-
公开(公告)号：CN119987191A
公开(公告)日：2025-05-13
申请号：CN202510483297.X
申请日：2025-04-17
Applicant: 济南大学
IPC: G05B11/42
Abstract: 本发明公开了一种用于脑卒中电刺激治疗的闭环优化方法，属于PID控制优化技术领域，具体步骤为：步骤一、构建脑卒中电刺激控制模型；步骤二、改进雪橇犬优化算法，改进策略为：D1、使用一种融合Halton序列的混沌映射优化策略生成初始种群；D2、使用一种动态混合协同搜索策略改进避障阶段的数学模型；D3、使用一种精英莱维动态导航策略改进迷失方向阶段的数学模型；步骤三、利用改进雪橇犬优化算法整定脑卒中电刺激控制模型中PID控制器模块的参数，通过优化得到最佳的Kp、Ki、Kd参数；步骤四、将得到的最佳Kp、Ki、Kd参数，输入到脑卒中电刺激控制模型中，优化控制效果。
-
公开(公告)号：CN118552956B
公开(公告)日：2024-12-03
申请号：CN202411017290.0
申请日：2024-07-29
Applicant: 济南大学 , 山东青鸟工业互联网有限公司
IPC: G06V20/70 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/09
Abstract: 本发明提出了一种基于超分辨率Transformer的汽车零部件检测方法，涉及图像识别技术领域。本发明提出了车辆零部件检测流程，包括卷积层，注意力层和上采样卷积模块，注意力层包括Transformer模块，Transformer模块包括跨模态注意力模块和类别‑内容多头注意力模块，同时提出跨模态注意力CMA和类别‑内容多头注意力模块CCMSA，跨模态注意力CMA关注不同模态之间的关联，可以有效的融合来自不同模态的信息，类别‑内容多头注意力模块CCMSA能够利用相距较远但相似的token来增强输入特征，并在每个类别中进行关注，再进行内容分类，超越了局部窗口的限制。
-
公开(公告)号：CN118780986A
公开(公告)日：2024-10-15
申请号：CN202411266315.0
申请日：2024-09-11
Applicant: 济南大学 , 山东青鸟工业互联网有限公司
IPC: G06T3/4053 , G06T3/4046 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明提出了一种基于大核蒸馏网络的汽车零部件图像超分辨率方法，涉及计算机视觉领域，本发明提出的特征精馏块包括两个分支，每个分支可以单独获取重要的局部特征，提高模型对图像局部特征的获取；同时提出的双通道大卷积核分解块包括两个分支，每个分支分别将一个大卷积核分解成通道卷积、空间局部卷积和空间远程卷积三个部分，从而提高模型对图像全局特征的获取，并降低计算成本和参数数量；特征精馏块和双通道大卷积核分解块分别获取图像的局部特征和全局特征，增强特征的表达能力，提升汽车零部件图像超分辨率效果。
-
公开(公告)号：CN118552956A
公开(公告)日：2024-08-27
申请号：CN202411017290.0
申请日：2024-07-29
Applicant: 济南大学 , 山东青鸟工业互联网有限公司
IPC: G06V20/70 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/09
Abstract: 本发明提出了一种基于超分辨率Transformer的汽车零部件检测方法，涉及图像识别技术领域。本发明提出了车辆零部件检测流程，包括卷积层，注意力层和上采样卷积模块，注意力层包括Transformer模块，Transformer模块包括跨模态注意力模块和类别‑内容多头注意力模块，同时提出跨模态注意力CMA和类别‑内容多头注意力模块CCMSA，跨模态注意力CMA关注不同模态之间的关联，可以有效的融合来自不同模态的信息，类别‑内容多头注意力模块CCMSA能够利用相距较远但相似的token来增强输入特征，并在每个类别中进行关注，再进行内容分类，超越了局部窗口的限制。
-
公开(公告)号：CN118379514A
公开(公告)日：2024-07-23
申请号：CN202410825457.X
申请日：2024-06-25
Applicant: 济南大学
IPC: G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00
Abstract: 本发明提出了一种子宫内膜图像的癌变特征增强处理方法，属于图像增强技术领域，主要流程包括获取子宫内膜数据集，对数据集进行预处理操作，获得子宫内膜图像块数据集；细节优化提取模块通过集成卷积和注意力操作，同时捕获局部细节和全局上下文信息，提取多尺度特征；细节信息融合模块将不同阶段的多尺度特征图上采样到相同分辨率，并在这些特征图之间执行逐元素相加操作，从而融合深层和浅层特征；全切片图像分类模块通过自监督的学习方式实现对子宫内膜癌良恶性的分类。
