-
公开(公告)号：CN119227759A
公开(公告)日：2024-12-31
申请号：CN202411286581.X
申请日：2024-09-13
Applicant: 北京理工大学
IPC: G06N3/063 , G06N3/0464
Abstract: 本发明属于神经网络加速设计技术领域，提出了一种三维循环展开的通用神经网络计算单元。所述计算单元包括中控模块、一级缓冲区、一级缓冲区控制器、零级缓冲区、零级缓冲区控制器和核心计算单元；一级缓冲区，包括输入数据一级缓冲区、权重数据一级缓冲区、量化权重数据缓冲区、部分和数据缓冲区和输出数据缓冲区；零级缓冲区，包括输入零级数据缓冲区和权重数据零级缓冲区；零级缓冲区控制器，包括输入及权重数据零级读写控制模块；一级缓冲区读写控制器的输入及权重数据一级读写控制模块经过输入及权重数据零级缓冲区分别与输入及权重数据零级读写控制模块相连再连入核心计算单元。所述计算单元同时在三循环维度上做并行计算，提高了计算速度。
-
公开(公告)号：CN111479233B
公开(公告)日：2024-11-15
申请号：CN202010178819.2
申请日：2020-03-15
Applicant: 北京理工大学
IPC: H04W4/38 , H04W4/30 , H04W4/02 , H04W4/40 , H04W4/44 , H04W4/46 , H04W84/18 , H04M1/72406 , G08C17/02 , E21F17/18 , G01S5/06 , G01D21/02
Abstract: 本发明涉及一种基于UWB技术的矿井无人车探测及位置反馈系统，属于无线通信、探测与定位技术领域。无人车系统包括无人车模块、单参考点定位基站模块、固定节点模块及终端模块；无人车模块采集环境信息，并与所在区域内的单参考点定位基站模块进行无线通信得到位置信息，最终将环境信息和位置信息以无线信号的形式传出；矿井壁上的固定节点检测矿井壁的压力，并将传来的无线信号传输至用户终端；用户收到矿井内部环境及位置信息后，从建立的路由发送指令，控制无人车系统中各个模块。所述系统能实现自动化和远程操控，只需一个单参考点定位基站模块即可对无人车进行定位，无需装配无线通信基站，降低了部署难度且能对各个模块进行定向控制。
-
公开(公告)号：CN114154630B
公开(公告)日：2024-10-29
申请号：CN202111393465.4
申请日：2021-11-23
Applicant: 北京理工大学
IPC: G06N3/063 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种量化MobileNet的硬件加速器及其应用方法，属于硬件加速及计算机视觉技术领域。包括顶层控制模块、存储器控制模块、逐点卷积模块、逐通道卷积模块及后处理模块；顶层控制模块与存储器控制模块、逐点卷积模块、逐通道卷积模块及后处理模块相连；存储器控制模块与逐点卷积模块、逐通道卷积模块及后处理模块相连。所述方法将输入数据与权重放入不同大小缓存，通过并行数可变的深度可分离卷积降低硬件使用并获得卷积结果，再通过后处理完成池化、跨层连接与地址生成，使得数据在连续地址上排布。所述方法解决了MobileNet缓存利用率低的问题、降低了耗时与资源消耗。
-
公开(公告)号：CN113850274B
公开(公告)日：2024-07-26
申请号：CN202111084915.1
申请日：2021-09-16
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/50 , G06V10/56 , G06V10/42 , G06V10/82
Abstract: 本发明涉及一种基于HOG特征及DMD的图像分类方法，属于图像分类技术领域。所述图像分类方法，包括对图像进行基于颜色的动态模式分解得到的显著色彩矩阵提取HOG特征，得到提取特征后的同类图片，之后将同类图片进行模型训练，得到新的权重向量和分离距离，最后对于待分类的图片进行分类。所述方法对于小样本图像、单一样本图像的识别准确率高；对具有复杂背景的图像识别准确率高；算法时间复杂度和空间复杂度低；所述方法避免神经网络结果选择问题和局部最小值问题；算法对于高维、非线性分类问题具有很好的泛化性。
-
公开(公告)号：CN113850273B
公开(公告)日：2024-07-26
申请号：CN202111084757.X
申请日：2021-09-16
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/56 , G06V10/42
Abstract: 本发明涉及一种基于DMD及随机傅里叶特征变换的图像分类方法，属于图像分类技术领域。所述方法，包括：步骤1、对训练图片进行基于颜色的动态模式分解，得到训练图片显著色彩矩阵；步骤2、基于步骤1得到的显著色彩矩阵作为DMD特征，得到提取特征后的同类图片，并基于同类图片构建特征训练集X；步骤3、对特征训练集X中的同类图片特征进行训练，得到训练好的分类模型参数；步骤4、对于待分类图片进行分类。所述方法对于小样本图像、单一样本图像的识别准确率高；对于具有复杂背景的图像识别准确率高，且时间复杂度和空间复杂度低；避免神经网络结果选择和局部最小值问题；对高维、非线性分类问题具有很好的泛化性。
-
