-06-11
申请号：CN202410349086.2
申请日：2024-03-26
Applicant: 湖北工业大学
IPC: G01R31/367 , G06F18/10 , G01R31/396
Abstract: 本发明提供了一种新能源汽车动力电池故障诊断方法及故障电池定位方法，新能源汽车动力电池故障诊断方法包括采用获取的实车在放电过程的电压数据构建电压矩阵Un,c，计算每个采样时刻的电压数据计算改进峭度指标z；判断改进峭度指标z是否超过阈值T1，若不超过阈值T1，则判断电池组正常；若超过阈值T1，则判断为电池组发生故障。故障电池定位方法包括将改进峭度指标z超过阈值T1对应时刻后50～100个采样点的采样窗口进行T‑SNE降维处理得到二维故障特征后，计算LOF值；判断LOF值是否超过设定的阈值T2，如果超过阈值T2，则定为故障电池单体。本方案采用改进峭度指标放大故障发生后的故障特征，能够更敏锐地捕捉到故障信号，提前预测故障的发生。
-
公开(公告)号：CN117455722B
公开(公告)日：2024-03-22
申请号：CN202311798004.4
申请日：2023-12-26
Applicant: 湖北工业大学
Abstract: 本发明公开了基于个性化差分隐私保护的智能电网数据聚合方法及系统，其中的方法首先根据智能电网终端用户的个性化隐私保护需求，将其划分为多个隐私群体，同一群体中的用户隐私保护需求相同。其次，每个群体中的智能终端用户根据其个性化隐私需求，对其用电数据进行个性化的离散化处理，再进行个性化随机响应进行扰动处理，将扰动后的用电数据发送给网关。然后，网关分别对收到的不同群体的数据进行统计分析和数据矫正，并将来自不同群体的统计信息进行有效合并，将合并后的结果发送给控制中心。相较于已有的基于本地化差分隐私的智能电网数据聚合方案，本发明可以实现个性化的隐私保护，同时具有较好的统计分析效用。
-
公开(公告)号：CN117456250A
公开(公告)日：2024-01-26
申请号：CN202311417853.0
申请日：2023-10-26
Applicant: 湖北工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/22 , G06N3/0464 , G06N3/08 , G06T7/00 , G06T7/73
Abstract: 本发明公开了一种基于轻量化卷积神经网络的高压输电线路巡检方法及系统，首先采集高压输电线路图片；然后利用本专利设计的轻量化卷积构成的神经网络，对采集的图片进行定位和识别，以目标框的形式输出目标样本在图像或视频中的具体位置和所属类别。本发明提出了一种轻量化卷积以应用到现有的参数量和浮点数较大的目标检测模型中，以降低模型的参数量和浮点数，同时保证检测精度的可靠性。
-
公开(公告)号：CN115601542B
公开(公告)日：2023-07-21
申请号：CN202211229781.2
申请日：2022-10-08
Applicant: 湖北工业大学
IPC: G06V10/26 , G06N3/0464 , G06N3/08 , G06V10/82
Abstract: 本发明公开了一种基于全尺度密集连接的图像语义分割方法、系统及设备，首先对待分割图像进行预处理，将其切割或填充为预设大小；然后使用图像语义分割网络实现对待分割图像的语义分割；本发明的图像语义分割网络(UNet4+)通过全尺度和密集的跳跃连接，编码器中的每个节点从不同尺度的编码器接收中间聚合特征图，而解码器中的每个节点不仅从不同尺度的编码器和解码器接收中间聚合特征图，而且还从相同尺度的编码器接收中间聚合特征图。因此，解码器中的聚合层可以学习使用节点上的所有收集的特征图。本发明的UNet4+缓解了梯度消失的问题，这也使得网络中的信息流最大化；同时加强了网络中的特征传播；具备更紧凑的模型和极端的特征重用性。
-
公开(公告)号：CN116451800A
公开(公告)日：2023-07-18
申请号：CN202310187616.3
申请日：2023-02-28
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于深度强化学习的多任务联邦边缘学习激励方法及系统，首先通过将联邦边缘学习网络映射成劳动力市场，建立联邦边缘学习框架，构建边缘服务器与边缘设备的交互过程；然后建立边缘设备与边缘服务器的斯塔克尔伯格博弈模型以最大化边缘设备与边缘服务器的收益；最后分析纳什均衡的存在，并在此基础上以多智能体深度强化学习方式求解该斯塔克尔伯格博弈模型的最大化问题，以获得最优的边缘设备任务最优训练比和边缘服务器定价策略。本发明可以在多任务且信息不完全的联邦边缘学习场景下建立斯塔克尔伯格博弈模型以激励边缘设备参与联邦边缘学习，并以MA‑DDPG求解出最优的边缘设备任务最优训练比和边缘服务器定价策略，从而使收益最大化。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.026 seconds)
