-
公开(公告)号：CN117496179A
公开(公告)日：2024-02-02
申请号：CN202311496281.X
申请日：2023-11-10
Applicant: 国网河南省电力公司经济技术研究院 , 国网河南省电力公司 , 河南九域腾龙信息工程有限公司 , 南京信息工程大学
Inventor： 王圆圆 , 王世谦 , 王涵 , 狄立 , 夏旻 , 李秋燕 , 宋大为 , 卜飞飞 , 华远鹏 , 韩丁 , 贾一博 , 田春筝 , 白宏坤 , 郝福忠 , 姬哲 , 王自强 , 牛斌斌 , 牛金星 , 邵颖彪 , 刘军会 , 贾鹏 , 于雪辉 , 郭正宾
IPC: G06V10/44 , G06V10/82 , G06V10/42 , G06Q10/04 , G06Q50/26 , G06N3/045 , G06N3/0464 , G06V10/80 , G06N3/048
Abstract: 本发明公开了一种多尺度双重注意力引导融合网络模型的碳排放分析方法，属于碳排放检测分析技术领域，准备卫星数据和辅助数据，对数据进行预处理形成一个空间一致的数据集；将卫星数据和辅助数据输入到多尺度双重注意力引导融合网络模型中进行训练，能够同时对卫星数据和辅助数据在多个尺度上进行关注和引导，以捕捉各种地理和气象条件对碳排放的影响，并对一个地方的某个时间序列生成对应的碳排放量的估计值，再结合当前时间序列的气象条件预估出真正的碳排放地区；本发明能够更准确地分析和预测碳排放趋势，具有更高的准确性以及更好的多尺度分析、数据融合和时序预测能力，为环境科学领域提供了更强大和全面的工具。
-
公开(公告)号：CN117454116A
公开(公告)日：2024-01-26
申请号：CN202311456651.7
申请日：2023-11-03
Applicant: 国网河南省电力公司经济技术研究院 , 国家电网有限公司 , 南京信息工程大学
Inventor： 王圆圆 , 王世谦 , 王涵 , 夏旻 , 卜飞飞 , 华远鹏 , 韩丁 , 贾一博 , 田春筝 , 白宏坤 , 李秋燕 , 宋大为 , 郝福忠 , 常大泳 , 姬哲 , 王自强 , 牛斌斌 , 牛金星 , 邵颖彪 , 于雪辉 , 郭正宾
IPC: G06F18/20 , G06Q50/26 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/048
Abstract: 本发明属于碳排放检测分析技术领域，具体涉及一种基于多源数据交互网络的地面碳排放监测方法；包括：S1、进行多源数据交互网络的设计：所述多源数据交互网络包括模块化的骨干网络、注意力交互模块和跨尺度交互模块；S2、进行多源数据交互网络的训练：对卫星数据和辅助数据进行数据分析和对比；进行数据增强处理，将这些数值数据转化为具有图像形状的张量，随后将其输入到多源数据交互网络模型中进行训练；S3、进行碳排放趋势预测：使用经过训练的多源数据交互网络模型进行预测；本发明提出了包括同尺度阶和跨尺度两类交互方式，整体架构可由编码器和解码器构成的全卷积神经网络构成，在准确率提高的前提下，模型的泛化能力也有所提高。
-
公开(公告)号：CN113362160B
公开(公告)日：2023-08-22
申请号：CN202110635863.6
申请日：2021-06-08
Applicant: 南京信息工程大学
IPC: G06Q40/03 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种用于信用卡反欺诈的联邦学习方法和装置，该方法包括：搭建具有不同欺诈类别的K个联邦学习参与方对应的局部图卷积神经网络模型；使用局部图卷积神经网络模型进行联邦学习训练；其中，采用注意力机制对联邦学习参数的聚合过程进行改进，使得每个局部图卷积神经网络模型均有与之适配的权重来进行聚合；输出全局图卷积神经网络模型，所述全局图卷积神经网络模型用于对导入的用户数据进行处理，识别其对应的欺诈类别。本发明针对现有信用卡欺诈评估方法和经典联邦学习算法的现有问题，提出了一种适应非欧式空间数据和参与方个性化特点的联邦学习算法来处理金融数据，进行信用卡反欺诈判断。
-
公开(公告)号：CN116488325A
公开(公告)日：2023-07-25
申请号：CN202310240818.X
申请日：2023-03-14
Applicant: 国网河南省电力公司经济技术研究院 , 南京信息工程大学
IPC: H02J13/00 , H02J3/00 , G06F18/2415 , G06F18/2431 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/094
Abstract: 本发明属于电网异常检测技术领域，具体涉及一种智能电网异常检测与分类方法设备、可读存储介质；步骤1、获取合适的训练数据集，步骤2、构建异常检测与分类系统(ADCS)，所述异常检测与分类系统包括自编码和生成对抗网络架构，分为异常检测和异常分类两种情况下的体系结构；步骤3、训练异常检测与分类系统网络，将训练数据预处理，使用滑动窗口格式化数据；步骤4、输入智能电网的测试数据集，将由正常和异常时间序列电测量组成的数据经过训练后的异常检测与分类系统网络进行编码解码操作后输出得到异常检测和异常分类的结果；本发明解决现有技术中针对智能电网系统的入侵检测速度不够快，精度不够高的技术问题。
-
公开(公告)号：CN114943963B
公开(公告)日：2023-07-04
申请号：CN202210476213.6
申请日：2022-04-29
Applicant: 南京信息工程大学
