-
Patent Agency Ranking
公开(公告)号：CN113158038A
公开(公告)日：2021-07-23
申请号：CN202110362907.2
申请日：2021-04-02
Applicant: 上海交通大学
IPC: G06F16/9535 , G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于STA‑TCN神经网络框架的兴趣点推荐方法，包括如下步骤：步骤S1：将用户签到序列的数据进行预处理，过滤不活跃用户和不活跃兴趣点；步骤S2：预处理之后的数据转化为高维的嵌入向量序列；步骤S3：利用神经网络学习嵌入向量序列的顺序过渡相关性，输出得到包含顺序过渡相关性信息的结果向量；步骤S4：对包含顺序过渡相关性信息的结果向量利用时空自注意力机制学习全局时空相关性，输出最终的表示向量；步骤S5：根据最终的表示向量得出兴趣点推荐结果。本发明还提供了一种STA‑TCN神经网络框架的兴趣点推荐系统，本发明使用ST‑Attention将时间信息和空间信息融入到Attention机制中，这将极大促进模型学习兴趣点之间的多种相关性。
-
公开(公告)号：CN117518156A
公开(公告)日：2024-02-06
申请号：CN202311479645.3
申请日：2023-11-07
Applicant: 上海交通大学
Abstract: 本发明提供一种自位姿估计方法及系统，包括：步骤S1：从毫米波雷达中频信号中生成角度精度增强的毫米波雷达点云；步骤S2：从毫米波雷达点云中挑选出静态物体点，并根据静态物体点计算雷达自速度；步骤S3：通过惯性传感器测量移动平台角速度，并对角速度在时间上积分，计算移动平台在某时刻的旋转角度，通过惯性传感器测量原始加速度，并从中获取真实运动加速度；当通过多静态物体共识算法能够筛选出毫米波雷达点云中的静态物体点时，使用雷达自速度估计移动平台的位移；否则，通过惯性传感器得到的真实运动加速度测量值估计移动平台的位移。本发明能够将现有基于毫米波雷达的自位姿估计方法的每米轨迹误差从分米级降低至厘米级。
-
公开(公告)号：CN117031430A
公开(公告)日：2023-11-10
申请号：CN202311008795.6
申请日：2023-08-10
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于智能小车和IR‑UWB雷达的沙地浅埋垃圾检测方法及系统，包括：步骤S1：利用智能小车搭载的IR‑UWB雷达对沙地进行探测，收集可用于垃圾检测与定位的雷达数据；步骤S2：对收集到的可用于垃圾检测与定位的雷达数据进行预处理；步骤S3：基于预处理后的雷达数据，利用基于Canny边缘检测的改进算法自适应地检测多个垃圾对应的边缘特征；步骤S4：提取对应区域垃圾特征，并构建为特征向量；步骤S5：基于构建的特征向量对垃圾和噪声进行区分。
-
公开(公告)号：CN116482128A
公开(公告)日：2023-07-25
申请号：CN202310202422.6
申请日：2023-03-02
Applicant: 上海交通大学
IPC: G01N22/04 , G06N3/048 , G06N3/084 , G06N3/0985 , G06N5/04
Abstract: 本发明提供了一种土壤湿度感知方法、系统、设备及介质，利用搭载在无人机的雷达对土壤进行探测，收集用于估计土壤湿度的雷达信号；从收集的雷达信号中提取土壤湿度特征，所述土壤湿度特征包括土壤的折射系数RI和相对振幅比率RAR；通过失真信号滤除算法滤除因无人机不受控运动而受污染的特征；通过多径干扰消除算法消除由于雷达信号在土壤表面覆盖物上多径传播对所提取特征的干扰；将失真滤除和干扰消除后的特征输入训练好的深度神经网络模型，输出土壤湿度估计结果；训练所述深度神经网络模型的元模型，通过调整参数从而适应不同的土壤类型。本发明借助无人机和雷达感知土壤湿度，能够快速适应不同土壤类型的湿度感知。
-
公开(公告)号：CN113158038B
公开(公告)日：2022-06-14
申请号：CN202110362907.2
申请日：2021-04-02
Applicant: 上海交通大学
IPC: G06F16/9535 , G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于STA‑TCN神经网络框架的兴趣点推荐方法，包括如下步骤：步骤S1：将用户签到序列的数据进行预处理，过滤不活跃用户和不活跃兴趣点；步骤S2：预处理之后的数据转化为高维的嵌入向量序列；步骤S3：利用神经网络学习嵌入向量序列的顺序过渡相关性，输出得到包含顺序过渡相关性信息的结果向量；步骤S4：对包含顺序过渡相关性信息的结果向量利用时空自注意力机制学习全局时空相关性，输出最终的表示向量；步骤S5：根据最终的表示向量得出兴趣点推荐结果。本发明还提供了一种STA‑TCN神经网络框架的兴趣点推荐系统，本发明使用ST‑Attention将时间信息和空间信息融入到Attention机制中，这将极大促进模型学习兴趣点之间的多种相关性。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
