-
公开(公告)号：CN110083066A
公开(公告)日：2019-08-02
申请号：CN201910426746.1
申请日：2019-05-22
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了多智能体系统的分数阶迭代控制方法，包括以下步骤：将分数阶多智能体协调追踪的控制问题转化为追踪误差在一定时间段内稳定性控制问题；设计具有初始状态学习能力的PD型迭代学习控制器；利用范数对跟踪误差的紧凑式收敛性进行证明；对S30的分析证明进行数据模拟验证，对一个4智能体1虚拟领导者的分数阶多智能体进行理论验证。本发明分析证明多智能体的收敛性，推导收敛条件。因为收敛条件可以确保随着迭代次数的增加，所有的跟踪误差逐渐减小到足够小的值。
-
公开(公告)号：CN109214452A
公开(公告)日：2019-01-15
申请号：CN201810998889.5
申请日：2018-08-29
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于注意深度双向循环神经网络的HRRP目标识别方法，首先提取数据的时域特征并对提取出的时域特征进行切分和非均匀量化编码得到其局部结构的编码，然后利用其局部结构和周围数个局部结构的关系得到其编码之间的共现矩阵，进而通过该共现矩阵得到数据的结构嵌入特征，然后再将提取出的嵌入特征送入由全连接层和基于注意LSTM的双向循环神经网络构成的深度神经网络进行训练，同时根据循环网络隐层的输出，采用softmax层得到注意力模型的权重参数，最后利用softmax层和注意模型的权重对HRRP进行识别并得到识别结果。
-
公开(公告)号：CN112699782B
公开(公告)日：2024-12-03
申请号：CN202011595694.X
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G06V10/774 , G06F18/10 , G06V10/764 , G06N3/0464 , G06N3/08 , G06V20/13
Abstract: 本发明公开了一种基于N2N和Bert的雷达HRRP目标识别方法，包括以下步骤：S1，收集数据并划分训练集和测试集，通过雷达采集的HRRP数据，需要对每个类别进行采样，分别选出训练集和测试集，之后进行合并，保证每个类别的数据形式都有被采样到；S2，用N2N模块进行降噪；S3，经过N2N模块的数据，经过卷积神经网络模块提取，调整下通道数，以便输入到Bert模型中；S4，用Bert处理CNN提取的有效特征，提取更加深层的特征；S5，在分类层对特征进行分类；S6，将经过S1处理后的HRRP测试集送入S5步骤中已训练完成的模型中进行测试。
-
公开(公告)号：CN114052750B
公开(公告)日：2024-04-30
申请号：CN202111579890.2
申请日：2021-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于标准模板肌电分解的脑肌信息传递规律提取方法。首先，安排受试者执行相应动作记录下同步的肌电信号和脑电信号。通过小波去噪先对sEMG信号完成预处理，再利用先验知识而总结提出的模板进行模板匹配，将肌电信号中的波形按照模板匹配的规则进行剥离MUAP进行分解。接着对分解出的信号序列分别提取MUAP数量、MUAP波幅、MUAP瞬时传导速度特征，构建肌电特征与同步脑电信号之间的实时变化关系图谱，显示在同一动作下脑肌电信号间的信息传递规律。本发明可以更为细化精确的找出脑肌间的信息传递方式，让所提取的特征更为敏感的响应每一次同步脑电的变化，这样可以更好地探究脑肌的信号变化规律率。
-
公开(公告)号：CN111738114B
公开(公告)日：2023-09-05
申请号：CN202010521952.3
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于无锚点精确采样遥感图像车辆目标检测方法，包括如下步骤：S1，使用多层卷积神经网络对原始图片进行特征提取，根据不同尺度大小的特征图构成自上而下特征金字塔；S2，对于特征金字塔的每一层特征，生成特征图上所有像素点的类别预测；S3，对于特征金字塔的每一层特征，生成特征图上所有像素点的目标框预测；S4，根据输入图片中的真实框面积信息确定当前车辆目标所属的特征图；S5，借助真实框内的目标实例分割信息确定目标在该层特征内的正样本像素点，并计算该像素点到真实框四条边的差值；S6，计算所有正样本像素点的类别损失与关于真实框的回归损失。
-
Patent Agency Ranking
公开(公告)号：CN111738113B
公开(公告)日：2023-07-07
申请号：CN202010521918.6
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双注意力机制与语义约束角的高分辨率遥感图像的道路提取方法，包括以下步骤：S1，对Massachusetts数据集里面的遥感道路图像进行操作来进行数据集的数据扩增，对数据集里面的遥感道路图像的标签图像进行语义约束角计算的数据预处理操作；S2，使用卷积神经网络提取遥感道路图像的特征图，并在卷积神经网络中加入位置注意力机制和通道注意力机制来计算不同通道和位置的特征权重，让网络模型能够更好的获取不同位置和不同通道的语义信息；S3，设计主损失函数，辅助损失函数来优化网络参数；S4，用训练好的模型在测试样本集上进行测试，经过网络模型的特征提取和特征上采样来得到最终的分割图像。
-
公开(公告)号：CN115966267A
公开(公告)日：2023-04-14
申请号：CN202310058086.2
申请日：2023-01-13
Applicant: 杭州电子科技大学
IPC: G16C20/70 , G05D23/20 , C12Q3/00 , G16C20/10 , G06F30/27 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/049 , G06N3/08 , G06N3/006 , G06F17/13 , G06F119/08 , G06F119/06
Abstract: 本发明公开了一种基于LSTM‑PID的溶菌酶发酵温度控制方法，首先通过机理建模方法建立溶菌酶发酵罐的温度数学模型，然后利用随机游动策略和莱维飞行策略提高鲸鱼优化算法的寻优能力，然后利用改进完成的鲸鱼优化算法为LSTM确定初始阶段参数，然后将LSTM神经网络的输出设置为PID控制器的三个K值并训练得到最为合适的K值代入PID控制器得到控制参数，将控制参数传递到发酵罐生产控制系统中进行温度控制。使用莱维飞行与随机游动策略对鲸鱼算法进行优化，解决鲸鱼优化算法在面对神经网络LSTM这种复杂的模型时容易较早陷入局部极值即过早收敛的问题。
-
公开(公告)号：CN112720244B
公开(公告)日：2023-04-07
申请号：CN202011504783.9
申请日：2020-12-18
Applicant: 杭州电子科技大学
IPC: B24B37/00 , B24B37/005 , G06N20/00 , G05B13/04
Abstract: 本发明公开了一种基于开环交叉耦合迭代学习的水晶研磨控制方法与系统。其中一种基于开环交叉耦合迭代学学习的水晶研磨控制方法，包括以下步骤：S10，建立水晶研磨伺服系统数学模型；S20，建立离散型交叉耦合迭代学习控制器对位置进行控制；S30，产生新的控制信号；S40，得到跟踪误差；S50，经过轮廓误差分配模型补偿到各轴以消除每个轴对其它轴的影响。
-
公开(公告)号：CN114092328A
公开(公告)日：2022-02-25
申请号：CN202111344541.2
申请日：2021-11-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于元学习的任意尺度图像下采样方法，包括如下步骤：基于元学习构建任意尺度图像下采样模型；所述图像下采样模型包括跳跃连接网络和前向神经网络；所述跳跃连接网络包括单尺度下采样网络和双三次插值方法；所述前向神经网络包括特征提取网络和基于元学习的卷积核参数预测网络；所述跳跃连接网络和前向神经网络的输出进行元素相加操作，得到低分辨率图像；对构建的图像下采样模型进行训练，通过训练好的图像下采样模型进行图像下采样。
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.023 seconds)