Patent Agency Ranking
公开(公告)号：CN114201987B
公开(公告)日：2024-07-09
申请号：CN202111318774.5
申请日：2021-11-09
Applicant: 北京理工大学
IPC: G06F18/213 , G06F18/24 , G06F18/214 , G06N3/0464
Abstract: 本发明涉及一种基于自适应识别网络的有源干扰识别方法，属于有源干扰识别技术领域。所述方法包括：1)利用时频变换构建有源干扰信号模拟数据集；2)划分有源干扰信号模拟数据集得到样本集、查询集、支持集和测试集；3)搭建输入为样本对，输出关系分数的AJSARNet；4)对AJSARNet进行初始化；5)基于样本集和查询集对4)初始化后的AJSARNet进行训练，得到训练好的AJSARNet；6)基于支持集和测试集对训练好的AJSARNet进行测试，得到性能测试结果。所述方法提高了鲁棒性或泛化能力，AJS识别精度和效率。
-
公开(公告)号：CN114760646B
公开(公告)日：2024-06-18
申请号：CN202210405623.1
申请日：2022-04-18
Applicant: 北京理工大学 , 中国电子科技集团公司第五十四研究所
IPC: H04W24/02 , H04W24/06 , H04W28/084
Abstract: 本发明属于链路选择及通信数据传输技术领域，涉及一种基于多层聚合上下文MAB的链路决策方法。所述方法包括：S1、收集通信资源块与地面节点的链路信息并进行编码、整合及归一化得到特征向量，构建虚拟通信链路集合；S2、构建链路组合上下文特征向量再聚合得到簇中心及空地节点链路组合簇；通过上下文‑MAB模型估计预期收益，得到空地节点最优链路组合；S3、通过多用户贪心算法模型，为空地节点最优链路组合选择最佳通信参数组合；通过识别最优链路组合所属空地节点链路组合簇减少手臂数，转至S1进行下一轮决策。所述方法使复杂度降低、决策收益提升、学习效率与收敛速度提高。
-
公开(公告)号：CN114283065B
公开(公告)日：2024-06-11
申请号：CN202111618882.4
申请日：2021-12-28
Applicant: 北京理工大学
IPC: G06T3/4038 , G06T1/20 , G06T7/33
Abstract: 本发明涉及一种基于硬件加速的ORB特征点匹配系统及匹配方法，属于硬件加速以及同时定位与建图以及图像拼接技术领域。所述系统包含摄像头模块、PS端和PL端；PS端包括图像存储模块、方向向量计算模块以及位姿计算模块；PL端包括FAST算法执行模块、地址计算模块、旋转不变性描述子及签名计算模块、汉明距离计算模块、旋转不变性描述子存储单元、签名存储单元、匹配结果存储单元；摄像头模块连接PS端，PS端和PL端相连，所述方法对特征点环境像素进行低复杂度降维，构建低位宽的签名值，在匹配时对待匹配的特征点进行粗筛选得到粗筛后的特征点，再计算及比较特征点BRIEF描述子的汉明距离。所述方法节约了存储器资源，提高了ORB特征点匹配精度和速度。
-
公开(公告)号：CN115291730B
公开(公告)日：2023-08-15
申请号：CN202210963154.5
申请日：2022-08-11
Applicant: 北京理工大学
IPC: G06F3/01 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/08 , G06T3/40
Abstract: 本发明属于生物电信息处理及动作识别技术领域，涉及一种可穿戴生物电设备及生物电动作识别与自校准方法。该设备包括采集模块、信号处理模块、STL模块、卷积神经网络和FTL模块；所述STL模块对极坐标雷达图依据仿射逆变换进行未知体旋转角度的空间变换，进行旋转、裁剪和缩放，得到校正后的特征图及空间变换旋转角；STL模块输出校正后特征图，进入卷积神经网络输出动作概率值；FTL模块依据所述动作概率值，确定校正后特征图在相邻电极范围内的旋转角度，即微调旋转角度；将空间变换旋转角度加微调旋转角度得自校准角；依据相同动作概率值和的最大值给出动作识别结果。所述设备和方法可对抗个体差异、弥补设备佩戴偏差、提升动作识别鲁棒性。
-
公开(公告)号：CN115204239A
公开(公告)日：2022-10-18
申请号：CN202210909367.X
申请日：2022-07-29
Applicant: 北京理工大学
Abstract: 本发明属于数据分类及信号识别技术领域，尤其涉及一种基于近似核函数与改进黄金分割的分类方法。所述方法，包括：将采集的信号进行预处理及特征提取，得到特征矩阵；对特征矩阵映射到近似核空间，得到特征数据集并划分为特征训练集和特征测试集；随机选择特征训练集中的一个样本；将选择的样本作为权值向量并进行归一化，得到归一化权值向量；在模型训练变量的取值范围间随机选择一个值赋给模型训练变量；根据特征训练集、归一化权值向量以及选择的随机变量，通过改进的黄金分割线搜索计算分离间隔；遍历特征训练集中的每一个样本，依据归一化权值向量以及分离间隔，进行训练和测试，得到样本的类别。所述方法大大降低了复杂度，准确率没有下降。
-
-
-
-
-
-
-
-
-
Search Results
276
records
(took 0.059 seconds)
