-
公开(公告)号：CN118155488A
公开(公告)日：2024-06-07
申请号：CN202311787929.9
申请日：2023-12-22
Applicant: 桂林电子科技大学
IPC: G09B23/18
Abstract: 本发明提供一种无线电波符号序列的记忆及回忆实验装置，包含若干射频接收模块、若干射频发射模块和一块FPGA开发板。其中，每个射频接收模块分别与FPGA开发板上的一个输入端连接，每个射频发射模块分别与FPGA开发板上的一个输出端连接。该装置通过利用FPGA开发板内部的可编程逻辑电路在其输入端和输出端之间建立所需要的网络连接路径，可以用来记忆和回忆以无线电波信号形式编码的符号序列，从而实现语言加工的记忆和回忆功能。本发明不仅有助于从硬件仿真的角度来理解生物神经系统的语言记忆及回忆机制，而且对新一代人工智能理论和方法的实践教学具有十分重要的应用前景，还有望为解决未来太空机器人在宇宙探索中的直接语言交流问题提供新技术。
-
公开(公告)号：CN119623723A
公开(公告)日：2025-03-14
申请号：CN202411691440.6
申请日：2024-11-25
Applicant: 桂林电子科技大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442
Abstract: 本发明公开了一种基于趋势季节分解和二阶可控门单元的多用户电力消耗特征预测方法，依次包含以下步骤：通过趋势季节分解层，输入的电力消耗序列被拆分成趋势季节两个特征，送入到对应趋势季节编码器进行处理，趋势季节编码器具有相同的结构。在编码器中，趋势和季节特征被切分成小块，送入到线性层进行编码，并送入二阶可控门单元中进行进一步编码，得到趋势季节编码，并送入到趋势与季节解码器中。趋势季节解码器具有相同的结构，趋势季节编码会通过二阶可控门单元进行解码后，送入线性层进行解码，最后趋势季节解码相加得到预测结果。本发明为电力消耗预测提供了新思路，实验结果表明本方法具有高效处理长时间序列，误差率低的优点。
-
公开(公告)号：CN119620238A
公开(公告)日：2025-03-14
申请号：CN202411691631.2
申请日：2024-11-25
Applicant: 桂林电子科技大学
IPC: G01W1/10 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/048
Abstract: 本发明提出了一种基于U‑Net和PatchMixer模块的气象特征预测方法，旨在提高预测精度。首先，对气象序列数据进行归一化，并通过自适应模块动态调整特征矩阵，增强数据的局部相关性。然后，对调整后的特征矩阵填充、分块，并通过线性映射嵌入高维空间，为后续特征提取提供支持。模型利用多个PatchMixer块搭建U‑Net，包含编码器、底部特征聚合层和解码器。编码器逐层提取不同层次的气象特征，底部层进一步整合深层特征，解码器通过跳跃连接和残差连接将编码特征融合，生成预测结果。最后，模型使用均方误差(MSE)损失函数进行优化。实验结果表明，该方法显著提高了气象预测精度，同时降低了模型复杂度，实现了较高的效率和较低的误差。
-
公开(公告)号：CN119228632A
公开(公告)日：2024-12-31
申请号：CN202411475135.3
申请日：2024-10-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种亲和力增强注意力网络的图像任意艺术风格迁移方法，旨在把内容图像按照目标艺术风格创作出一幅全新的图像，使其不仅具有风格图像的艺术特征同时又保持自身的内容纹理结构信息。该方法首先利用内容亲和增强注意力模块提取内容图像特征和增强内容表征，风格亲和增强注意力模块提取风格图像特征，然后利用内容图像细节增强模块对内容图像特征进行细节增强，风格图像细节增强模块对风格图像特征进行细节增强，接着利用混合注意模块根据内容特征分布来调整风格特征分布。公开图像数据集上的对比实验验证了本发明可以实现高质量的图像任意艺术风格迁移。
-
公开(公告)号：CN118537257A
公开(公告)日：2024-08-23
申请号：CN202310136973.7
申请日：2023-02-20
Applicant: 桂林电子科技大学
IPC: G06T5/73 , G06T5/60 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于递归门控卷积的轻量级图像去模糊方法，包括：获取目标模糊图像；将目标模糊图像输入至训练好的轻量级图像去模糊模型中，得到目标模糊图像对应的清晰去模糊图像；其中，轻量级图像去模糊模型包括：特征编码模块，特征处理模块和特征解码模块；其中特征处理模块由多个自注意力模块和递归门控选择模块串联组成。本发明公开的基于递归门控卷积的轻量级图像去模糊方法能够兼顾Transformer和卷积神经网络的优点，以较小的时空间代价，获得高质量的去模糊图像。
