-
公开(公告)号：CN116309078A
公开(公告)日：2023-06-23
申请号：CN202310469266.X
申请日：2023-04-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于多角度知识蒸馏的单幅图像超分辨率方法，该方法包括如下步骤：预处理数据集；利用数据集训练好教师网络，并得到教师超分辨率图像；往学生网络中输入低分辨率图像得到学生超分辨率图像；从通道间和通道内两个角度分别提取教师网络和学生网络的知识；计算学生超分辨率图像和真实高分辨率图像之间的像素L1损失、学生超分辨率图像和教师超分辨率图像之间的像素L1损失，以及教师网络和学生网络提取到的知识之间的L1损失，通过反向传播更新参数得到最终的学生网络；将低分辨率图像输入到最终的学生网络，重建出高分辨率图像。本发明可以更高效地从教师网络中提取知识，进一步提升学生网络的性能，重建出更清晰的图像。
-
公开(公告)号：CN113327651A
公开(公告)日：2021-08-31
申请号：CN202110597729.1
申请日：2021-05-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于变分自编码器和消息传递神经网络的分子图生成方法，以进行分子生成和分子目标特性优化；本发明采用了消息传递神经网络构建到变分自编码器的编码器和解码器中，进一步减少了训练过程的运行时间和占用内存；另外，通过构造变分自编码器的潜在空间，以允许优化分子性质；在QM9化学数据库上的分子生成实验中，该模型能够生成100％有效的化合物，并且新颖率和唯一率也很高；在QM9化学数据库上的目标优化实验中，能够进一步优化目标特性。
-
公开(公告)号：CN113052263A
公开(公告)日：2021-06-29
申请号：CN202110441901.4
申请日：2021-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于流形学习和高阶图神经网络的小样本图像分类方法，主要解决当前小样本学习方法在未知类别的图像分类任务上泛化性能差的问题。其主要分类过程是：首先利用卷积神经网络对输入图像进行特征提取，其次构建一个嵌入传播网络，将特征提取得到的图像特征映射到一组插值的特征嵌入，然后利用特征嵌入计算高阶结构信息，之后特征传播网络对图像特征进行处理，包括节点特征和边特征的更新，归一化，逐层计算流形损失，最后输出未标记样本的标签，并且通过反向传播对模型进行约束。本发明方法为小样本图像分类提供了一个新思路，通过构造嵌入传播网络和利用高阶信息，缓解了分布偏移问题，提高了模型的泛化性能和分类性能。
-
公开(公告)号：CN106961402B
公开(公告)日：2020-02-07
申请号：CN201710202878.7
申请日：2017-03-30
Applicant: 东南大学
IPC: H04L25/03
Abstract: 本发明提出了一种基于仿射投影自适应滤波的I/Q不平衡抵消算法，是一种不需要训练序列的盲抵消算法。整个抵消过程被建模成自适应滤波的形式，以宽线性模型作为抵消滤波器的滤波结构原型，以还原受到I/Q不平衡干扰信号的“适中性”为目的，基于仿射投影自适应的原理，推导得到滤波器的自适应过程，即滤波器抽头权值的更新迭代规则。此外结合I/Q不平衡的实际情境做一些改进，使算法可以应用于工程实际。最终可以得到该抵消算法运行的整体流程。由计算机仿真结果可以验证该算法可以有效抵消I/Q不平衡对信号的影响，同时该算法与传统抵消算法相比具有更快的收敛速率和更稳定的MSE性能。
-
公开(公告)号：CN108173259B
公开(公告)日：2019-12-10
申请号：CN201711389872.1
申请日：2017-12-21
Applicant: 东南大学
IPC: H02J3/00
Abstract: 本发明公开了一种基于单位约束最小均方误差的正弦频率估计方法，包括：(1)对被检测信号进行时域采样，得到离散时间信号x(n)；其中，采样点的数量为N，采样频率大于或等于奈奎斯特采样频率；(2)将采样后的离散时间信号x(n)通过延时得到x(n‑1)，x(n‑2)和x(n‑3)；(3)建立单位约束最小均方误差的目标函数：(4)求解步骤(3)中的目标函数，得到频率估计值本发明在低频段估计性能更好。
-
