-
公开(公告)号：CN117495211B
公开(公告)日：2024-03-19
申请号：CN202410004935.0
申请日：2024-01-03
Applicant: 东北大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/10 , G06F18/214 , G06F18/21 , G06N3/0442
Abstract: 本发明公开一种基于自适应周期发现的工业母机加工工件质量预测方法，涉及时间序列预测及工业母机加工数据领域。获取样本数据集；对样本数据集进行数据清洗；进行SMOTE数据增强；将样本数据集按照设定比例随机划分为训练集、验证集和测试集；构建加工工件表面粗糙度预测模型；利用训练集对加工工件表面粗糙度预测模型进行训练；利用训练完成的加工工件表面粗糙度预测模型，得到加工工件表面粗糙度的预测值。本发明克服了异常数据较少和加工过程中的周期性时间特征难以学习等问题；通过快速傅里叶变换自适应的学习数据的周期信息，并通过多尺度卷积模块和长短时记忆模块学习数据间的依赖关系，得到更为精确的加工工件表面粗糙度预测值。
-
公开(公告)号：CN117390568B
公开(公告)日：2024-03-01
申请号：CN202311684815.1
申请日：2023-12-11
Applicant: 东北大学
IPC: G06F18/2433 , G01L5/00 , G06F18/214 , G06N3/045 , G06N3/088
Abstract: 本发明公开一种基于增强Transformer模型的芯片封装丝网印刷机的异常检测方法，涉及基于时序深度学习的工业数据异常检测领域。获取印刷机传感器数据集；对印刷机传感器数据集进行预处理及数据集划分；构建频域注意力机制模块；构建双阶段Transformer异常检测模型；使用训练集对双阶段Transformer异常检测模型进行训练，得到训练完成的双阶段Transformer异常检测模型；利用双阶段Transformer异常检测模型对验证集进行检测，得到压力异常检测结果。本发明利用二阶段Transformer和频域注意力机制能够准确而全面地检测异常，提高了检测性能；通过二阶段检测和频域信息的综合利用，能够更准确地识别轻微异常，降低了误报率；无需大量标记数据，可以无监督地进行异常检测，节省了人力和时间成本。
-
公开(公告)号：CN117518997A
公开(公告)日：2024-02-06
申请号：CN202410008509.4
申请日：2024-01-04
Applicant: 东北大学
IPC: G05B19/4103
Abstract: 本发明设计一种飞机发动机自动装配路径规划方法，属于发动机安装路径规划技术领域；首先对机舱和发动机以及固定在发动机前端的摄像机进行全局坐标系的建立，并构建转换关系进行转换；然后基于此生成发动机安装离线轨迹，最后对生成的离线轨迹进行修正，完成飞机发动机自动装配路径规划；本发明可以显著提高发动机的装配效率，减少人力投入，降低生产成本；同时，通过精确的控制和操作，可以提高装配精度，从而提升发动机的质量利用；此外，还实现比传统手工装配更加复杂和高级的装配行为，从而提高发动机整体制造水平。
-
公开(公告)号：CN112418563B
公开(公告)日：2024-02-02
申请号：CN202011472412.7
申请日：2020-12-15
Applicant: 东北大学
IPC: G06Q10/047 , G06F18/2323 , G06F18/214 , G06F18/2453
Abstract: 一种基于图聚类及迭代局部搜索的行程规划方法，属于行程规划领域，本发明方法在旅行行程规划任务前进行了图聚类，通过图聚类方法将所有景点的位置信息、以及相似度信息构建图，融合了每个节点的位置以及相似度信息，降低迭代局部搜索算法的复杂度和计算时间，并且相比于普通k‑means聚类算法图聚类更能够使得聚类效果更优，提高了行程规划的准确性。通过迭代局部搜索算法，当遇到高POI点在POI点稀疏图的簇中时，可以避免困在该簇的情况发生，这样可以实现行程规划功能，提高了行程规划的鲁棒性以及准确性。
-
公开(公告)号：CN109800736B
公开(公告)日：2023-07-21
申请号：CN201910104050.7
申请日：2019-02-01
Applicant: 东北大学
IPC: G06V20/10 , G06V10/44 , G06V10/764 , G06V10/26 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种基于遥感影像和深度学习的道路提取方法，步骤为：在遥感影像中，确定遥感影像的分辨率并截取，对截取遥感影像进行数据标注；使用Canny边缘检测算法对截取的遥感像对图像边缘进行提取，将提取得到的图像与原图像叠加，突出道路特征；搭建图像分类模型，在对基础的网络进行分类任务的训练中，留下低级的图像特征信息，并在特征提取模型构建的流程中，传递给下一级语义分割模型；搭建语义分割模型，用于在遥感影像中分割出道路信息；训练后，提取道路信息的网络参数将留存在分割模型中。本发明通过对图像进行预处理，突出道路特征，用以加速学习，加速语义分割模型的训练，可以实现提取遥感影像道路信息的效果。
