-
公开(公告)号：CN118658036A
公开(公告)日：2024-09-17
申请号：CN202411140399.3
申请日：2024-08-20
Applicant: 南京邮电大学
IPC: G06V10/80 , H04N23/11 , H04N19/70 , H04N19/124 , H04N19/166 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种面向无线应急网络的跨模态语义通信方法，所述方法包括：通过设计跨模态语义编码器，提取多模态信号中全面表征周遭环境的语义特征，包括基础语义及增强语义；估计网络状态，并逐步多次传输编码后的基础语义和增强语义以进行决策；对接收到的语义特征进行逆量化、语义集成和语义解码；在解码器中结合所收到的语义信息，完成最终决策。本发明解决了在无线应急网络中存在的决策精度低和传输延迟大的问题；通过跨模态语义学习实现更全面的语义表示，提高了决策精度；利用网络中断间隔传输增强的语义信息，有效地降低了传输延迟。
-
公开(公告)号：CN114595739B
公开(公告)日：2024-07-02
申请号：CN202210031393.7
申请日：2022-01-12
Applicant: 南京邮电大学
IPC: G06F18/10 , G06F18/214 , G06N3/0464 , G06F18/213 , G06N3/096 , G06V10/82 , G06V10/94 , G06V10/774
Abstract: 本申请涉及一种图像‑触觉信号相互重建方法和装置。该方法包括：通过接收到待重建信号，待重建信号为视觉信号或图像信号；将待重建信号输入到训练好的深度重建网络模型中进行数据重建，获得重建后的信号；训练深度重建网络模型的步骤包括：搭建基于自编码器构成的深度重建网络模型，将数据集划分为训练集和测试集对深度重建网络模型进行第一阶段和第二阶段的训练；第一阶段和第二阶段的训练交替重复进行，直至深度重建网络模型的训练结果收敛，获得初步深度重建网络模型；将测试集中图像‑触觉信号输入初步深度重建网络模型进行测试，获得训练好的深度重建网络模型。提升了跨模态重建方法接收端信号恢复的泛化能力和恢复质量。
-
公开(公告)号：CN114842384B
公开(公告)日：2024-05-31
申请号：CN202210476817.0
申请日：2022-04-30
Applicant: 南京邮电大学
IPC: G06V20/40 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种面向6G的触觉模态信号重建方法，此重建方法包括，采集数据样本，构建包含视频和触觉模态信号的数据集；通过利用两种模态信号间的语义关联性，基于深度学习构建具有内在语义关联驱动下的跨模态信号重建模型；使用数据集对跨模态信号重建模型进行训练，直至重建信号质量满足要求或偏差无法继续优化；本发明中为面向6G跨模态应用场景，构建包括视频和触觉的模态数据集VisTouch；基于深度学习技术将具有语义关联性的视频模态信号重建为触觉模态信号；为提升信号重建质量，利用对抗损失与均方误差损失这两类损失函数作为目标函数，并基于VisTouch进行训练，验证了该重建方法的准确性。
-
公开(公告)号：CN117848360A
公开(公告)日：2024-04-09
申请号：CN202311172867.0
申请日：2023-09-12
Applicant: 南京邮电大学
IPC: G01C21/34
Abstract: 本发明涉及一种基于轨迹平滑优化的无人车混合轨迹规划方法，包括：优化传统A*算法的搜索临域和代价函数，减少A*算法搜索临域，改进启发函数H(n)的权重，实现其自适应调整；优化传统A*算法的路径平滑度，利用一种关键点选取策略，保留必要的路径节点，得到只具有关键点全局路径，完成全局路径规划，得到一条节点少、平滑度高的路径；结合环境模型中的未知障碍物信息和改进的A*算法得到的全局路径规划节点，选择起点之后的节点依次作为改进的DWA算法中临时目标点，改进的DWA算法从起点开始不断向临时目标点行进，到达临时目标点之后更新临时目标点，直到到达终点。本发明既能实现全局最优路径规划，又能躲避随机障碍物，完成复杂环境中的动态路径规划。
-
公开(公告)号：CN115297016B
公开(公告)日：2024-02-20
申请号：CN202210876364.0
申请日：2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
IPC: H04L41/147 , H04L41/0677 , H04L41/16 , H04L43/0876 , H04L67/12 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及电网人工智能和数据处理技术领域，公开了一种基于深度学习的电力网络活跃度评价和预测方法，包括：获取原始数据，筛选待评价服务端口流量数据，进行活跃度计算；进行数据预处理，得到历史活跃度数据集，自动化定时对数据集进行更新；将数据集划分为训练样本和测试样本，训练样本进行样本重构并输入到不同的深度学习模型进行模型训练；将测试样本输入到训练好的模型中，并对模型进行评估和比较，得到一个该服务的最优模型，将模型保存；自动化实时获取不同网络服务的活跃度数据，得到未来的活跃度预测结果。与现有技术相比，本发明能够及时发现活跃度异常的网络服务并且便于网络的维护和管理，提升电力网络系统智能化水平。