Patent Agency Ranking
公开(公告)号：CN110287446A
公开(公告)日：2019-09-27
申请号：CN201910456986.6
申请日：2019-05-29
Applicant: 东南大学
Abstract: 本发明公开了一种快速二维多元经验模态分解算法，将多个二维信号组成为一个二维多元信号，每个二维信号是这个二维多元信号的一个通道，作为FBMEMD的输入信号；经过若干方向的实值投影，输入二维多元信号转换为多个二维一元信号，称为该方向的投影信号；对于每个方向的投影信号，通过极大值顺序统计滤波器和极小值顺序统计滤波器初步估计极大值和极小值包络，经平滑滤波器后得该方向的极大值包络和极小值包络；平均各个方向的极大值包络和极小值包络，得到最终的均值包络，输入信号减去均值包络，分解出一个固有模式函数；将(4)中所述的均值包络作为输入信号，重复过程(2)～(4)可分解出所有的IMF。本发明应用于二维多元信号的处理和分析。
-
公开(公告)号：CN110190919A
公开(公告)日：2019-08-30
申请号：CN201910426554.0
申请日：2019-05-22
Applicant: 东南大学
IPC: H04B17/382 , H04L12/24 , H04W84/18
Abstract: 本发明公开了一种多射频多信道无线Mesh网络中的信道分配方法，该方法基于最小加权链路干扰建立了一个整数线性规划模型，不仅考虑最小化网络干扰，也考虑了网络负载流量，同时还尽可能保证网络连通性。通过引入节点优先级和链路负载权重，将网络中的节点按照离网关节点的最小跳数划分等级，并根据链路负载权重确定分配顺序。采用贪婪启发式算法求解模型，使用遍历的方法实现网络的循环信道分配，得到最优信道分配方案，非常简单且易于实现，具有很好的应用前景。
-
公开(公告)号：CN110148083A
公开(公告)日：2019-08-20
申请号：CN201910412600.1
申请日：2019-05-17
Applicant: 东南大学
Abstract: 基于快速BEMD和深度学习的图像融合方法，属于图像处理技术领域。本发明使用快速BEMD对待融合图像进行多尺度分解得到频率从高到低的二维经验模态分解分量(Bidimensional Empirical Mode Component,BEMC)，对各分量分别进行融合，最后经过BEMD重构可获取融合结果图。利用深度学习可提取图像特征的特点，设计了一种基于深度学习的图像融合规则。实验表明基于该融合方法的融合结果图具有最佳的视觉效果，满足人眼的视觉感知。
-
公开(公告)号：CN110136086A
公开(公告)日：2019-08-16
申请号：CN201910414811.9
申请日：2019-05-17
Applicant: 东南大学
IPC: G06T5/00
Abstract: 本发明基于BEMD的区间阈值图像去噪方法，是一种基于二维经验模式分解的区间阈值图像去噪算法。该方法利用图像的自相似性对待去噪图像进行边界延拓，有效抑制了BEMD算法存在的端部效应，使用BEMD算法对延拓图像进行多尺度分解得到一系列二维固有模态函数。接着对噪声占主要成分的BIMF分量进行区间阈值去噪，最后将各阶BIMF分量相加重构达到去噪的目的。实验表明，本发明方法的去噪效果优于现有BEMD去噪算法，与传统去噪算法相比也具有优势。
-
公开(公告)号：CN110119805A
公开(公告)日：2019-08-13
申请号：CN201910387770.9
申请日：2019-05-10
Applicant: 东南大学
Abstract: 本发明提供基于回声状态网络分类的卷积神经网络算法，主要包括:用ESN代替CNN模型中的全连接层，并推导出了新的残差迭代公式，在此基础上该模型继续沿用CNN的反向传播算法训练CNN的隐藏层参数，以及使用线性回归法则训练ESN的输出权重。通过在MNIST手写数字识别数据集、Fashion MNIST物体识别数据集和ORL人脸识别数据集上的仿真实验证明了本发明的可行性，同时实验结果反映出该模型既保留了CNN多层次特征提取的能力，又通过引入ESN模块减少了算法的训练时间以及提升了其在小样本数据集上的性能。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.022 seconds)
