-
公开(公告)号：CN119339245A
公开(公告)日：2025-01-21
申请号：CN202411863953.0
申请日：2024-12-18
Applicant: 烟台大学
Abstract: 本发明涉及海洋赤潮预测技术领域，尤其是涉及一种基于双通道时空图神经网络的赤潮异常预测方法及系统。方法，包括将预处理后的海洋环境监测数据转换成图结构，其中节点表示海洋监测站；并基于皮尔逊相关系数构造邻接矩阵，邻接矩阵元素表示节点之间的空间相关性；利用时空图神经网络对图结构进行空间和时间特征提取；本发明结合了时空图神经网络与遥感图像数据的深度特征提取能力，通过图卷积和卷积神经网络（CNN）多层操作，实现了海洋赤潮异常的精准预测。
-
公开(公告)号：CN118893636B
公开(公告)日：2025-01-21
申请号：CN202411396563.7
申请日：2024-10-09
Applicant: 烟台大学
IPC: B25J9/16
Abstract: 本发明涉及神经网络技术领域，尤其是涉及一种基于卷积神经网络的机器人姿态估计方法及系统。方法，包括获取工业机器人姿态信息数据；对获取的工业机器人姿态信息数据进行自动化标注，得到数据集；对数据集进行预处理；利用预处理后的数据集训练卷积神经网络模型；利用训练好的卷积神经网络模型对机器人进行姿态估计。本发明通过自动化标注与手工校准相结合的方法，生成高精度的工业机器人臂姿态数据集，克服了传统方法中手工标注耗时和不精确的问题。
-
公开(公告)号：CN118841979B
公开(公告)日：2025-01-21
申请号：CN202411311278.0
申请日：2024-09-20
Applicant: 烟台大学
IPC: H02J3/00 , G06F18/2415 , G06F18/10 , G06N3/094 , G06F17/16
Abstract: 本发明涉及模型运算技术领域，尤其是涉及一种基于多尺度异常检测的电力系统负荷预测方法及系统。方法，包括构建Transformer‑XL与生成对抗网络相结合的负荷预测模型；基于负荷预测模型对电力系统多源数据进行预测，得到负荷预测数据；基于多尺度卷积变分自编码器对电力系统多源数据进行异常检测，得到异常检测结果；将异常检测结果和负荷预测结果相融合，生成综合评分；根据生成的综合评分，利用贝叶斯优化自动调整关键超参数。本发明能够更好地处理电力负荷数据中的非线性和多维度变化，从而显著提升了负荷预测的精度。
-
公开(公告)号：CN118820296A
公开(公告)日：2024-10-22
申请号：CN202411311276.1
申请日：2024-09-20
Applicant: 烟台大学
IPC: G06F16/2453 , G06F16/2455
Abstract: 本发明涉及最短路线查询技术领域，尤其是涉及一种动态图top‑k最优路线的分布式查询方法及系统。所述方法，包括获取动态图；基于动态图建立分布式动态两级索引结构，即DTLP索引；基于DTLP索引，利用DG‑KSP算法计算得到top‑k最优路径。本发明采用的面向大型动态图上top‑k最优路径查询的分布式计算平台具备分布式的子图管理模块和查询处理模块，能够很好地支撑本发明所提出的分布式动态两级索引结构，满足大型动态图上top‑k最优路径查询的分布式访问需求。
-
公开(公告)号：CN118365646B
公开(公告)日：2024-10-01
申请号：CN202410796193.X
申请日：2024-06-20
Applicant: 烟台大学
IPC: G06T7/00 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/042 , G06N3/0464
Abstract: 本发明涉及缺陷检测技术领域，尤其是涉及一种基于生成对抗网络的异型衬套缺陷检测方法及系统。所述方法，包括获取包含异型衬套外表面的图像数据，并利用图像数据生成点云数据；对生成的点云数据进行预处理，包括利用欧式聚类算法对点云数据进行去噪处理；利用预处理后的点云数据构建对抗网络模型，包括构建生成器、判别器和损失函数；基于构建完成的对抗网络模型进行模型训练，包括对生成器和判别器进行训练；利用预处理后的点云数据和对抗网络模型进行模型的缺陷检测；根据缺陷检测结果进行缺陷记录。本发明通过引入注意力机制的生成对抗网络能够更好地关注和利用点云数据中的重要信息，提高缺陷检测的准确性和效率。
-
Patent Agency Ranking
公开(公告)号：CN118713938A
公开(公告)日：2024-09-27
申请号：CN202411203462.3
