-
公开(公告)号：CN115866658B
公开(公告)日：2023-05-16
申请号：CN202310064987.2
申请日：2023-02-06
Applicant: 湖北工业大学
IPC: H04W24/06 , H04W24/02 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于无线通信技术领域，具体涉及一种基于动态时空超图卷积网络的流量预测方法和系统。首先建立门控时间卷积网络模型和高阶时间差分卷积网络模型的时间模块来模拟动态异构网络中移动流量更复杂的时间关系；建立空间渐进卷积网络模型构成空间模块，模拟动态异构网络中移动流量更复杂的空间关系；然后在图卷积网络的基础上建立移动数据流量的超图卷积网络模块，将时间模块、空间模块、超图卷积网络模块相融合，从而建立完整的移动数据流量的动态时空超图卷积预测模型；最后通过优化算法更新动态时空超图卷积预测模型中的网络参数以获取最小损失函数，得到最终的移动蜂窝流量预测结果，从而实现动态异构网络中高精度的移动流量预测。
-
公开(公告)号：CN115908981A
公开(公告)日：2023-04-04
申请号：CN202211508278.0
申请日：2022-11-29
Applicant: 湖北工业大学
IPC: G06V10/774 , G06V10/80 , G06V10/40 , G06V10/82 , G06V20/17
Abstract: 本发明提供了一种输电线路电力部件及异常目标检测方法及设备。所述方法包括：步骤1、特征提取阶段，将ResNet101主干特征提取网络替换为MobileNetV3；步骤2、解码阶段，将MobileNetV3特征提取网络中的bottleneck3、bottleneck5和bottleneck7结构输出的特征输入特征增强结构中，将特征增强结构的输出特征与上采样层特征通过残差注意力融合的方式进行特征融合；步骤3、训练阶段，将目标的真值框编码为物体的中心点坐标和物体的尺寸信息，通过椭圆高斯散射核将物体的中心点投射到热力图上。本发明提高预测框与真值框的匹配程度。
-
公开(公告)号：CN115630398A
公开(公告)日：2023-01-20
申请号：CN202211334103.2
申请日：2022-10-28
Applicant: 湖北工业大学
IPC: G06F21/62
Abstract: 本发明提供了一种基于小样本数据的个性化差分隐私保护方法、装置及系统，其中的方法是一种基于随机响应的本地化数据收集方法，数据提供者可以根据自己的隐私需求进行个性化的隐私保护处理，其中隐私保护需求用差分隐私参数∈来衡量，根据个性化隐私需求被分成不同的子群体，同一子群体中用户的隐私需求相同，不同子群体中用户的隐私需求不同。针对每个子群体的隐私需求，基于最小均方误差的期望准则给出最佳的扰动方式，包含最佳的扰动概率、最佳的传输参数量和最佳的输出形式，并基于最小均方误差的期望构建合适的加权因子以进行加权聚合来提高统计估计的精度，在实现个性化隐私保护的同时，保证较高的统计精度。
-
公开(公告)号：CN119167528B
公开(公告)日：2025-03-28
申请号：CN202411678184.7
申请日：2024-11-22
Applicant: 湖北工业大学
Abstract: 本发明提供一种基于机器学习的船体涂层破损识别方法及系统，属于机器学习技术领域，包括：获取基于电化学腐蚀的船舶物理场建模；对船体表面设定腐蚀区域与腐蚀程度，以获取所述船体表面的水下电位数据，利用船舶物理场建模对水下电位数据进行处理，获得数据集；对数据集进行预处理，得到预处理数据集；采用预处理数据集对随机森林模型进行训练，获得目标船舶船体涂层破损识别模型；将目标船舶水下电位信号输入目标船舶船体涂层破损识别模型，输出船体涂层破损识别结果。本发明通过机器学习模型的训练和优化，可以实现自动化的船体涂层破损识别，减少了传统人工检查的主观性和耗时性。
-
公开(公告)号：CN117686935B
公开(公告)日：2024-05-14
申请号：CN202410123299.3
申请日：2024-01-30
Applicant: 湖北工业大学
IPC: G01R31/392 , G01R31/385 , G01R31/378 , G01R31/367 , G01R31/396 , G01R19/00
Abstract: 本发明提供了一种基于电压概率密度的电池RUL预测方法，包括：以多条电压概率密度曲线a的峰值对应电压的正负0.05V范围作为特征电压区间，计算不同循环周期下且在特征电压区间内的电压概率密度分布，并绘制电压概率密度曲线b；提取不同循环周期下电压概率密度曲线b的峰值，并绘制出电压概率密度峰值曲线，将其作为健康特征HF；将健康特征HF作为电池的特征数据序列#imgabs0#，并利用特征数据序列#imgabs1#和电池容量数据构建岭回归容量预测模型，得到容量预测值C。本方案通过绘制电池的电压概率密度峰值曲线作为健康特征HF，实现了预测过程只需收集特征电压区间内的数据，大大降低了数据计算量，从而提高了处理效率。