-
Patent Agency Ranking
公开(公告)号：CN117494059A
公开(公告)日：2024-02-02
申请号：CN202311495480.9
申请日：2023-11-10
Applicant: 南京邮电大学
IPC: G06F18/26 , G06F18/214 , G06N3/045 , G06N3/0499 , G06N3/084 , G06Q50/20
Abstract: 本发明公开了一种基于注意力知识追踪的学习路径推荐方法，该方法同时考虑知识水平与知识结构对路径质量的影响，主要分为知识追踪、搜索空间优化与学习路径推荐三个部分。首先通过学习者的历史练习数据来训练知识追踪模型，并融入了注意力机制以精确预测学习者的知识水平变化。其次，基于知识结构在知识图谱中选取与上一步所学知识点相关联的知识点作为推荐候选集，优化学习路径推荐算法的搜索空间。最后，利用训练好的知识追踪模型预测学习者对候选集中知识点的掌握水平，将其作为多种约束规则的重要评判标准，从可解释性、合理性、有效性三个层面推出下一步推荐的知识点，最终形成动态的学习路径。
-
公开(公告)号：CN117425212A
公开(公告)日：2024-01-19
申请号：CN202311372688.1
申请日：2023-10-23
Applicant: 南京邮电大学
IPC: H04W72/0457 , H04W72/0453 , H04W72/54 , H04N19/70 , H04W4/70
Abstract: 本发明公开了一种基于QoE的多模态码流模式选择与资源分配方法，该方法首先给出了视频、音频和触觉三个维度上反映用户体验的量化指标；然后将D2D通信与SVC编码、NOMA技术结合，针对不同场景下的多模态码流，设计对应的通信传输模式；接着，将所设计的传输模式选择与资源分配建立成问题模型，使用MOEA/D多目标遗传算法进行求解该问题模型，得到最优的系统模型。最终，通过在音视频满足度、触觉平均时延、系统吞吐量和能量利用率四个指标上的对比实验与分析，验证该方法能够提升系统性能。本发明很好地解决多模态码流难以高效传输的难点问题，确保了多模态用户在视、听、触多模态码流应用场景下的用户体验。
-
公开(公告)号：CN117394997A
公开(公告)日：2024-01-12
申请号：CN202311537438.9
申请日：2023-11-17
Applicant: 南京邮电大学
Abstract: 一种物联网设备中的轻量级身份识别方法，可以使用任意选择明文攻击CPA安全的基于格的身份基加密方案，有效减少了物联设备的计算开销。方法包括三个实体：密钥管理中心KMC、用户和物联网设备，三个实体通过注册和认证两个阶段完成物联网设备对用户的身份识别过程。在注册阶段，KMC提供系统的公共参数，并为用户的身份信息生成私钥；在认证阶段，利用基于格的身份基加密方案给出物联网设备对用户进行身份识别。方法利用基于格的加密算法，从而可提供后量子安全性；仅对加密方案作出CPA安全要求，有效降低对物联设备计算能力的要求，让计算能力受限的设备能够对用户进行认证；同时采用的身份基密码系统也使该方法更适用于保障大规模物联网设备的安全性。
-
公开(公告)号：CN113628294B
公开(公告)日：2023-06-20
申请号：CN202110776726.4
申请日：2021-07-09
Applicant: 南京邮电大学
IPC: G06T11/00 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06F30/27
Abstract: 本发明公开了一种面向跨模态通信系统的图像重建方法，所述方法利用跨模态通信系统中接收端所接收到完整触觉信号对传输过程中所存在的缺失图像进行重建，同时结合注意力机制构造跨模态交互网络，解决传统生成模型只能训练成对样本的局限性。本发明还公开了一种面向跨模态通信系统的图像重建装置。本发明充分利用不同模态数据间的语义相关性，针对未配对数据实现触觉信号到图像的跨模态生成，克服跨模态通信系统中用于实际的训练触觉信号—图像数据难以成对采集的问题，显著提高了生成图像的质量和类别精度。
-
公开(公告)号：CN115512110A
公开(公告)日：2022-12-23
申请号：CN202211163664.0
申请日：2022-09-23
Applicant: 南京邮电大学
Abstract: 本发明公开一种涉及跨模态注意力机制的医学图像肿瘤分割方法，包括以下步骤：获取正电子发射型计算机断层显像PET图像和电子计算机断层扫描CT图像，将PET图像和CT图像横向缩放为同分辨率的图像数据对；将图像数据对输入至训练好的跨模态图像分割模型，生成目标分割图像；其中，跨模态图像分割模型包括图像特征提取模块、图像特征融合模块和跨模态语义增强模块，所述跨模态语义增强模块包括一组扩展编码器和基于聚合注意力单元的语义融合网络，跨模态图像分割模型训练通过历史正电子发射型计算机断层显像PET图像和电子计算机断层扫描CT图像训练。本发明提供的一种涉及跨模态注意力机制的医学图像肿瘤分割方法，能够实现跨模态的医学图像精准分割。
-
-
-
-
-
-
-
-
-
Search Results
169
records
(took 0.076 seconds)
