-
公开(公告)号：CN111508214A
公开(公告)日：2020-08-07
申请号：CN202010321040.1
申请日：2020-04-22
Applicant: 杭州电子科技大学
Abstract: 本发明提供的报警控制方法及控制设备，通过接收边缘设备发送的报警配置请求，所述报警配置请求包括至少一个报警设备信息；根据所述报警配置请求确定对应的报警程序，并将所述报警程序发送至边缘设备，以使边缘设备部署运行所述报警程序实现对报警设备的报警控制；即本发明示例将报警设备信息发送到云端服务器，使得云端服务器根据报警设备信息确定对应的报警程序，实现了定制化报警，提高了报警效果。
-
公开(公告)号：CN120003984A
公开(公告)日：2025-05-16
申请号：CN202510481870.3
申请日：2025-04-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多通道多级分流过滤流水线装置及其控制方法，包括多个模块化的双通道两级分流过滤流水线装置，每个双通道两级分流过滤流水线装置包括了矫正、计数跟分流装置，控制方法包括对主流水线上产品进行位姿矫正；将主流水线产品运送至缓冲流水线；分流装置将部分产品分流到其他流水线上；进行计数并控制分流装置启动；进行计数并进行对应控制操作；进行计数并进行对应加工操作；本发明可适应性更强，解决了传统分流过滤装置难以适应不同生产规模和流程的问题，本发明不仅可以针对不同工作场景进行动态的调整和优化，还仅需选择不同的矫正装置和分流装置，就可以分类不同规格的产品，实现后续的加工处理。
-
公开(公告)号：CN114329218B
公开(公告)日：2025-05-09
申请号：CN202111670732.8
申请日：2021-12-31
Applicant: 杭州电子科技大学
IPC: G06F16/9535 , G06Q30/0601
Abstract: 本发明公开了一种基于多行为特征增强的注意力序列推荐方法。本发明采用项目交互模式模块和自适应增强的注意力模块，对注意力图进行修正，使得注意力机制更关注符合用户行为规律的局部特征。项目交互模式模块有四种类型的项目交互模式，分别来增强注意力机制对用户行为序列的正反向行为不对称信息、瞬时性信息、连续性信息、非强顺序依赖性信息的感知能力。自适应增强的注意力模块主要有两种增强的结构，单通道结构可以更高效地增强注意力机制，双通道结构则具有更好的推荐性能。自适应增强的注意力模块采用可学习参数对机制可以对局部特征增强程序进行精准的阈值控制。本发明在花费极小的计算开销情况下，提高真实场景下行为序列推荐的准确率。
-
公开(公告)号：CN119883641A
公开(公告)日：2025-04-25
申请号：CN202510001769.3
申请日：2025-01-02
Applicant: 杭州电子科技大学
IPC: G06F9/50 , G06F40/126 , G06F40/279 , G06F40/30 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于Transformer的FPGA快速资源预测方法，方法包括以下步骤：步骤S1：基于Verilog代码中子词的语义和类型，构建分词编码模型，对代码进行分词编码，将子词编码为词向量，并生成可输入Transformer网络的词向量序列；步骤S2：采用滑动窗口处理不同长度的代码输入，通过Transformer模型的多头自注意力机制处理滑动窗口输入的词向量序列，生成代码相关性矩阵，表征代码与硬件资源复用关系，完成特征提取；步骤S3：对词向量进行卷积操作后再次输入滑动窗口，获取不同维度的相关性矩阵，经过多轮特征提取对特征进行拼接存入多维度特征容器，最后输入多层感知器，输出资源预测结果。本发明可以有效提升获得FPGA资源数目的速度。
-
公开(公告)号：CN119739971A
公开(公告)日：2025-04-01
申请号：CN202411853427.6
申请日：2024-12-16
Applicant: 杭州电子科技大学
IPC: G06F18/10 , G06F18/2132 , G06F18/27 , G06N3/0455 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种基于双重重建的多元时间序列异常检测方法，涉及数据处理与分析技术领域；S1、对输入的时间序列数据样本进行预处理；S2、将S1中预处理后的时间序列数据转换为滑动窗口序列样本；S3、将S2的滑动窗口序列样本通过GAN模型与S1中时间序列数据样本进行判别操作；S4、在S3的GAN模型框架基础上应用EM距离最小化生成器和最大化判别器的损失函数；S5、构建判别网络的损失函数；S6、计算误差并结合S4和S5得到GAN模型的损失函数L1；S7、进行二次重建得到损失函数L2；S8、通过S6和S7的损失函数计算异常分数阈值；S9、根据S8的结果对异常分数区分标记；本发明采用上述基于双重重建的多元时间序列异常检测方法，可以提高异常检测的性能和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN119598039A
公开(公告)日：2025-03-11
