-
公开(公告)号:CN119884646A
公开(公告)日:2025-04-25
申请号:CN202411936549.1
申请日:2024-12-26
Applicant: 北京邮电大学 , 广东工业大学 , 北京安科慧生科技有限公司
IPC: G06F18/20 , G01N23/223 , G01N23/00 , G06F18/213 , G06F18/241 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多元特征动态提取的光谱元素定量分析方法,其技术方案要点是,包括以下步骤:S1.采集样品的低能态、中能态和高能态光谱数据、S2.对三种能态的光谱数据分别输入一维卷积神经网络(1DCNN)进行特征提取、S3.在1DCNN中嵌入注意力机制模块、S4.将特征向量分别输入独立的多层感知机(MLP)模型进行预训练、S5.通过加权融合模块将三种能态的初步预测结果进行动态加权融合、S6.将融合特征输入最终的多层感知机模型;本发明基于多元特征动态提取的深度学习模型,结合卷积神经网络(CNN)和注意力机制,实现了高效、精确的光谱元素定量分析,能够有效从复杂光谱数据中提取元素特征,进行高精度的定量分析,能够保持较高的准确性和可靠性。
-
公开(公告)号:CN114416971B
公开(公告)日:2024-09-06
申请号:CN202111495243.3
申请日:2021-12-08
Applicant: 北京邮电大学
IPC: G06F16/35 , G06F40/35 , G06F40/289 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N7/01 , G06Q10/20
Abstract: 本申请提供一种基于人工智能的装备意图解析方法、装置和电子设备,所述方法中将意图分为主动意图(如用户指令信息)和被动意图(如指令约束条件),该被动意图主要反映用户属性和装备属性;对主动意图中的意图关键词进行提取后,筛选出被动意图中与所述意图关键词相关度较高的指令限定词,将意图关键词与筛选出的指令限定词进行整合处理,形成交互数据。将该交互数据输入映射数据库中,输出与该交互数据对应的映射参数和行动数据,最后对所述装备发出精准的调控指令。即本发明根据意图的异同性,对意图进行精细的分类,分类后的意图之间的解析过程互相融合、约束,进而提高意图解析的精准度,以更好的应用于装备维护领域。
-
公开(公告)号:CN117761095A
公开(公告)日:2024-03-26
申请号:CN202311796406.0
申请日:2023-12-25
IPC: G01N23/223
Abstract: 本发明公开一种X射线荧光光谱多能态样本叠加方法及系统,属于光学与光谱学技术领域。该方法首先采用蒙特卡罗方法多次仿真X射线荧光光谱分析过程,得到多级能态光谱图,然后采用极值法确定多级能态光谱图中每一个道址的极大值点,并将所有道址的极大值点拼接成光谱序列,最后利用重要性采样从所述光谱序列中提取重要采样区,在多级能态光谱图中按照重要采样区对应的道址进行采样,获得不同能态的采样光谱,最终拼接成一个完整的光谱图。本发明基于蒙特卡罗方法模拟X射线荧光光谱元素检测法的物理模型,获得能谱的理论数据,通过重要性采样使得多级能态光谱图良好融合,即将局部精确的光谱数据拟合为一个完整的光谱图。
-
公开(公告)号:CN116782063A
公开(公告)日:2023-09-19
申请号:CN202210223964.7
申请日:2022-03-09
Applicant: 中国移动通信有限公司研究院 , 北京邮电大学 , 中国移动通信集团有限公司
IPC: H04Q11/00
Abstract: 本申请公开了一种资源分配方法、装置、设备及可读存储介质,涉及光网络通信技术领域,以提高光网络资源利用率。该方法包括:根据业务请求选择传输路径;获取所述业务请求的光信噪比;当所述传输路径为C波段链路与C+L波段链路的混合路径且所述光信噪比符合预设条件时,根据所述业务请求的属性参数进行资源分配。本申请实施例可以提高光网络资源利用率。
-
公开(公告)号:CN116337900A
公开(公告)日:2023-06-27
申请号:CN202211659203.2
申请日:2022-12-22
Applicant: 北京邮电大学
IPC: G01N23/20008 , G01N23/223
Abstract: 本发明一种全聚焦双曲弯晶的X射线单色化方法与装置,该方法首先通过弯晶与光管的位置几何关系,建立匹配模型,根据单色化要求改变采用X射线的入射角度和控制电压,产生最佳的入射X射线强度;利用双曲弯晶衍射X射线管发射的X射线,并把符合布拉格定律的衍射光聚焦到一起,通过双曲弯晶分光方法产生高衍射强度的X射线;采用X射线单色性能评估方法,评估其单色性能。本发明能够大幅提升X射线单色化性能,解决X射线光谱仪轻元素分比率不足、元素检出限不够低的瓶颈问题。
-
公开(公告)号:CN117723578A
