一种利用正交视觉转换器提高图像识别准确率的方法及应用

    公开(公告)号:CN114943883B

    公开(公告)日:2025-02-28

    申请号:CN202210628383.1

    申请日:2022-06-06

    Abstract: 本发明公开了一种利用正交视觉转换器提高图像识别准确率的方法,所述方法包括以下具体步骤:步骤一、生成正交视觉转换器中自注意力层所需的查询矩阵、键矩阵和值矩阵;步骤二、基于正交投影矩阵,根据查询矩阵、键矩阵和值矩阵计算自注意力;步骤三、基于正交投影矩阵,将步骤二中的自注意力机制扩展到多头;步骤四、基于正交投影矩阵,训练正交视觉转换器模型;步骤五、利用步骤四中获得的正交视觉转换器模型进行图像识别。本发明还公开了上述方法在提高图像识别预测准确率中的应用。本发明所述的方法能够在图像识别场景中提高传统视觉转换器的推理精度,同时具备一定的鲁棒性。

    一种基于无服务器架构的物联网数据异常检测方法及系统

    公开(公告)号:CN113687989B

    公开(公告)日:2024-08-16

    申请号:CN202110908593.1

    申请日:2021-08-09

    Abstract: 本发明公开了一种基于无服务器架构的物联网数据异常检测方法,所述方法包括:采用第三方物联网云平台作为物联网设备的接入端,所有物联网设备通过特定协议接入第三方物联网平台,并将采集的数据上报到第三方物联网平台;用户为接入系统的任一物联网设备选择合适的异常检测算法并配置相应的参数;采用无服务器架构实现数据异常检测端构建,根据算法和参数为设备自动生成和部署异常检测用的训练云函数和推理云函数。训练云函数训练异常检测模型并将其供推理云函数调用。部署完异常检测算法的设备上报的新数据点转发至推理云函数进行异常检测,并返回检测结果。本发明还提出了一种基于无服务器架构的物联网数据异常检测系统。

    基于时空注意力机制和神经常微分方程的轨迹预测方法

    公开(公告)号:CN117077727B

    公开(公告)日:2024-04-09

    申请号:CN202311203703.X

    申请日:2023-09-18

    Abstract: 本发明公开了一种基于时空注意力机制和神经常微分方程的轨迹预测方法,包括:获取行人和相邻行人的历史轨迹,将历史轨迹转化为社会特征向量;基于历史轨迹与社会特征向量获取初始潜在变量与外部输入变量;基于初始潜在变量与外部输入变量获取潜在变量;基于循环神经网络与神经常微分方程构建轨迹预测模型,并基于历史轨迹与潜在变量获取行人的预测位移序列;将预测位移序列与历史轨迹的序列相加,获取最终预测结果;基于预测位移序列对轨迹预测模型进行参数优化。本发明综合考虑了场景中行人间的相互影响以及VAE中RNN循环更新隐藏状态是否连续的因素,在轨迹预测时了解行人的交互特征,从而提高行人轨迹预测的准确性。

    面向智慧城市物联网信物融合的联邦学习系统及联邦学习训练方法

    公开(公告)号:CN114584581B

    公开(公告)日:2024-01-09

    申请号:CN202210111366.0

    申请日:2022-01-29

    Abstract: 本发明公开了一种面向智慧城市物联网信物融合的联邦学习系统,包括设备端和服务端;所述设备端包括MQTT、训练线程、心跳发送线程;所述服务端包括MQTT、模型聚合线程、任务调度线程、心跳监测线程。本发明还提供了基于上述联邦学习系统的联邦学习训练方法,包括:服务器初始化全局模型,在一个通信回合中,服务器选择一定比例的设备,并向被选择的设备发送全局模型;设备接收到消息后,对模型执行训练并更新;将更新的模型重新上传到服务器并进行聚合,得到新的全局模型,进入下一个通信回合;完成预设的通信回合数后,设备接收服务器下发的最新的全局模型并保存供后续使用。本发明具备一定的设备可扩展性、鲁棒性和高效性。

    一种实时监测的强化学习可变时长信号灯控制方法

    公开(公告)号:CN115083149A

    公开(公告)日:2022-09-20

    申请号:CN202210545093.0

    申请日:2022-05-19

    Inventor: 陈铭松 方则宽

    Abstract: 本发明公开了一种实时监测的强化学习可变时长信号灯控制方法,包括:通过事先安装于道路上的物联网设备采集道路上的实时交通数据生成新定义的压力信息;基于上述各个压力信息设计强化学习方法,生成强化学习状态;在每个路口配置一个强化学习智能体,并且设计一个监视属性,通过所述智能体实时判断当前相位下,路口监视属性是否到达阈值;并根据是否达到阈值确定是否对信号灯的相位进行调整;存储数据并通过强化学习智能体的回放机制来更新网络参数;各个路口配置的强化学习智能体通过当前道路情况控制交通信号灯的相位选择。本发明能够提高强化学习代理的学习能力,快速获得优秀的信号灯控制策略,并且控制效果大大提升。

