公开(公告)号：CN118628944A

公开(公告)日：2024-09-10

申请号：CN202411105759.6

申请日：2024-08-13

Applicant: 电子科技大学

Inventor： 解修蕊 ,  梁爽 ,  罗光春 ,  杨雨宁 ,  吴祎哲 ,  李开元

IPC: G06V20/17 ,  G06V10/40 ,  G06V10/77 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/049 ,  G06N3/092

Abstract: 本发明公开了一种事件流和事件帧融合的强化学习无人机避障方法，属于人机避障技术领域。本发明将事件相机产生的事件流和事件帧信息分别输入到不同的特征提取网络中，再通过特征向量融合的方式来获取事件流与事件帧的融合表征；使用在采集的离线数据流上预训练好的事件自分编码器作为模型的事件流特征提取网络，用于将具有时序性、异步性的事件流信息转换为特征信息，以提升无人机避障成功率；同时将强化学习训练过程解耦为两阶段，通过对比重建图像与真值图像进行预训练，事件帧卷积网络在智能体学习过程中进行训练，并有效利用融合特征补充智能体环境交互所需的状态信息。本发明用于搭载了事件相机的无人机，能获得良好的避障效果。

公开(公告)号：CN117149968A

公开(公告)日：2023-12-01

申请号：CN202311069249.3

申请日：2023-08-24

Applicant: 电子科技大学

Inventor： 秦科 ,  卢国明 ,  罗光春 ,  解修蕊 ,  邵帅 ,  戴岭

IPC: G06F16/332 ,  G06F16/36 ,  G06N5/04 ,  G06N5/025 ,  G06F40/289 ,  G06F40/242 ,  G06N3/0455 ,  G06N3/0442

Abstract: 本申请公开了一种结合混合式模型的会话内容生成方法，属于开放域多轮对话技术领域。方法先获取会话语料库，用作候选语料；然后获取训练数据集并进行预处理；对训练数据进行细粒度语境构建，对训练数据中的概念实体进行检索，并将其概念实体集合的邻居实体用作辅助嵌入；对会话检索模型进行结构改进，并分别将训练数据集中的会话上下文以及回复进行编码，获得检索匹配分数；使用中文预训练语言模型，分别将训练数据集的原始会话上下文和回复，以及邻居概念实体信息进行编码，获得文本上下文向量；对文本上下文向量解码，生成对应的会话回复。本申请提高了会话生成回复与会话上下文之间的相关性，同时提高了生成回复的语义丰富度和质量。

公开(公告)号：CN113553917B

公开(公告)日：2023-04-28

申请号：CN202110741347.1

申请日：2021-06-30

Applicant: 电子科技大学

Inventor： 解修蕊 ,  刘贵松 ,  占求港 ,  黄鹂 ,  谢卓凯 ,  邓文杰

IPC: G06V20/52 ,  G06T7/13 ,  G06T5/50 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/096 ,  G06N3/084

Abstract: 本发明公开了一种基于脉冲迁移学习的办公设备识别方法，根据迁移学习任务，将干净背景、高分辨率、无噪音的有标注的办公设备图像作为源域，实际场景下采集的不同噪声及分辨率的图像作为目标域；初始化脉冲神经网络参数，得到初始状态的迁移学习网络模型；将源域和目标域转换为脉冲形式的图片，输入至初始状态的迁移学习网络模型中，并正向传播；根据域迁移损失以及分类损失，使用Adamax优化器进行整个网络的训练，直到模型收敛或达到最大迭代次数，得到训练好的迁移学习网络模型；保存训练好的迁移学习网络模型，将目标域的全部样本输入导训练好的迁移学习网络模型中，预测得到最终的分类结果。

公开(公告)号：CN110136061B

公开(公告)日：2023-02-28

申请号：CN201910387078.6

申请日：2019-05-10

Applicant: 电子科技大学中山学院

Inventor： 刘贵松 ,  杨鹏程 ,  解修蕊 ,  陈述

IPC: G06T3/40

Abstract: 本发明公开了一种基于深度卷积预测与插值的分辨率提升方法及系统，涉及分辨率提升领域；其包括步骤：构建深度卷积网络，并预处理图片集，深度卷积网络包括特征提取网络、预测网络和重构网络；利用预处理后的训练集中的低分辨率图片Pl输入上述深度卷积网络进行特征提取、邻域特征预测、邻域特征插值和重构预测出高分辨率图片Ph，计算Ph与训练集中目标高分辨率图片Pt间的均方损失，并通过梯度下降训练各部分网络，重复上述过程迭代M次完成训练；将实际场景中的低分辨率图片输入已训练的深度卷积网络，获取高分辨率图片；本发明解决现有分辨率提升使用的网络训练难度大、分辨率提升效果差的问题，达到了降低训练难度、提高分辨率的效果。

公开(公告)号：CN115481236A

公开(公告)日：2022-12-16

申请号：CN202211053861.7

申请日：2022-08-31

Applicant: 电子科技大学

Inventor： 许毅 ,  赵太银 ,  解修蕊 ,  罗光春 ,  赵航 ,  张博闻

IPC: G06F16/335 ,  G06F16/35 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于用户兴趣建模的个性化新闻推荐方法，包括步骤：获得新闻文本数据，将文本数据进行预处理，删除停用词，向量化等操作；将向量化的新闻数据输送到文本特征提取器进行特征抽取，获得新闻特征；构建基于用户兴趣的新闻推荐模型，结合残差图卷积网络模块与用户热兴趣模块，输出用户点击概率；模型训练，模型训练基于交叉熵损失函数进行训练；对输入的一系列候选新闻的点击预测概率进行排序，输出设定好的前K篇新闻作为推荐结果。本发明用于用户个性化的新闻推荐，能有效提升推荐有效性。

