-
公开(公告)号：CN119789486B
公开(公告)日：2025-05-23
申请号：CN202510281431.8
申请日：2025-03-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种N型横向器件及制备方法，该器件在传统横向双扩散金属氧化物半导体基础上，增设另一组栅极与电流通路，通过下多晶硅栅与上多晶硅栅协同控制，形成两条并联的源漏电流通路；同时在N—硅层內嵌入一个浮置P型硅层，在相同击穿电压下，可以提高N—硅层的掺杂浓度，从而进一步降低器件的导通电阻。制备方法中利用Si‑SiO₂键合、离子注入、等离子刻蚀、原子层淀积及热氧化层生长等工艺方法制备器件，其制备工艺兼容标准CMOS工艺。在相同芯片面积下，本发明器件的电流密度提升至传统LDMOS的两倍以上；同时下层二氧化硅的设计，易于实现器件之间的完全隔离，提高器件的高温稳定性与抗辐照能力。
-
公开(公告)号：CN119623515B
公开(公告)日：2025-05-23
申请号：CN202510170315.9
申请日：2025-02-17
Applicant: 南京信息工程大学
IPC: G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/086 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/23 , G06F18/21
Abstract: 本发明提供了一种基于相似性代理辅助的演化神经架构搜索方法和系统，所述方法包括：步骤1，初始化一个架构种群，选择性能最佳的架构作为初始基准架构；步骤2，构建一种图神经网络变体作为特征提取器；步骤3，构建代理模型，通过联合损失函数训练代理模型；步骤4，根据适应度值保留高潜力架构，并对高潜力架构进行真实性能评估，将评估结果加入训练集；将当前种群与代理模型预测筛选出的高性能架构合并，通过环境选择策略更新种群；步骤5，重复步骤3和步骤4直至种群性能收敛，最终输出全局最优架构。本发明能够在有限的计算资源下快速搜索到高性能的神经网络架构，为神经网络的自动化设计与优化提供了一种高效、智能的新型解决方案。
-
公开(公告)号：CN114926704B
公开(公告)日：2025-05-23
申请号：CN202210449818.6
申请日：2022-04-26
Applicant: 南京信息工程大学
IPC: G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0895
Abstract: 本发明涉及计算机技术领域，具体是一种基于深度学习的目标检测方法，使用目标嵌入的方法，将检测出的原始图像候选框的目标称为原始图像，和重构图像组合到一起，成为组合目标集；将训练集中检测iou低于0.2的失败图像作为扩展图像，使用组合目标集的图像替换系统中扩展图像中的部分组合为一个新的图像，获得一个更大的数据集，当原始数据集较小时会变的非常有效；由于神经网络对于这些已经检测成功的图像更敏感，将目标外的区域进行多次替换，使得模型进行目标检测时能够对目标候选框的区域定位更精准，对候选框的边界区分更分明，加强了定位能力；本发明只采用iou值大于0.5的锚框，并进行非最大值抑制，使得空间定位能力更强。
-
公开(公告)号：CN119203065B
公开(公告)日：2025-05-20
申请号：CN202411708204.0
申请日：2024-11-27
IPC: G06F18/27 , G06F18/2411 , G06F18/243 , G06F18/214 , G01N33/24
Abstract: 本发明公开了一种基于CYGNSS卫星资料的中国区域土壤湿度遥感反演方法，步骤如下：S1，对收集的实测土壤湿度、延迟‑多普勒图、归一化植被指数和土地覆盖类型进行预处理；通过时空匹配，获取所有数据相匹配的建模样本；S2，以土壤湿度为目标变量，选取CYGNSS后沿斜率、入射角、地面高程、地表粗糙度和植被光学厚度作为特征变量，构建土壤湿度遥感模型；将建模样本分为训练集和测试集，并对土壤湿度遥感模型进行训练，保存最佳的土壤湿度遥感模型；S3，根据最佳的土壤湿度遥感模型，从CYGNSS后沿斜率及其相关的辅助数据中反演出每天的土壤湿度数据。本发明提高了星载GNSS‑R技术遥感监测土壤湿度的精度。
-
公开(公告)号：CN120012028A
公开(公告)日：2025-05-16
申请号：CN202510491472.X
申请日：2025-04-18
Applicant: 南京信息工程大学
IPC: G06F18/25 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明公开了基于多源数据融合的卫星XCO2预测方法和系统，属于大气环境监测与遥感数据处理技术领域，用于解决现有卫星XCO2数据因云层遮挡、传感器误差等原因导致的时空不连续问题。通过整合多源卫星遥感数据及人为活动数据，构建时空耦合的深度学习模型，实现高精度XCO2缺失值填补与未来时间序列预测。最终，本发明突破了传统碳排放清单法的滞后性限制，可支持碳排放动态反演的实时监测需求且为环境监测、碳排放评估及政策制定提供支持。
-