    一种基于联邦学习的多物联网设备异构模型高效互学习方法

    公开(公告)号:CN113518007A

    公开(公告)日:2021-10-19

    申请号:CN202110762229.9

    申请日:2021-07-06

    Inventor: 陈铭松 夏珺

    Abstract: 本发明公开了一种基于联邦学习的多物联网设备异构模型高效互学习方法,所述方法可以打破异构模型之间的知识壁垒,提高异构模型在各类物联网设备中的性能。在本方法框架中,不同的模型开始相互学习,两种模型都可以收敛到很好的结果。由于局部模型有局部数据分布,全局小模型具备全局数据分布,为了增加联邦学习的普适性,本发明提出一种基于深度相互学习的训练方法,考虑局部模型之间的知识共享过程。本发明通过综合实验对本发明方法PFL进行了论证,可以在实际场景中在通信量和预测精度方面的有效性。

    一种基于强化学习的CCSL综合方法及系统

    公开(公告)号:CN113126963A

    公开(公告)日:2021-07-16

    申请号:CN202110274824.8

    申请日:2021-03-15

    Abstract: 本发明提出了一种基于强化学习的CCSL综合方法,该方法将一个不完整的CCSL规约编码成为一个强化学习模型,并系统预期行为对模型训练进行指导,最终将模型转化为完整的CCSL约束。该方法包括:强化学习模型的生成方法,强化学习模型的训练方法,CCSL约束验证方法以及强化学习奖励评估方法。通过本发明方法自动化的生成了CCSL规约,为设计人员提供了较为有效的指导,极大地降低了系统设计的成本。本发明还提出了一种基于强化学习的CCSL综合系统。

    基于可视化云平台的智慧农场综合控制方法及系统

    公开(公告)号:CN112019607A

    公开(公告)日:2020-12-01

    申请号:CN202010817146.0

    申请日:2020-08-14

    Abstract: 本发明提出了一种基于可视化云平台的智慧农场综合控制系统,包括:数据采集终端采集农场的环境数据,并通过数据传输模块传输给病虫害预测模块和水质评价模块,进行检测、预测和评估;数据传输模块,其将从病虫害预测模块和水质评价模块处接收到的检测、预测、和评估数据进行整合,传输至ONENET View可视化平台进行可视化处理;小程序客户端用于将可视化数据显示给用户,及远程操纵设备进行环境干预措施。本发明还提出了一种基于可视化云平台的智慧农场综合控制方法。本发明具有可靠性,准确性,实时性,可推广性强的特点,能够及时预测农业环境以及水质的变化,以便及时采取措施,且可以对采集到的数据进行可视化的操作。

    一种基于变异测试的虚拟原型错误检测方法

    公开(公告)号:CN109542698A

    公开(公告)日:2019-03-29

    申请号:CN201811176866.2

    申请日:2018-10-10

    Abstract: 本发明公开了一种基于变异测试的虚拟原型错误检测方法,包括以下步骤:步骤1:使用SystemRDL语言描述硬件设备的规约;步骤2:将硬件设备规约转化为一个可执行的FDM模型;步骤3:依据变异规则在FDM模型中对操作符生成对应的变异约束条件;步骤4:将FDM模型和已有的设备测试用例集traces作为输入,利用符号执行引擎对虚拟原型进行错误检测。本发明基于变异测试,通过自动插入工具能够在原始FDM模型中插入相应操作符的变异约束条件,并以此模型为参照来检测硬件设备虚拟原型中可能存在的错误,从而能够在早期系统设计的时候及时发现设计缺陷。

    一种基于Docker的自动化蜜罐搭建及威胁感知的方法

    公开(公告)号:CN108900467A

    公开(公告)日:2018-11-27

    申请号:CN201810546532.3

    申请日:2018-05-31

    CPC classification number: H04L63/1491 H04L63/1416

    Abstract: 本发明公开了一种基于Docker的自动化蜜罐搭建及威胁感知的方法,包括以下步骤:1)创建并运行数据采集容器;2)使用数据处理算法对原始数据进行格式化处理;3)对格式化过的数据进行深度模型训练;4)采用NodeJS作为Web后台进行数据可视化;5)采用威胁感知技术对未知流量进行判别。本发明可以自动化的完成数据的采集、数据处理、数据可视化等功能。模型训练部分则需要人为调整参数,使得模型更趋稳定、精确。

Patent Agency Ranking