-
Patent Agency Ranking
公开(公告)号：CN118170003B
公开(公告)日：2024-07-19
申请号：CN202410591579.7
申请日：2024-05-14
Applicant: 济南大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于改进角蜥蜴优化算法的PID参数优化方法，属于PID控制优化技术领域，具体步骤为：步骤一：构建PID控制器模型；步骤二：改进角蜥蜴优化算法，包括两处改进：D1、使用自适应惯性权重策略来改进角蜥蜴优化算法的喷血策略；D2、使用自适应步长策略来改进角蜥蜴优化算法的移动策略；步骤三：利用改进角蜥蜴优化算法对PID控制器参数整定优化，通过一定数量的迭代，得到优化后的PID控制器的Kp、Ki、Kd三个参数；步骤四：采用MATLAB和Simulink对PID控制系统进行仿真；改进角蜥蜴优化算法能够在规定的搜索范围内进行更好的寻优，提高了PID控制的适应能力和鲁棒性。
-
公开(公告)号：CN118196597A
公开(公告)日：2024-06-14
申请号：CN202410451603.7
申请日：2024-04-16
Applicant: 济南大学
IPC: G06V10/82 , G06V10/764 , G06V10/25 , G06N3/0455
Abstract: 本发明提供一种基于集中注意力的商品识别方法及系统，涉及计算机视觉领域。本发明根据图像多尺度特征图，通过前景目标token选择器来预测每个特征图的前景评分，再通过多类别分数预测器把得分较高的token确定为用于增强计算的token，将这些高分token分散回原始特征序列中，得到优化后的图像特征序列，提升了计算效率、节约了计算量，并为在高分辨率图片目标检测中权衡计算效率和模型精度提供先验知识。
-
公开(公告)号：CN117950311B
公开(公告)日：2024-06-11
申请号：CN202410353957.8
申请日：2024-03-27
Applicant: 济南大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于自适应的飞机刹车冷却风扇PID控制方法，属于PID控制优化技术领域，具体步骤为：步骤一、建立飞机刹车冷却风扇控制系统模型；步骤二、建立基础足球队训练算法的数学模型；步骤三、改进足球队优化算法，所述改进点包括：（1）引入混沌映射改进足球队训练算法个体初始化位置公式；（2）引入自适应参数w和c1，改进探索者的位置更新公式；（3）在算法迭代后期引入重启机制；步骤四、将改进算法迭代后得到的最佳个体的维度值传递给飞机刹车冷却风扇控制系统的速度PID控制器的参数；步骤五、运行飞机刹车冷却风扇控制系统模型，验证改进足球队训练算法的性能；进而提升飞机刹车冷却风扇控制系统的性能。
-
公开(公告)号：CN117950310B
公开(公告)日：2024-06-07
申请号：CN202410353854.1
申请日：2024-03-27
Applicant: 济南大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于可编程电载荷推肩训练器的控制方法，属于PID控制技术领域，具体包括以下步骤：步骤一：构建基于可编程电载荷推肩训练器的系统模型和PID控制系统模型；步骤二：构建改进高尔夫算法的模型，包括两部分：D1、算法的探索阶段融入随机扰动策略，通过对算法每次迭代的个体最优位置进行扰动，提高算法的局部搜索和全局搜索能力；D2、算法的开发阶段加入自适应动态算子w，加快算法的收敛速度；步骤三：利用改进高尔夫算法优化电流内环PID控制器和速度外环PID控制器，得到最佳的Kp、Ki、Kd控制参数；步骤四：控制系统应用优化后的控制参数实现电流和速度双闭环控制。
-
公开(公告)号：CN117993442A
公开(公告)日：2024-05-07
申请号：CN202410324239.8
申请日：2024-03-21
Applicant: 济南大学
IPC: G06N3/0464 , G06N3/0455 , G06V10/80 , G06V10/82
Abstract: 本发明提出了一种融合局部和全局信息的混合神经网络方法与系统，涉及计算机视觉领域。本发明设计局部大核卷积块(LLCB)和全局视觉Transformer块(GVTB)作为混合神经网络SUMMNet的主要构建块，LLCB引入大核卷积注意力(LKCA)来有效地捕获特征映射的局部特征；GVTB引入轻量级跨头自注意力(LCHSA)来增强注意力头部之间的交互，提取特征图的全局信息，并通过降低自注意K和V的维数来降低计算复杂度；LLCB和GVTB的协同使SUMMNet能够在不同的尺度上关注局部和全局信息，高效的进行图像处理。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.037 seconds)