公开(公告)号：CN113705647A

公开(公告)日：2021-11-26

申请号：CN202110954044.8

申请日：2021-08-19

Applicant: 电子科技大学

Inventor： 段贵多 ,  郑旭 ,  解修蕊 ,  张栗粽 ,  罗光春 ,  苗佳雨 ,  罗文隆

IPC: G06K9/62 ,  G06K9/46 ,  G06K9/40 ,  G06K9/32 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于动态间隔的双重语义特征提取方法，属于计算机视觉特征识别技术领域。本发明方法动态通过调整类别间隔的损失函数来获取具有判别性的图像特征，即对特征和权重向量进行归一化，然后对损失函数动态的调整，来实现不同类别的不同的余弦间隔。该方法使得间隔设置更加合理，同时能在保留特征限制的同时，不增加神经网络模型优化的复杂度，与其他提出的损失函数相比，更加简单易于实现和准确。

公开(公告)号：CN106097356B

公开(公告)日：2018-07-06

申请号：CN201610427938.0

申请日：2016-06-15

Applicant: 电子科技大学

Inventor： 屈鸿 ,  陈常乐 ,  解修蕊 ,  陈珊 ,  马桂垚 ,  丁小云 ,  张马路 ,  曾志

IPC: G06T7/00

Abstract: 本发明公开了一种基于Spiking图像角点检测方法，属于图像处理技术领域，解决现有技术对角点检测精度不高，缺乏对时间和空间特征的解释问题。本发明提出了一种基于Spiking神经网络的图像角点检测方法，该算法使用Spiking神经元模板对图像进行扫描，并根据检测神经元的电压变化等情况来确定图像角点，可以较好的对图像角点进行检测。Spiking神经网络使用电压表示信息强度，使用脉冲传递信息，由于这种基于脉冲的信息表示方法具有很强的时序性，因此本发明借助于Spiking神经网络的优势，研究基于Spiking神经网络的图像角点特征检测。本发明应用于图像角点特征提取、光流计算、目标识别、跟踪、运动估计和三维重构等涉及角点应用的计算机视觉场合。涉及Spiking神经网络、机器学习。

公开(公告)号：CN119445337A

公开(公告)日：2025-02-14

申请号：CN202510045394.0

申请日：2025-01-13

Applicant: 电子科技大学

Inventor： 解修蕊 ,  张东阳 ,  罗光春 ,  杨雨宁 ,  陈宇 ,  李东珉

IPC: G06V10/82 ,  G06V10/84 ,  G06V40/16 ,  G06V10/774 ,  G06N3/094 ,  G06N3/092 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/098

Abstract: 本发明公开了一种基于强化学习的人脸识别联邦学习系统后门攻击方法，涉及联邦学习安全技术领域。本发明包括：获取构建强化学习虚拟环境的基础信息；采用马尔科夫链构建用于强化学习的虚拟环境；构建基于深度神经网络的强化模型，并在构建的强化学习虚拟环境中对强化模型进行训练，基于训练好的强化模型得到后门攻击模型；再将该模型置于目标联邦系统的真实环境中进行测试以实现对模型参数的微调，得到用于目标联邦系统的后门攻击模型实例。本发明解决了现有联邦学习后门攻击存在的适应性不佳，需要大量后门设备以及持久性差的问题；并且可以进一步提升联邦学习系统对后门攻击的防御能力，以及丰富联邦学习系统的后门防御能力的评估方式。

公开(公告)号：CN119292049A

公开(公告)日：2025-01-10

申请号：CN202411200599.3

申请日：2024-08-29

Applicant: 电子科技大学

Inventor： 解修蕊 ,  董强 ,  胡翔宇 ,  孙旭 ,  吴祎哲 ,  邢薪达

IPC: G05B13/04 ,  G06N3/0455 ,  G06N3/0985 ,  G06N3/092 ,  G06N3/084

Abstract: 本发明提供了一种基于事件特征的强化学习解耦训练方法，该方法构建低维特征提取网络模型和高维特征提取网络模型，对事件相机接收到的事件信息进行高维和低维特征的提取，并对提取的特征进行拼接融合，融合后的特征作为强化学习智能体与环境交互的状态信息，随后将状态信息输入策略网络中得到无人机的动作，并根据自定义的奖励函数给予奖励反馈，以完成策略网络的更新，并将强化学习训练过程解耦为两个阶段，极大地优化了强化学习的训练效率与泛化能力，实现了无人机在高速动态环境中有效的进行状态信息获取与障碍躲避。

公开(公告)号：CN119148702A

公开(公告)日：2024-12-17

申请号：CN202411100707.X

申请日：2024-08-12

Applicant: 电子科技大学

Inventor： 解修蕊 ,  张东阳 ,  胡翔宇 ,  陈宇 ,  曾诚 ,  冯敬轩

IPC: G05D1/43 ,  G05D109/10

Abstract: 本发明公开了一种基于两阶段解耦离线强化学习的机器人路径规划模型及方法，属于机器智能决策与控制技术领域。该方法包括一种基于两阶段解耦离线强化学习的神经网络模型，该模型利用Transformer架构避免传统基于策略约束方法和基于值函数正则方法存在的分布外泛化问题，并修改现有的基于Transformer架构强化学习方法，使预测状态与预测动作两阶段解耦，令智能体不局限于模仿数据集中轨迹与动作组合，而是能够学习到具有高期望回报的状态，通过拼接次优轨迹和状态组合实现超越数据集中最优轨迹的行为策略。该方法旨在解决现有机器人路径规划方法计算资源需求高，模型泛化能力差，模型应对不确定性和容易陷入局部最优等问题。