-
Patent Agency Ranking
公开(公告)号：CN117237730A
公开(公告)日：2023-12-15
申请号：CN202311235700.4
申请日：2023-09-25
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/774 , G06F40/289 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/092
Abstract: 本发明公开了一种基于局部特征和二阶循环神经网络的图像中文描述方法，能运用在自动商品描述，幼儿早教等图像理解的场景。其特征在于：构建目标检测模块获取图像局部特征，使生成的描述尽可能包含图像中的对象；构建局部特征增强模块对局部特征进行提炼细化，减少干扰；构建二阶循环神经网络模块和注意力模块对所述局部特征进行解码生成图像的中文描述，其中二阶循环神经网络可建立更好的长序列依赖关系，使生成的描述句子更加自然流畅。实验结果表明本发明方法具有描述丰富、准确率高的特点。
-
公开(公告)号：CN120034389A
公开(公告)日：2025-05-23
申请号：CN202510250653.3
申请日：2025-03-04
Applicant: 桂林电子科技大学
IPC: H04L9/40 , G06N3/0442 , G06N3/08 , G06F18/214
Abstract: 本发明公开了一种基于Snd‑LSTM网络模型的网络攻击识别方法，涉及网络模型技术领域，对网络流量数据进行实时采集，并使用数据清洗算法对网络流量数据进行预处理；设计Snd‑LSTM网络模型的结构，捕捉网络流量中的时序特征；利用预处理后的网络流量数据训练Snd‑LSTM网络模型，进而分析网络流量的动态变化趋势；将待检测的网络流量数据输入训练好的Snd‑LSTM模型，根据网络流量特征模式进行推理计算，输出表示不同网络攻击类型概率的概率向量。本发明利用Snd‑LSTM能够通过学习历史数据中的模式，有效区分正常流量与异常攻击流量，不仅提高了攻击检测的准确性，还显著提升了检测效率，使得系统能够在实时环境中快速响应潜在威胁。
-
公开(公告)号：CN119623270A
公开(公告)日：2025-03-14
申请号：CN202411691896.2
申请日：2024-11-25
Applicant: 桂林电子科技大学
IPC: G06F30/27 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于深度可分离卷积和双预测头的变压器状态参数预测方法，依次包含以下步骤。首先，构建一个变压器状态参数时间序列作为输入，原始数据经过归一化处理和数据切分后直接输入到线性层，输出初步预测结果捕获整体趋势。通过FFT计算原始序列频谱用来获得其周期，再对原始序列进行填充分片，然后将变换后的数据传入多个深度可分离卷积层构建的模块提取特征，将返回值还原为一维时间序列，并传入穿插有非线性激活函数的线性层，生成非线性的预测结果，最后其与初步预测结果相加得到最终的预测结果。通过这种设计，模型有效结合了周期内和周期间，线性和非线性的信息，提高了特征提取效率和预测精度。
-
公开(公告)号：CN119228631A
公开(公告)日：2024-12-31
申请号：CN202411475027.6
申请日：2024-10-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种图像任意风格迁移的两段感知特征方法，旨在通过对给定的照片应用目标艺术风格来创造出新的艺术作品，本方法首先利用注意力模块提取内容图像和风格图像的特征来增强表示,通过注意力机制来丰富局部风格细节，根据内容特征分布来调整风格特征分布，在风格化过程中保留内容图像中的语义关系来实现更好的内容保留，再使用全局统计信息对齐模块来微调全局图像风格。公开图像数据集上的对比实验验证了本发明可以实现高质量的图像艺术风格迁移。
-
公开(公告)号：CN119227904A
公开(公告)日：2024-12-31
申请号：CN202411480502.9
申请日：2024-10-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于分块和通道融合的气象特征预测方法，依次包含以下步骤：首先，构建一个多变量气候序列输入，并将原始气候序列划分为重叠或非重叠的分块序列；然后，利用Transformer的自注意力机制对分块后的气候序列进行编码，以捕捉时间块之间的依赖关系；接着，特征向量经过Transformer编码器处理后再通过展平层，转化为线性模型输入，最后经过线性层生成最终的预测结果。本发明为气象特征预测提供了一种新思路，实验结果表明本方法具有高效处理长时间序列，模型复杂度降低，需求更少计算资源，误差率低的优点。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.045 seconds)
