-
公开(公告)号：CN119131464A
公开(公告)日：2024-12-13
申请号：CN202411125950.7
申请日：2024-08-16
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06V10/764 , G06V20/70 , G06V10/774 , G06T5/70 , G06T5/90 , G06V10/82
Abstract: 本发明公开一种基于双层优化理论的低光照目标检测方法，该方法显著提高了增强质量和检测精度。该方法首先采用双层学习架构桥接增强和检测任务，将低光照图像增强任务和目标检测任务有机地结合在一起。其次，以增强网络参数为主要优化目标，检测网络参数为约束条件。使得增强网络生成有利于机器感知的图像。最后为了提高训练效率，提出一种基于隐函数理论的方法近似求解对应梯度。有效地降低训练成本，并提高训练速度。本发明显著提高了弱光场景下的目标检测精度，可以应用于各种弱光场景下的目标检测任务，例如夜间行人识别、自动驾驶、安防监控等。
-
公开(公告)号：CN118887477A
公开(公告)日：2024-11-01
申请号：CN202411141470.X
申请日：2024-08-20
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06V10/764 , G06V10/82 , G06V40/10 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本发明属于计算机视觉图像分类领域，具体说是一种基于改进ConvNext的大规模鱼类图像分类方法。本发明考虑了图像的局部偏置先验知识以及上下文信息，通过ConvNext纯卷积神经网络对图像的局部偏置先验知识的应用，将图像的特征图进行提取，同时通过嵌入SIMAM注意力模块的方式，将各特征图进行融合，提取上下文特征信息以进行特征融合。通过引入类平衡训练技术以及Focal Loss损失函数提升模型对长尾分布的数据集的拟合能力，缓解模型对样本量少的数据的拟合能力差的问题，进而增强模型的泛化能力。改进的模型在准确率和F1值上有了显著上升且没有增加计算负担，并且模型对样本少的鱼类数据的关注程度有一定提高，可以有效提高鱼类的分类算法模型的表现。
-
公开(公告)号：CN117973583A
公开(公告)日：2024-05-03
申请号：CN202211344659.X
申请日：2022-10-31
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/26 , G06N3/04 , G06N3/08 , G06N3/006 , G06F18/2451
Abstract: 本发明涉及一种基于深度置信网络的区域空气质量预测方法。该方法首先对监测点位空气质量监测数据即6种空气污染物小时浓度数据进行清洗，填充缺失并归一化，生成训练集和测试集，然后将数据输入到IPSO‑DBN模型中进行特征提取，使用Attention机制将不同点位监测数据提取出的特征进行加权融合，将融合后的特征向量作为SVR模型的输入进行模型的训练，最后使用训练好的模型进行6种空气污染物小时浓度的预测。该方法融合了DBN模型强大的特征提取能力和SVR模型的回归预测能力以及Attention机制解决空气质量空间相关性，提高模型的预测准确性和鲁棒性。
-
公开(公告)号：CN113887119B
公开(公告)日：2024-04-12
申请号：CN202010634884.1
申请日：2020-07-03
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06F30/27 , G06F17/18 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种基于SARIMA‑LSTM的河流水质预测方法。该方法首先使用SARIMA模型对河流水质参数进行线性拟合及预测，得到预测值并计算残差。然后再使用LSTM神经网络进行残差序列的训练及预测，最后将两次的预测值相加得到最终的预测结果。河流水质监测数据具有线性特征和非线性特征，SARIMA模型能够很好的提取水质数据序列中的线性部分，从而可以加快LSTM神经网络模型训练的收敛速度，提高模型对非线性部分的预测能力以及降低出现局部收敛的可能性。本发明方法通过相关实验验证了方法的有效性。
-
公开(公告)号：CN112926172B
公开(公告)日：2024-02-09
申请号：CN201911240396.6
申请日：2019-12-06
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06F30/20 , G06N3/006 , G06F111/10 , G06F111/08
Abstract: 本发明涉及一种突发性重金属水污染追踪溯源的方法。本方法首先通过已有的企业排查名单数据库得到污染源的初选名单；同时根据重金属污染物的特性选取合适的水动力方程进行模拟，根据自动监测站的水文信息和污染物信息，模拟得到水动力模拟数据库。然后通过时空溯源模型，通过人工鱼群算法进行溯源求解输出污染源的排放位置和排放时间；再通过污染物排放量模型，通过改进的人工鱼群算法进行溯源求解输出污染物的排放质量，通过两个模型的输出结果，将初选清单进行优化，得到优化清单。最后通过概率计算得到排查清单。本发明方法通过相关实验验证了方法的有效性。本发明能够更快更准(56)对比文件杨海东.河渠突发水污染追踪溯源理论与方法.中国博士学位论文全文数据库工程科技Ⅰ辑.2017,(第06期),B027-40.