Patent Agency Ranking
公开(公告)号：CN120011877A
公开(公告)日：2025-05-16
申请号：CN202510058406.3
申请日：2025-01-14
Applicant: 南京信息工程大学
IPC: G06F18/241 , A61B5/318 , A61B5/00 , G06F18/10 , G06N5/045 , G06N3/084 , G06F123/02
Abstract: 本发明涉及一种改进的多标记心电图分类及其可解释性方法，现有技术中基于深度网络的多标记心电图分类方法大多关注标记相关性或改造神经网络，而忽略了多标记学习中的本质问题，即天然存在的正负标记不平衡。本发明旨在解决该问题，由此提出了一种新颖的策略，即每次仅选择一对标记进行优化，使得正负标记在训练时维持平衡。该方法包括：首先，将原始心电信号重采样至500Hz，对原始信号进行归一化和清洗工作，并将其分隔成固定大小的时间窗作为神经网络的输入；其次，使用本发明新提出的损失函数进行模型训练，即每次仅选择一对标记并最大化它们的间隔，使得正负标记在训练时维持平衡；然后，通过采用时域显著性缩放方法对多标记心电图的疾病进行可视化展示，以辅助定位并解释不同的疾病；最后在测试验证阶段按照训练集和测试集以8：2的比例，将多标记不平衡测试数据输入到已训练完毕的模型中进行多标记心电图的异常分类。
-
公开(公告)号：CN120010495A
公开(公告)日：2025-05-16
申请号：CN202510466417.5
申请日：2025-04-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度确定性梯度策略的月球车路径规划方法，通过将距离奖励、瞬时进展奖励、瞬时航向奖励和运动平滑性奖励，构建动态多维度奖励函数机制，通过地形特征动态调节权重系数，实现多目标自适应协同；通过在不同风险地形中动态调整步长，提升月球车在不同地形下的避障精度和自主探索能力；通过动态多维度奖励函数、轻量化网络结构及自适应调整步长策略的多层次自适应机制，避免局部最优，提升路径连续性，完成月球车自主决策探测任务，实现路径规划效率与运动安全性的双重提升，解决传统强化学习在复杂月面环境中存在的收敛速度慢、路径震荡频繁、地形适应性差及模型部署效率低等核心问题，降低模型复杂度和减少对地图的依赖。
-
公开(公告)号：CN120009192A
公开(公告)日：2025-05-16
申请号：CN202510505651.4
申请日：2025-04-22
Applicant: 南京信息工程大学
IPC: G01N21/01 , G01N21/359 , G01N21/3577
Abstract: 本发明提供了一种宽谱多频点无损药液检测装置，包括多路可调制激光模块、光纤耦合器模块、MEMS‑SPI光谱传感器模块、锁相放大器模块和主控处理模块；多路可调制激光模块用于发射的不同波长调制的近红外光信号；光纤耦合器模块与多路可调制激光模块连接，用于对多路可调制激光模块发射的不同波长调制的近红外光信号进行合束处理；光纤耦合器模块上连接有待测药液夹具；本发明对多个近红外波段的光源闪烁频率进行调整，通过波长匹配分子共价键，频率匹配分子质量的方式对进行药液同一时间的宽谱多频点无损检测。
-
公开(公告)号：CN120004214A
公开(公告)日：2025-05-16
申请号：CN202411963094.2
申请日：2024-12-30
Applicant: 南通氢威能源有限公司 , 南京信息工程大学
Abstract: 本发明公开了一种制氢和固态储氢撬装系统，包括框架，箱体，电解水制氢装置，固态储氢系统，冷热一体机系统，控制系统；所述框架内安装有电解水制氢装置，固态储氢系统，冷热一体机系统和控制系统，所述电解水制氢装置通过冷热一体机系统与所述固态储氢系统连接，所述电解水制氢装置，固态储氢系统，冷热一体机系统均与所述控制系统连接。本发明的制氢和固态储氢撬装系统结构紧凑，操作简单，安全性高，同时实现了制氢和储氢一体功能，经济效益显著，同时采用了固态储氢实现常温低压储氢，安全环保，使得整体结构紧凑，运输方便。
-
公开(公告)号：CN119399314B
公开(公告)日：2025-05-16
申请号：CN202411977076.X
申请日：2024-12-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于遥感影像和深度学习超分算法的湿地精细化制图方法，首先，获取研究区高、低分辨率遥感影像，对其预处理后，将高分辨率湿地样本与低分辨率影像配对，得到高分辨率湿地数据集；其次，获取土地覆盖数据并提取湿地信息得到低分辨率湿地数据集；然后，将低、高分辨率湿地数据集输入基于卷积块注意力模块的卷积变换超分网络重建特征，并利用基于Scharr卷积和快速傅里叶卷积的U‑Net架构进行分割；接着，针对湿地制图任务，设计三种损失函数的加权损失函数，从图像细节、时序和图像一致性提高湿地制图精度；最后，经评估选最优模型用于湿地精细化制图，从而提升湿地精细化制图精度，为各领域的湿地研究提供有力支持。
-
-
-
-
-
-
-
-
-
Search Results
16477
records
(took 0.086 seconds)