申请号：CN202411686678.X
申请日：2024-11-22
Applicant: 杭州电子科技大学
IPC: G06F16/9537 , G06F16/9538
Abstract: 本发明公开了一种基于时间特征感知的序列推荐方法、设备及存储介质，涉及数据处理技术领域。该方法包括：获取预设历史时间内用户和一组项目的历史交互数据，对历史交互数据进行上下文分析，获得历史交互序列和时间戳序列；获得第一组时间特征、第二组时间特征和第三组时间特征；获得短期偏好得分；获得长期偏好得分；生成综合偏好得分；基于综合偏好得分，确定一组项目的多个交互概率；将多个交互概率按照从大到小的顺序进行排序，将排在最前列的交互概率对应的项目作为推荐结果。本发明解决了现有技术中捕捉到的用户偏好与当前的实际偏好存在偏差，推荐可靠性低的技术问题，达到了对用户偏好进行准确把握，提高推荐准确性的技术效果。
-
公开(公告)号：CN119557597A
公开(公告)日：2025-03-04
申请号：CN202411707892.9
申请日：2024-11-26
Applicant: 杭州电子科技大学
IPC: G06F18/20 , G06F18/213 , G06F18/21 , G06N3/045 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于双流Transformer架构的时间序列分析方法，属于时序分析技术领域，包括：获取多变量时间序列数据集，并对数据集进行预处理和划分；构建TSTNet模型；对TSTNet模型进行初步训练，得到最终特征序列；基于得到的最终特征序列，应用梯度下降方法对损失函数进行优化，完成TSTNet模型的一次训练；对TSTNet模型进行验证；对TSTNet模型进行整体训练；训练完成后，使用测试数据集对TSTNet模型输出的最终特征序列进行评估，得到TSTNet在该数据集上最终的损失得分。本发明采用上述方法，通过构建TSTNet模型明确处理通道间个性与共性的关系，解决不同通道间错综复杂的依赖关系。
-
公开(公告)号：CN118626072A
公开(公告)日：2024-09-10
申请号：CN202410659099.X
申请日：2024-05-27
Applicant: 杭州电子科技大学
IPC: G06F8/34 , G06F8/40 , G06F40/154 , G06V30/422 , G06V30/146 , G06V30/19 , G06V10/82
Abstract: 本发明公开了一种基于SAMA图自动生成组态程序的方法，包括如下步骤：步骤1、预处理过程：识别并解析不同源的SAMA图图例文件以及预定义的图例代码段文件，将图例和代码段进行匹配，并存为组件库；步骤2、工程文件解析及信息提取：读取真实SAMA图，并解析该SAMA图的工程文件，获取图例和线段信息；步骤3、错误检查和修正：分析SAMA图中的布局和结构，并提供修正提示以改正错误；步骤4、识别SAMA图中各个图例之间的连接关系，将其保存为图状结构；步骤5、遍历图状结构，将转换后的图状结构转换为XML格式，并进行存储。该方法可以更快速、更准确地将SAMA图转换为相应的组态程序，从而降低工程师的工作负担，提高了控制系统的设计和实施效率。
-
公开(公告)号：CN117591883B
公开(公告)日：2024-09-06
申请号：CN202311615260.5
申请日：2023-11-29
Applicant: 北京机械工业自动化研究所有限公司 , 杭州电子科技大学
IPC: G06F18/214
Abstract: 本发明实施例公开了一种工业分布式边缘智能模型执行方法和系统，其中，方法包括：工业云服务器获取特定应用的深度学习模型并进行中心化训练；工业云服务器根据工业边缘设备的算力，将所述深度学习模型分割为多个子模型，并将所述多个子模型部署于多个工业边缘设备；各工业边缘设备通过数据采集组件实时采集现场数据，并根据各子模型的执行模式和数据来源，基于现场数据周期性执行各子模型；其中，各工业边缘设备相互独立，一工业边缘设备更新一子模型在当前周期的输出数据时，其它工业边缘设备能够用于更新其它子模型在其它周期的输出数据。本实施例提高模型的现场数据流的响应效率。
-
公开(公告)号：CN117809048A
公开(公告)日：2024-04-02
申请号：CN202311857751.0
申请日：2023-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种图像边缘智能提取系统和方法，其中，图像输入模块，用于处理输入图像数据，并形成统一格式的输出图像P；多尺度特征提取模块，用于提取图像P初始边缘特征，并丰富初始边缘特征和消除背景噪音，以获得多尺度边缘特征图Q；亮度边缘类型解码器模块采用深度学习网络结构，用于解析多尺度边缘特征图Q，识别出不同亮度边缘类型，然后重新构建出高分辨率的边缘预测图M；多尺度边缘图融合模块，利用深度监督层对亮度边缘类型解码器模块获得的边缘预测图M进行上采样和激活等操作后，然后根据损失函数计算损失值，进行反向传播，最终进行多尺度边缘图融合，以获得原始图像的最终边缘图K。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.028 seconds)