申请日：2024-08-30
Applicant: 烟台大学
IPC: H04L9/40 , G06F18/2433 , G06F18/25
Abstract: 本发明涉及异常节点检测技术领域，尤其是涉及一种基于异质图的工业互联网异常节点检测方法及系统。所述方法包括：对新的图结构进行不同类型节点的特征映射；基于自注意力机制对新的图结构进行计算得到节点嵌入向量；基于语义级的注意力机制学习元路径的重要性，通过融合节点嵌入向量得到最终的融合嵌入向量；对节点的融合嵌入向量进行分类，以检测工业互联网中的异常节点。在本发明中，将工业互联网看作异质图神经网络，引入机器学习和图神经网络框架，结合利用图结构学习算法、图注意力网络、元路径等一系列技术，实现对工业互联网中的异常节点进行准确、高效识别和监控。
-
公开(公告)号：CN118333861B
公开(公告)日：2024-08-20
申请号：CN202410756700.7
申请日：2024-06-13
Applicant: 烟台大学
IPC: G06T3/4053 , G06T5/60 , G06T5/50 , G06N3/0475 , G06N3/084 , G06N3/0464 , G06T3/4007
Abstract: 本发明属于图像处理技术领域，具体涉及一种遥感图像重建方法、系统、装置、介质，首先通过模拟实际遥感图像的退化情况来增强数据的真实性、复杂性，然后对遥感图像分别进行两次重建，并根据对比度进行自适应融合以整合不同分辨率的图像信息，从而提高了图像重建的准确性、清晰度和高质量。
-
公开(公告)号：CN118506107A
公开(公告)日：2024-08-16
申请号：CN202410954465.4
申请日：2024-07-17
Applicant: 烟台大学
IPC: G06V10/764 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/06 , G06N3/084
Abstract: 本发明涉及机器人技术领域，尤其是涉及一种基于多模态多任务学习的机器人分类检测方法及系统，包括S1.构建多模态数据集并进行数据预处理；S2.将语义信息数据集和图像数据集进行对齐；S3.构建多模态目标检测模型，将多模态数据集输入模型进行多任务学习，对多模态数据集进行特征提取，并将提取后的视觉图像特征和语义信息特征进行特征融合，利用核心语义注意力机制计算机器人的视觉图像特征的加权和，通过优化加权和完成对模型进行训练。本发明提出了一种基于多模态多任务学习的机器人分类检测方法，融合机器人的图像与语义信息，提升检测时文本与图像的特征交互性，使检测模型具备更高的准确性与鲁棒性。
-
公开(公告)号：CN118305818B
公开(公告)日：2024-08-13
申请号：CN202410733032.6
申请日：2024-06-07
Applicant: 烟台大学
Abstract: 本发明涉及计算机视觉技术领域，尤其是涉及一种基于双手交互姿态估计的仿生机械手控制方法及系统。所述方法，包括获取图像数据集，包括获取手部姿态和形状的数据集，并对获取的数据集进行整合；基于获取的手部姿态数据集进行手部姿态估计，包括构建并利用神经网络模型进行手部姿态的特征提取；利用轻量级神经网络模型对手部姿态数据集中手部图像进行特征分析，得到双手的姿态信息；根据特征分析结果进行轻量级神经网络模型训练；通过双手的姿态信息进行姿态对齐和映射，基于姿态对齐和映射生成仿生机械手的控制信息。本发明通过采用轻量级神经网络架构，实现了对两只手之间相对位置的准确预测,使机械手在执行任务时更加准确和可靠。
-
公开(公告)号：CN118233035B
公开(公告)日：2024-08-06
申请号：CN202410658449.0
申请日：2024-05-27
Applicant: 烟台大学
IPC: H04B17/391 , H04B17/382 , G06N3/042 , G06N3/0455
Abstract: 本发明涉及频谱预测技术领域，尤其是涉及一种基于图卷积倒置Transformer的多频带频谱预测方法及系统。方法包括获取多频带频谱数据；对多频带频谱数据进行数据预处理；构建图卷积网络，利用图卷积网络对多频带频谱数据进行特征提取，得到邻接矩阵；利用倒置Transformer模型对邻接矩阵结合多频带频谱数据进行自注意力计算，输出预测结果；对输出预测结果进行验证后，得到最后的预测结果。本发明不仅提高了预测的准确性，也增强了模型对未来频谱使用趋势的预测能力。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.043 seconds)