IPC: G06V20/70 , G06V20/10 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/08
Abstract: 本发明公开了一种基于双分支融合网络的遥感图像云和云影分割方法，该方法以Convolutional vision Transformer中的Transformer模块和条状卷积作为骨干网络，将两者有效结合，使得两个分支能够相互补充，从而更加高效地提取图像中的特征信息。在特征融合方面，使用了双向引导模块使得Transformer分支和条状卷积分支能够相互引导对方进行特征挖掘、提取多尺度上下文信息，提高了不同尺度的云和云影的分割能力。在解码阶段，充分利用两分支提取到的不同层级的特征进行融合上采样，有效融合高级语义信息和空间位置信息，使得云和云影的定位更加准确，分割边界更加详细；同时本方法还是通用的。
-
Patent Agency Ranking
公开(公告)号：CN115410081A
公开(公告)日：2022-11-29
申请号：CN202210959194.2
申请日：2022-08-10
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种多尺度聚合的云和云阴影辨识方法、系统、设备及存储介质，属于图像处理技术领域，方法包括：获取待测图片；将待测图片输入到预训练好的多尺度注意力特征聚合网络中，得到云和云阴影的掩膜图像，完成云和云阴影的辨识；使用训练好的权重提取特征进行编码解码操作后输出得到云和云阴影的掩膜图像，能够有效提升云和云阴影辨识精确度，有效减少了图像中复杂背景和噪声的干扰，能够有效的捕捉到零散的小尺度的云和云影目标，增强了对薄云的检测能力以及细化了对云和云阴影不规则的结合处的分割，提高了对云和云阴影复杂的边缘细节的分割精度，并且在其他目标的分割实验中也有不错的效果，具有优秀的泛化能力和良好的鲁棒性。
-
公开(公告)号：CN114943876A
公开(公告)日：2022-08-26
申请号：CN202210699396.8
申请日：2022-06-20
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种多级语义融合的云和云影检测方法、设备及存储介质，涉及图像处理技术领域，使用残差网络作为骨干网络对输入图片数据进行特征提取，整体采用编码器‑解码器的结构，在模型中我们提出了多支路残差上下文语义模块，多尺度卷积子通道注意力模块和特征融合上采样模块三个模块用于强化特征提取，细化云和云影边缘信息，增强模型的实际分割能力，相较于当前的方法检测云和云影更加准确，有效减少背景信息的干扰，增强对云层边缘以及薄云的检测能力，解决了大多数网络对于云影的检测精度不够高的技术问题，提高了对云和云影的检测精度，增强了算法的鲁棒性能。
-
公开(公告)号：CN114937204A
公开(公告)日：2022-08-23
申请号：CN202210476223.X
申请日：2022-04-29
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V20/70 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种轻量级多特征聚合的神经网络遥感变化检测方法，包括搭建并训练一个分割网络，输入双时像遥感图像，输出预测变化区域的预测模型，其特征在于，所述预测模型包括至少三个基础语义分割子模块：特征提取模块、细节特征引导模块、自注意力以及特征融合模块。该种轻量级多特征聚合的神经网络遥感变化检测方法，通过轻量级多特征融合网络在采用前述训练方法进行训练后即可用于遥感图像变化检测，对待处理图像先采用裁剪的方式输入至神经网络模型中，设置参数并进行多次迭代，得到变化检测遥感图像的预测结果，该预测的结果相对于采用传统的基础语义分割模型（例如UNet、FCN等）得到的结果，其预测准确率有明显的提升。
-
公开(公告)号：CN113362160A
公开(公告)日：2021-09-07
申请号：CN202110635863.6
申请日：2021-06-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于信用卡反欺诈的联邦学习方法和装置，该方法包括：搭建具有不同欺诈类别的K个联邦学习参与方对应的局部图卷积神经网络模型；使用局部图卷积神经网络模型进行联邦学习训练；其中，采用注意力机制对联邦学习参数的聚合过程进行改进，使得每个局部图卷积神经网络模型均有与之适配的权重来进行聚合；输出全局图卷积神经网络模型，所述全局图卷积神经网络模型用于对导入的用户数据进行处理，识别其对应的欺诈类别。本发明针对现有信用卡欺诈评估方法和经典联邦学习算法的现有问题，提出了一种适应非欧式空间数据和参与方个性化特点的联邦学习算法来处理金融数据，进行信用卡反欺诈判断。
-
公开(公告)号：CN107529647B
公开(公告)日：2021-02-09
申请号：CN201611107944.4
申请日：2016-12-02
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于多层无监督稀疏学习网络的云图云量计算方法，首先利用前向逐层稀疏自动编码机对图片进行无监督的逐层特征编码得到高阶语义信息，然后利用高阶语义信息将云图分为厚云、薄云及晴空，最后利用“空间相关法”计算云图中的总云量。本发明比传统卫星云图云量计算的准确度高，并且相同硬件条件下样本训练的时间和云量计算的时间得到很大的缩减。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.031 seconds)