公开(公告)日:2024-03-19
申请号:CN202311729922.1
申请日:2023-12-15
Applicant: 北京邮电大学
IPC: G01N23/223 , G06N3/0499 , G06N3/084
Abstract: 本发明公开一种X射线荧光光谱的元素识别方法、系统、设备及介质,属于X射线荧光光谱识别领域。利用能量色散型X射线荧光光谱仪测试并记录不同参考样品的X射线荧光光谱数据,采用哈尔小波基最大重叠离散小波变换对X射线荧光光谱数据进行预处理,根据预处理后的X射线荧光光谱数据,利用麻雀搜索算法对BP神经网络进行优化和训练,使用训练好的BP神经网络识别X射线荧光光谱的全元素。本发明能够更好地适应全元素的X射线荧光光谱检测,且只经过一步预处理和BP神经网络的识别,即可实现X射线荧光光谱的快速、高精度元素识别。
-
公开(公告)号:CN119763728A
公开(公告)日:2025-04-04
申请号:CN202411937390.5
申请日:2024-12-26
Applicant: 北京邮电大学 , 广东工业大学 , 北京安科慧生科技有限公司
IPC: G16C20/70 , G06F18/2415 , G06F18/2431 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种土壤X射线荧光光谱分类方法,其技术方案要点是,包括以下步骤:S1.分类标准建立:根据土壤中元素的氧化物含量建立分类标准、S2.数据标记与集划分S3.基于平衡优化器(EO)对卷积神经网络(CNN)进行优化并建立土壤分类网络模型;本发明将数据分为训练集、验证集和测试集,利用EO算法对CNN模型的参数与超参数进行全局优化构建模型,在模型训练中,卷积层提取光谱数据的层次化特征,池化层降低数据维度,全连接层输出分类结果,最终通过Softmax函数计算每种土壤类别的概率分布,EO算法通过平衡机制模拟物体间的相互作用,不断优化参数以提高模型的分类准确率,使分类结果具有更强的稳定性和抗噪性。
-
公开(公告)号:CN117949481A
公开(公告)日:2024-04-30
申请号:CN202211279848.3
申请日:2022-10-19
Applicant: 北京安科慧生科技有限公司 , 北京邮电大学 , 广东工业大学
IPC: G01N23/223 , G01N23/2202
Abstract: 本发明提供一种碳化硅中物质含量的测定方法,包括以下步骤:步骤1.去除碳化硅样品中的游离碳并测定游离碳的含量;步骤2.将剩余的碳化硅样品进行压片处理,使用X射线荧光光谱仪测定样品中碳、铁、铝、钙、镁、氧、硅元素的含量;步骤3.依据碳含量计算碳化硅含量;依据铁、铝、钙、镁的含量分别计算三氧化二铁、三氧化二铝、氧化钙及氧化镁的含量;步骤4.依据氧元素的含量与三氧化二铁、三氧化二铝、氧化钙及氧化镁中的氧含量之和的差值计算二氧化硅的含量;步骤5.依据硅元素含量与二氧化硅中的硅含量的差值计算游离硅的含量。本发明碳化硅中物质含量的测定方法,能够简便快速测出碳化硅中的物质含量,且无需使用强酸强碱试剂。
-
公开(公告)号:CN117805161A
公开(公告)日:2024-04-02
申请号:CN202311846853.2
申请日:2023-12-29
IPC: G01N23/223 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种X射线荧光光谱的元素识别方法、系统及设备,涉及X射线荧光光谱分析领域,方法包括:获取X射线荧光光谱;对所述荧光光谱进行预处理;搭建神经网络模型;所述神经网络模型包括:注意力网络和BP‑神经网络;利用遗传算法优化所述注意力网络和BP‑神经网络;基于所述预处理后的荧光光谱对经遗传算法优化后的注意力网络和BP‑神经网络进行训练;将预处理后的荧光光谱输入至训练后的注意力网络得到数据集不同通道对于元素识别的加权重要性参数;将所述加权重要性参数输入至训练好的BP‑神经网络中,得到元素识别出的种类。本发明中的上述方法能够提高预测的准确率并有效抑制背景噪声对光谱元素识别的影响。
-
公开(公告)号:CN116932870A
公开(公告)日:2023-10-24
申请号:CN202210348790.7
申请日:2022-04-01
Applicant: 中国移动通信有限公司研究院 , 北京邮电大学 , 中国移动通信集团有限公司
IPC: G06F16/9535 , G06N20/00
Abstract: 本发明提供一种意图光网络冲突解决方法及装置,该方法包括:获取用户意图:将所述用户意图输入多意图冲突协商模型,得到所述多意图冲突协商模型输出的意图冲突解决策略;其中,产生冲突的每个用户意图被建模为具有强化学习能力的一个智能体,所述多意图冲突协商模型是基于多智能体强化学习训练得到的;本发明实施例通过多智能体意图协商模型,生成冲突用户意图回退解决策略,有效解决了意图光网络中多用户之间的意图冲突问题。
-
-
-
-
-
-
-
-
-