-
Patent Agency Ranking
公开(公告)号：CN115866658A
公开(公告)日：2023-03-28
申请号：CN202310064987.2
申请日：2023-02-06
Applicant: 湖北工业大学
IPC: H04W24/06 , H04W24/02 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于无线通信技术领域，具体涉及一种基于动态时空超图卷积网络的流量预测方法和系统。首先建立门控时间卷积网络模型和高阶时间差分卷积网络模型的时间模块来模拟动态异构网络中移动流量更复杂的时间关系；建立空间渐进卷积网络模型构成空间模块，模拟动态异构网络中移动流量更复杂的空间关系；然后在图卷积网络的基础上建立移动数据流量的超图卷积网络模块，将时间模块、空间模块、超图卷积网络模块相融合，从而建立完整的移动数据流量的动态时空超图卷积预测模型；最后通过优化算法更新动态时空超图卷积预测模型中的网络参数以获取最小损失函数，得到最终的移动蜂窝流量预测结果，从而实现动态异构网络中高精度的移动流量预测。
-
公开(公告)号：CN119167528A
公开(公告)日：2024-12-20
申请号：CN202411678184.7
申请日：2024-11-22
Applicant: 湖北工业大学
Abstract: 本发明提供一种基于机器学习的船体涂层破损识别方法及系统，属于机器学习技术领域，包括：获取基于电化学腐蚀的船舶物理场建模；对船体表面设定腐蚀区域与腐蚀程度，以获取所述船体表面的水下电位数据，利用船舶物理场建模对水下电位数据进行处理，获得数据集；对数据集进行预处理，得到预处理数据集；采用预处理数据集对随机森林模型进行训练，获得目标船舶船体涂层破损识别模型；将目标船舶水下电位信号输入目标船舶船体涂层破损识别模型，输出船体涂层破损识别结果。本发明通过机器学习模型的训练和优化，可以实现自动化的船体涂层破损识别，减少了传统人工检查的主观性和耗时性。
-
公开(公告)号：CN116245927A
公开(公告)日：2023-06-09
申请号：CN202310116947.8
申请日：2023-02-09
Applicant: 湖北工业大学
IPC: G06T7/55 , G06T7/73 , G06N3/0464
Abstract: 本发明公开了一种基于ConvDepth的自监督单目深度估计方法及系统，本发明基于无结构单目视频的自监督单目深度估计，目标图像It经过depth网络生成视差图Dt(或深度图其中为Dt的倒数)；连续两帧图像(Is,It)的堆叠采用Pose网络预测6D旋转和平移矩阵Tt→s；然后将目标图像反向warping，生成重建图像本发明基于运动结构恢复算法，极大程度的减少了训练网络的成本，具有极大的扩展性。本发明所提出的Depth网络结构，能够生成更加准确、细节更加丰富的深度图。本发明提出了鲁棒性自蒸馏损失，它更加准确的监督Depth网络的训练。本发明不仅将ConvNeXt骨干引入到自监督深度估计任务中，打破了现有技术中ResNet的“垄断”，而且设计了多层级细节增强模块和视差头，极大程度的激发了ConvNeXt骨干的潜力。
-
公开(公告)号：CN115601542A
公开(公告)日：2023-01-13
申请号：CN202211229781.2
申请日：2022-10-08
Applicant: 湖北工业大学(CN)
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：CN115578339A
公开(公告)日：2023-01-06
申请号：CN202211208711.9
申请日：2022-09-30
Applicant: 湖北工业大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种工业产品表面缺陷检测与定位方法、系统及设备，首先预处理待检测产品的原始外观图像为预设大小；然后使用语义分割网络实现对产品表面缺陷进行像素级定位；最后将原始外观图像以及语义分割网络的输出作为分类决策网络的输入，进行产品表面缺陷检测与定位；本发明通过利用一种基于两阶段架构的深度卷积网络的有效方法来解决数据样本需求问题，新的语义分割网络和分类决策网络的提出，适合从少量缺陷样本中学习，但仍然可以得到最优性能。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.017 seconds)
