-
公开(公告)号：CN113917938A
公开(公告)日：2022-01-11
申请号：CN202111173142.4
申请日：2021-10-08
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种小样本条件下的飞行器姿态控制数据增强和模型训练方法，包括：将飞行器姿态控制的训练集分解成多份子训练集；随机选取一份子训练集，训练第一生成器、第二生成器和第三生成器的神经网络参数；第一生成器、第二生成器和第三生成器分别依据各自的数据增强方式在神经网络模型中进行数据增强；计算出第一生成器、第二生成器和第三生成器在神经网络模型中的重要性权值；根据第一生成器、第二生成器和第三生成器的重要性权值，设置神经网络模型的目标函数；进行神经网络模型参数的训练；判断训练的迭代次数超过给定阈值；是，则终止训练；否，则重新选择子训练集进行训练。本发明提升了种小样本条件下神经网络模型的分类任务性能。
-
公开(公告)号：CN112416855B
公开(公告)日：2021-06-15
申请号：CN202011311200.0
申请日：2020-11-20
Applicant: 北京京航计算通讯研究所
IPC: G06F15/78
Abstract: 本发明涉及一种基于树状片上网络的数据采集处理片上系统，属于片上网络技术领域，解决了现有的片上系统无法实现数据处理且采集数据的传输效率较低的问题。系统包括同步采集区，用于采集与片上系统连接的外部ADC模块输出的采集数据，并将采集数据输出至缓存管理区；缓存管理区至少一个缓存单元；数据处理区，用于根据第一计算处理队列对第二计算处理队列输出的数据进行相应处理；以及，根据第一输出队列将第二输出队列输出的数据输出至数据输出区；数据输出区，用于将数据处理区输出的数据输出至外部设备。实现了采集数据的处理、缓存和高效传输，利用计算处理队列和输出队列实现了各通道数据的处理及输出的灵活配置，具有较高的实用价值。
-
公开(公告)号：CN112416855A
公开(公告)日：2021-02-26
申请号：CN202011311200.0
申请日：2020-11-20
Applicant: 北京京航计算通讯研究所
IPC: G06F15/78
Abstract: 本发明涉及一种基于树状片上网络的数据采集处理片上系统，属于片上网络技术领域，解决了现有的片上系统无法实现数据处理且采集数据的传输效率较低的问题。系统包括同步采集区，用于采集与片上系统连接的外部ADC模块输出的采集数据，并将采集数据输出至缓存管理区；缓存管理区至少一个缓存单元；数据处理区，用于根据第一计算处理队列对第二计算处理队列输出的数据进行相应处理；以及，根据第一输出队列将第二输出队列输出的数据输出至数据输出区；数据输出区，用于将数据处理区输出的数据输出至外部设备。实现了采集数据的处理、缓存和高效传输，利用计算处理队列和输出队列实现了各通道数据的处理及输出的灵活配置，具有较高的实用价值。
-
公开(公告)号：CN113917938B
公开(公告)日：2024-04-19
申请号：CN202111173142.4
申请日：2021-10-08
Applicant: 北京京航计算通讯研究所
IPC: G05D1/49 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种小样本条件下的飞行器姿态控制数据增强和模型训练方法，包括：将飞行器姿态控制的训练集分解成多份子训练集；随机选取一份子训练集，训练第一生成器、第二生成器和第三生成器的神经网络参数；第一生成器、第二生成器和第三生成器分别依据各自的数据增强方式在神经网络模型中进行数据增强；计算出第一生成器、第二生成器和第三生成器在神经网络模型中的重要性权值；根据第一生成器、第二生成器和第三生成器的重要性权值，设置神经网络模型的目标函数；进行神经网络模型参数的训练；判断训练的迭代次数超过给定阈值；是，则终止训练；否，则重新选择子训练集进行训练。本发明提升了种小样本条件下神经网络模型的分类任务性能。
-
Patent Agency Ranking
公开(公告)号：CN117332923A
公开(公告)日：2024-01-02
申请号：CN202311298194.3
申请日：2023-10-09
Applicant: 北京京航计算通讯研究所
