-
公开(公告)号：CN115193055A
公开(公告)日：2022-10-18
申请号：CN202210164356.3
申请日：2022-02-22
Applicant: 北京工业大学
IPC: A63F13/67 , A63F13/822
Abstract: 本发明属于推荐系统领域，针对多人在线战术竞技类型MultiplayerOnlineBattleArena,MOBA游戏装备推荐问题，提出了一种基于图注意力网络的MOBA游戏装备推荐方法。首先使用基于Transformer的局部和全局注意力特征提取方法，针对局内对战队伍的多属性特征进行细粒度提取，促使模型在装备推荐时既考虑己方协助信息也考虑敌方制约信息，进行有效信息互通。其次，基于图注意力网络的全局多重聚合方法通过计算影响因子权重深入更新聚合特征，不断强化英雄‑英雄、英雄‑装备间的交互影响。本发明在Precision和MAP指标上明显优于先前方法，对MOBA游戏的装备推荐更准确有效。
-
-
公开(公告)号：CN114445643A
公开(公告)日：2022-05-06
申请号：CN202210090736.7
申请日：2022-01-26
Applicant: 北京工业大学
IPC: G06V10/46 , G06V10/25 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/055
Abstract: 本发明提供了一种基于显著稀疏强关联的fmri脑功能连接数据特征提取方法，该方法借鉴了空间自注意力机制思想，对fmri数据相关的显著性区域特征进行提取并对非显著性区域特征做稀疏化处理，而后结合不同显著性区域特征的强关联性解决数据特征提取过程中出现的样本维度高、冗余特征过多，以及特征关联信息利用不足等问题。为了客观评价所提出模型的有效性，在ABIDE和ADHD数据集上进行验证。实验结果表明，本文提出的特征提取方法有效提高了fmri脑功能连接数据的分类准确率。
-
公开(公告)号：CN112950656A
公开(公告)日：2021-06-11
申请号：CN202110253729.X
申请日：2021-03-09
Applicant: 北京工业大学
Abstract: 一种基于FPGA平台的按通道进行预读取数据的分块卷积方法属于基于硬件的神经网络的定制化优化加速领域。本发明利用FPGA的高灵活性，对整个计算过程进行定制化设计，以提高整个推断过程的计算速度。在数据预读取方面，将特征图进行分块，从而消除传统卷积过程中的各层之间的依赖性，并且以按通道读取的方式进行数据读取，减少缓存的占用；在卷积过程中，利用循环流水和循环展开来充分利用FPGA的大量计算资源，增加计算的并行力度。同时为了使得流水线的流水间隔为1，本发明把并行循环展开层调整到最内层循环中。此种方法充分利用了数据局部性，并降低了硬件所需数据带宽，提高了计算吞吐率。
-
公开(公告)号：CN109981227A
公开(公告)日：2019-07-05
申请号：CN201910224812.7
申请日：2019-03-24
Applicant: 北京工业大学
Abstract: 本发明公开了物联网场景中基于组通信的HARQ传输方法及控制系统，属于通信技术领域。在一块特定无线资源内，在第二时间点，监听基站发送的组HARQ指示信道；解码监听到的组HARQ指示信道；根据第四规则，从解码后的组HARQ指示信道中确定组HARQ指示信息。解码来自网络接入点的数据，获得一个IoT逻辑组的组ID，并确定成为一个组协调终端，其中，该所述IoT逻辑组是网络接入点按照第二规则确定的；按照第三规则在第一时间点发送该一组内物联网终端的数据。与现有技术相比，本发明针对大规模物联网装置的通信需求，尤其是在覆盖弱区和盲区，提供了无线通信系统的资源效率，减少了物联网装置的耗电量。
-
Patent Agency Ranking
公开(公告)号：CN112950656B
公开(公告)日：2024-11-29
申请号：CN202110253729.X
申请日：2021-03-09
Applicant: 北京工业大学