-
Patent Agency Ranking
公开(公告)号：CN117272224A
公开(公告)日：2023-12-22
申请号：CN202311221135.6
申请日：2023-09-21
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06F18/25 , G06F18/241 , G06F18/10 , G06F18/213 , G06F18/214
Abstract: 本发明涉及一种基于改进TCN模型的长期河流水质预测方法。该方法首先将河流水质污染物浓度数据输入至SG滤波器中进行降噪处理，然后采用STL时间序列分解方法将处理后的数据分解成趋势、季节性和残差序列，分解后得到的趋势序列和残差序列将分别输入至改进的TCN模型中进行训练和预测，最后将趋势序列和残差序列的预测值与原始季节性序列进行融合得到河流水质长期预测结果。该方法针对基本的TCN模型的不足进行了改进，并且通过数据降噪和数据分解方法进一步提高了模型的长期预测能力。本发明方法通过具体实验验证了方法的有效性。
-
公开(公告)号：CN117217548A
公开(公告)日：2023-12-12
申请号：CN202210608917.4
申请日：2022-05-31
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06Q10/0637 , G06Q50/26 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于CEEMDAN‑LSTM的水质预测方法。该方法利用自适应噪声的完整集合经验模态分解算法对水质指标数据进行分解，分离出数据中的高频、低频信号和趋势项，从而获取数据在不同时间尺度上的特征，保证局部特征的完整性。对分解出的每个分量构建堆叠式LSTM神经网络预测模型，多模型可以学习到更多的特征，但仅对模型预测结果求和会造成误差叠加现象。由于每个分量具有不同的重要性，因此为每个模型设置权重，采取加权求和方式，以减缓误差叠加现象。人为设置权重不能体现出特征之间的关系，引入线性回归进行多模型权重自学习，充分考虑特征之间的关系，从而提高模型预测精度。
-
公开(公告)号：CN116956696A
公开(公告)日：2023-10-27
申请号：CN202210398468.5
申请日：2022-04-15
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06F30/27 , G06F111/06 , G06F119/02
Abstract: 本发明涉及一种基于改进SSA算法优化SVR模型的水质预测方法。该方法首先对水质污染物浓度数据进行预处理，然后将数据集采用滑动窗口的方式构造成向量形式输入到SVR模型中进行训练，同时在训练模型的过程中采用改进后的麻雀搜索优化算法SA‑WSSA进行SVR模型参数的优化，最后使用训练好的模型进行河流水质的短期预测。该方法针对标准麻雀搜索算法的不足进行了改进，进一步提高了算法的优化能力，从而提高了SVR模型的预测准确率和泛化能力。本发明方法通过具体实验验证了方法的有效性。
-
公开(公告)号：CN116187150A
公开(公告)日：2023-05-30
申请号：CN202111419495.8
申请日：2021-11-26
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06F30/27 , G06N3/006 , G06N3/126 , G06Q50/26 , G06F113/08
Abstract: 本发明公开了一种基于改进型蚁群算法的空气污染源反演方法，主要包括：根据气体扩散规律建立气体扩散模型，并以此为基础建立空气污染源反演模型；其次对于模型的求解，采用改进的蚁群算法进行求解，从蚁群算法的容易陷入局部极值和收敛速度两个方面进行改进，结合遗传算法的交叉思想以及更新蚁群算法的信息素更新机制，从而加强蚁群算法的全局搜索能力和加快收敛速度，从而达到快速精准反演出空气污染源的相关参数信息，达到污染源的快速定位，进行靶向治理。同时本发明提出的基于改进型蚁群算法的空气污染源反演方法还可适用于水污染、土壤污染等源反演问题。
-
公开(公告)号：CN115809947A
公开(公告)日：2023-03-17
申请号：CN202111071555.1
申请日：2021-09-14
Applicant: 中国科学院沈阳计算技术研究所有限公司
IPC: G06Q50/26 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种水污染时序数据连续缺失值填补方法。该方法首先基于DTW算法计算存在缺失值的序列与其他完整序列之间的相似性，然后使用最相似完整序列训练基模型BLSA，BLSA模型融合了Bi‑LSTM神经网络以及Self‑attention机制，最后应用迁移学习思想对BLSA模型进行迁移，得到用以对缺失序列进行填补的迁移模型BLSAtr，从而实现水污染时序数据中连续缺失值的填补。该方法充分融合了Bi‑LSTM模型学习时序数据的能力以及Self‑attention机制突出重要特征的能力，同时DTW算法以及迁移学习为解决模型由于连续缺失值造成的学习不充分问题提供了可能。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.061 seconds)