IPC: G06Q10/063 , G06Q50/26 , G06F18/27 , G06F18/2135 , G06F30/27
Abstract: 本发明涉及一种网状指标体系的赋权方法及系统，属于数据处理技术领域，解决了现有技术中无法对非线性耦合指标客观赋权的问题。包括：构建网状指标体系；通过作战仿真采集样本数据，根据每条样本数据计算出网状指标体系中末级的各项指标值，构建初始指标矩阵；利用主成分分析法获取初始指标矩阵降维后的字典指标矩阵；利用Lasso算法得到回归系数矩阵，归一化后作为指标权重矩阵；计算指标权重矩阵中每个指标的平均权重，当平均权重的标准差小于1，则根据平均权重更新初始指标矩阵，再次利用主成分分析法和Lasso算法得到新的平均权重，当平均权重的标准差大于1，停止迭代，最后的平均权重即为指标权重。实现了网状指标体系的客观赋权。
-
公开(公告)号：CN112417447B
公开(公告)日：2021-07-20
申请号：CN202011256849.7
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种恶意代码分类结果的精确度验证方法及装置，属于信息安全技术领域，解决了现有的恶意代码分类方法耗费时间和资源且效率较低的问题。方法包括：获取包含恶意代码的原始文件，并基于原始文件建立样本数据集；构建深度学习网络模型，并基于样本数据集对深度学习网络模型进行训练，得到深度学习网络模型的最优网络结构；基于深度学习网络模型的最优网络结构对待预测原始文件中的恶意代码进行分类，得到恶意代码的分类结果，并验证恶意代码分类结果的精确度，实现了恶意代码的分类和对分类结果的精确度验证，提高了恶意代码的分类效率及可靠性。
-
公开(公告)号：CN112418289A
公开(公告)日：2021-02-26
申请号：CN202011286164.7
申请日：2020-11-17
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种不完全标注数据的多标签分类处理方法及装置，属于数据分类技术领域，解决了现有的多标签分类方法对具有数据重合标签分类的实用性较低的问题。方法包括：获取训练数据集；基于训练数据集对神经网络进行参数训练，得到训练好的神经网络；对训练好的神经网络中间层的输出进行预处理，得到神经网络的最优网络结构；将待分类的不完全标注数据输入神经网络的最优网络结构，得到待分类的不完全标注数据对应的所有标签类别向量。实现了不完全标注数据的多标签分类，提高了数据标签分类的精确度，具有较高的实用性。
-
公开(公告)号：CN111126794A
公开(公告)日：2020-05-08
申请号：CN201911240412.1
申请日：2019-12-06
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于车辆缺陷等级评估技术领域，具体涉及一种基于小样本的数据增强及神经网络对抗训练系统。本发明改进了基于生成模型数据增强的车辆损伤和缺陷等级神经网络评估模型小样本条件优化方案。基于传统生成模型数据增强方法与神经网络评估模型结构的相容性不足，因此增强数据对神经网络评估模型的性能优化作用有限。本发明提出结合神经网络评估模型结构特征的数据增强方法和神经网络评估模型基于增强数据的对抗训练系统，解决神经网络评估模型在小样本条件下模型结构性能退化的问题，提升了神经网络评估模型的性能。
-
公开(公告)号：CN111126458A
公开(公告)日：2020-05-08
申请号：CN201911240414.0
申请日：2019-12-06
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于车辆缺陷等级评估技术领域，具体涉及一种基于小样本的数据增强及神经网络对抗训练方法。本发明改进了基于生成模型数据增强的车辆损伤和缺陷等级神经网络评估模型小样本条件优化方法。基于传统生成模型数据增强方法与神经网络评估模型结构的相容性不足，因此增强数据对神经网络评估模型的性能优化作用有限。本发明提出结合神经网络评估模型结构特征的数据增强方法和神经网络评估模型基于增强数据的对抗训练方法，解决神经网络评估模型在小样本条件下模型结构性能退化的问题，提升了神经网络评估模型的性能。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.036 seconds)