Abstract: 一种基于FPGA平台的按通道进行预读取数据的分块卷积方法属于基于硬件的神经网络的定制化优化加速领域。本发明利用FPGA的高灵活性，对整个计算过程进行定制化设计，以提高整个推断过程的计算速度。在数据预读取方面，将特征图进行分块，从而消除传统卷积过程中的各层之间的依赖性，并且以按通道读取的方式进行数据读取，减少缓存的占用；在卷积过程中，利用循环流水和循环展开来充分利用FPGA的大量计算资源，增加计算的并行力度。同时为了使得流水线的流水间隔为1，本发明把并行循环展开层调整到最内层循环中。此种方法充分利用了数据局部性，并降低了硬件所需数据带宽，提高了计算吞吐率。
-
公开(公告)号：CN113269021B
公开(公告)日：2024-03-01
申请号：CN202110293554.5
申请日：2021-03-18
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/02 , G06N3/084
Abstract: 本发明公开了一种基于局部全局记忆机制的非监督视频目标分割方法，属于特征学习和视频目标分割技术领域。该方法首先提取一对相同视频的嵌入特征。然后选择该视频中的全局记忆候选帧，提取全局记忆候选特征。每个全局记忆候选特征对应图卷积网络对应的每个节点，增强后的全局记忆特征表达。通过局部记忆模块提取一对帧之间的互注意力信息，交替看作注意力机制中的目标和查找角色来互注意增强。最后经过解码器得到预测的目标掩码，使用交叉熵损失计算损失并更新整个模型从而得到最终分割网络。本发明同时考虑局部和全局记忆机制，同时获得可靠的短时与长时的视频帧间相关性信息，从而实现非监督视频目标分割。
-
公开(公告)号：CN115563536A
公开(公告)日：2023-01-03
申请号：CN202211194417.7
申请日：2022-09-28
Applicant: 北京工业大学
IPC: G06F18/241 , G06F18/10 , G06N3/0464 , G06N3/084 , G01M13/045
Abstract: 基于子域自适应的滚动轴承故障诊断方法，属于深度学习领域。传统的轴承故障诊断方法在已标记的故障数据充足的情况下训练神经网络获得故障诊断模型，但实际场景中，设备往往提供不了大量标记数据。本发明可以在现有的故障诊断模型的基础上，通过迁移学习获得针对新的与原先分布不同的无标记数据的诊断模型，为实际工况下标记不足数据的故障诊断提供一种更有效地诊断工具。基于子域自适应的轴承故障诊断算法分为四步：卷积神经网络进行特征提取；计算源域与目标域的局部最大均值差异；训练深度子域卷积神经网络；最后使用训练获得的模型进行故障诊断。实验结果表明轴承故障诊断的准确率完全满足实际应用的需求。
-
公开(公告)号：CN114529975A
公开(公告)日：2022-05-24
申请号：CN202210183736.1
申请日：2022-02-25
Applicant: 北京工业大学
IPC: G06V40/16 , G06F17/16 , G06K9/62 , G06V10/762 , G06V10/74 , G06V10/764
Abstract: 本发明涉及一种应用于人脸识别的自适应快速无监督特征选择方法，用于解决高维度人脸图像中往往存在大量无意义和冗余特征导致分析困难的问题。具体方案为首先提出一种自适应快速密度峰值聚类方法对人脸图像特征进行聚类操作，然后定义特征重要性评价函数，在每个特征簇中选择出最具代表性特征，加入特征子集，完成特征选择。实施本发明能够达到得到的特征子集更精确，特征选择更快速的效果。
-
公开(公告)号：CN113269021A
公开(公告)日：2021-08-17
申请号：CN202110293554.5
申请日：2021-03-18
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于局部全局记忆机制的非监督视频目标分割方法，属于特征学习和视频目标分割技术领域。该方法首先提取一对相同视频的嵌入特征。然后选择该视频中的全局记忆候选帧，提取全局记忆候选特征。每个全局记忆候选特征对应图卷积网络对应的每个节点，增强后的全局记忆特征表达。通过局部记忆模块提取一对帧之间的互注意力信息，交替看作注意力机制中的目标和查找角色来互注意增强。最后经过解码器得到预测的目标掩码，使用交叉熵损失计算损失并更新整个模型从而得到最终分割网络。本发明同时考虑局部和全局记忆机制，同时获得可靠的短时与长时的视频帧间相关性信息，从而实现非监督视频目标分割。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.03 seconds)