-
Patent Agency Ranking
公开(公告)号：CN116030256A
公开(公告)日：2023-04-28
申请号：CN202310115649.7
申请日：2023-02-14
Applicant: 东北大学
IPC: G06V10/26 , G06V10/40 , G06V10/80 , G06V10/82 , G06V20/40 , G06V10/774 , G06V10/766 , G06T3/40 , G06V10/764 , G06N3/0464 , G06N3/0985 , G06N3/048 , G06N3/045 , G06N3/084
Abstract: 本申请属于计算机技术领域，具体涉及一种小目标分割方法、小目标分割系统、设备和介质，其中的小目标分割方法包括：S1、获取待分割图像；S2、将所述待分割图像输入到预先训练好的小目标分割模型中，得到相应的小目标分割结果；其中，所述小目标分割模型包括用于提取多尺度特征图的骨干网络模块、用于对多尺度特征图加权后进行特征融合的特征融合模块、用于基于融合后的特征图进行小目标分割的头模块。本申请的小目标分割方法在两阶段图像分割的算法基础上，对算法模型进行自适应性的提高，能够针对不同的输入图片产生不同的权重参数来辅助分割任务，从而提高小目标分割任务的分割精度，提高了小目标分割的效果。
-
公开(公告)号：CN116011520A
公开(公告)日：2023-04-25
申请号：CN202310059697.9
申请日：2023-01-16
Applicant: 东北大学
IPC: G06N3/0464 , G06N3/096 , G06N20/00 , G06F18/214 , G06F18/21
Abstract: 本发明设计一种云边端协同系统中轻量化模型的自动生成方法，属于自动机器学习领域；首先构建超网模型并对其进行选择，对得到的超网模型进行训练、评估与参数更新；在完成超网训练后，根据超网中的权重对子网选择和训练；最后通过优化超网模型提升生成过程的精度；在模型搜索上，本发明通过引入温度因子这一搜索策略优化，可以用更短的搜索时长完成相同的模型搜索任务；同时在子模型选择的过程中，不同的边、子操作等不会出现权重接近的情况，使结果模型更加可信和可靠。
-
公开(公告)号：CN112325897B
公开(公告)日：2022-08-16
申请号：CN202011304737.4
申请日：2020-11-19
Applicant: 东北大学
IPC: G01C21/34
Abstract: 本发明公开一种基于启发式深度强化学习的路径规划方法，属于路径规划技术领域。该方法包括：使用栅格化方法对地图环境进行建模；对环境进行特征提取，建立价值地图；利用Actor Critic强化学习算法进行训练；采用经典启发式算法A*作为强化学习的启发式函数，建立启发式信息；设计注意力机制平衡特征提取模块和启发式模块的权重；使用分层强化学习进行任务划分。本发明的优点为：收敛速度快、稳定性强；路径规划效果更为准确；适应复杂的未知环境；将模块封装成强化学习系统便于算法调用与改进。
-
公开(公告)号：CN112652167B
公开(公告)日：2022-03-25
申请号：CN202011472425.4
申请日：2020-12-15
Applicant: 东北大学
Abstract: 一种基于多图卷积神经网络的交通速度预测方法，按以下步骤依次进行：1、获取传感器在交通路网中的部署位置，并匹配到真实的交通路网当中；2、将每个传感器位置视为一个节点，计算任意两个节点之间的距离，与设定的阈值做比较，构建交通结构图，用邻接矩阵表示；3、获取传感器对应的路段的交通速度时间序列数据；4、根据速度时间序列数据计算不同路段的交通速度相似性，得到相应的相似性分数，与设定的阈值做比较，构建交通相似性图，用邻接矩阵表示；5、将交通速度时间序列数据、及上述两个邻接矩阵输入到多图卷积神经网络中进行训练，得到未来每个传感器上交通速度的预测结果。
-
公开(公告)号：CN108717712B
公开(公告)日：2021-09-03
申请号：CN201810532344.5
申请日：2018-05-29
Applicant: 东北大学
Abstract: 本发明涉及一种基于地平面假设的视觉惯导SLAM方法，从图像中提取特征点进行IMU预积分，建立相机投影模型，并进行相机内参标定、IMU和相机之间的外参标定；系统初始化，将视觉观测到的点云和相机位姿对齐到IMU预积分上，恢复地面方程和相机位姿；对地面初始化得到地面方程，确定当前相机位姿下的地面方程，并反投影到图像坐标系上，获取更加准确的地面区域；基于状态估计，推导出各传感器观测模型，将相机观测、IMU观测和地面特征观测融合在一起做状态估计，使用图优化模型来做状态估计，使用稀疏图优化和梯度下降法来实现整个优化。本发明相较之前的算法有较大的精度上的提升，可在全局限制相机位姿的估计，使得准确度大大提升。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.025 seconds)
