-
公开(公告)号：CN116821828A
公开(公告)日：2023-09-29
申请号：CN202310703240.7
申请日：2023-06-14
Applicant: 华北电力大学
IPC: G06F18/2433 , G06F18/214 , G06F18/10 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06N3/045 , G06F123/02
Abstract: 本发明公开了一种基于工业数据的多维时序预测方法。该方法具有以下步骤：步骤1：深入研究工业加工过程中影响工业加工结果的因素，明确对工业加工产品优良率影响最显著的关键因素。步骤2：通过在工业加工机床上安装相应的检测传感器，实时采集多维时序数据，从而形成包含丰富信息的工业加工多维时序数据集。步骤3：基于步骤2的数据集构建高级工业加工多维时序预测模型，运用改进的深度循环神经网络和卷积网络，巧妙地提取多维时序数据的多层次特征，并借助这些特征训练出卓越的工业加工多维时序预测模型，使其能够准确预测未来多维时序信息。
-
公开(公告)号：CN116721190A
公开(公告)日：2023-09-08
申请号：CN202310697185.5
申请日：2023-06-13
Applicant: 华北电力大学
IPC: G06T13/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种语音驱动三维人脸动画生成方法，所述方法，包括：步骤1：获取样本数据，对数据进行预处理；步骤2：重建三维人脸模型，对完成重建的三维人脸模型进行拓扑对齐，获得连续的人脸模型动画，结合音频数据，构建4D数据集；步骤3：训练模型，求解音频特征信息与人脸模型动画中的映射关系；步骤4：给定音频和静态人脸模型，通过预训练模型，给出对应的三维人脸模型动画。
-
公开(公告)号：CN109740636B
公开(公告)日：2021-05-18
申请号：CN201811515475.9
申请日：2018-12-12
Applicant: 华北电力大学
Abstract: 本发明属于油水层智能识别技术领域，尤其涉及一种基于AdaBoost结合GRU的地层油水层识别方法，包括：步骤1：使用测井方法获得某地域的测井数据；步骤2：结合测井数据解释原理，对数据进行预处理；步骤3：对预处理过的测井数据，利用基于AdaBoost结合GRU方法进行学习训练，建立识别模型；步骤4：利用该地域的测井数据和建立的识别模型，预测油水层信息。本发明利用该模型，可以得到准确的地质分层信息，识别准确率不仅较高而且稳定。
-
公开(公告)号：CN109490957A
公开(公告)日：2019-03-19
申请号：CN201811434030.8
申请日：2018-11-28
Applicant: 华北电力大学
IPC: G01V1/30
Abstract: 本发明属于油田地震大数据重建技术领域，尤其涉及一种基于空间约束压缩感知的地震数据重建方法，包括：使用一部分数据作为训练数据，使用K-SVD字典学习训练超完备字典来重建原始的地震数据；使用联合稀疏分解的方法，提取共有的空间信息，并改造压缩感知算法中的感知矩阵；对稀疏度自适应匹配追踪算法进行改进，引入初始稀疏度估计的方法，采用变步长的策略对数据进行重建。重建的结果不但细节比较清晰，运算时间相较于IRLS和SAMP大幅地降低，而且横向的过度更加的平滑，说明本发明所设计的算法利用到了空间的相关信息，重建结果更加真实。
-
公开(公告)号：CN116740240A
公开(公告)日：2023-09-12
申请号：CN202310689768.3
申请日：2023-06-12
Applicant: 华北电力大学
IPC: G06T13/40 , G06T17/20 , G06F30/20 , G06N3/0455 , G06N3/08 , G06F113/12 , G06F119/14
Abstract: 本发明公开了属于虚拟角色着装变形动画技术领域的款式多样的款式多样的实时服装动画生成方法。包括：步骤1：利用专业服装设计软件设计不同款式的服装模型，构造款式多样的服装样本集，利用拓扑对齐的方式将不同款式的服装模型进行拓扑统一；步骤2：选取多姿态的时序运动人体数据，通过物理模拟的方式利用人体模型驱动服装变形，获取款式及姿态多样的服装变形实例；步骤3：基于VAE构建运动序列到服装变形的关系模型，引入款式信息作为条件约束服装变形，学习款式的隐空间概率分布；引入Transformer层组成模型的编解码器，用于学习运动序列间的相关性，以及建立服装序列中帧与帧之间的依赖关系；步骤4：模型训练，利用步骤1和步骤2构成的数据集，将服装变形作为预测目标，运动和款式作为输入，对网络模型进行训练；步骤5：基于步骤3和步骤4构建的服装变形预测模型，改变人体运动数据和款式信息，可以以实时速率合成连续逼真的多款式着装人体动画；步骤6：对步骤5所得结果进行后处理，获得逼真无穿透的服装动画。
-
Patent Agency Ranking
公开(公告)号：CN116740175A
公开(公告)日：2023-09-12
申请号：CN202310689262.2
申请日：2023-06-12
Applicant: 华北电力大学
IPC: G06T7/73 , G06V10/26 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本发明公开了属于计算机视觉领域一种无需抓取标注的堆叠场景抓取检测算法，该方法包括如下步骤：步骤1：扩展IPA‑Binpicking数据集，构造抓取检测数据集G；步骤2：通过PointNet++提取点云特征得到Np*Ne维特征；步骤3：将提取到的点云特征输入到6个MLP，用于逐点回归回归实例分割，可见性，遮挡性，抓取区域得分，置信度。然后基于回归的信息设计了一种待抓物体优先度选择策略；步骤4：通过数学分析的方法，分析物体选择模型选择出的待抓物体表面几何特征生成抓取位姿。
-
公开(公告)号：CN115455195A
公开(公告)日：2022-12-09
申请号：CN202211038548.6
申请日：2022-08-26
Applicant: 华北电力大学
IPC: G06F16/36 , G06F40/295 , G06F40/30 , G06N5/02
Abstract: 本发明公开了属于自然语言处理领域一种基于BERT和知识嵌入的加工工艺关系抽取方法，该方法包括如下步骤：步骤1：构建BERT层，进行文本特征提取，得到字维度的特征向量Z和句子向量S；步骤2：字维度的特征向量Z与实体信息联合提取实体特征向量E；步骤3：融合知识嵌入，动态调整句子向量S权重，使模型更加关注句子中与实体信息有关的语义信息C；步骤4：将所述融合实体信息的特征向量C与实体特征E进行拼接，得到多特征融合向量M；步骤5：多特征融合向量M输入分类器，计算关系类别。
-
公开(公告)号：CN115034222A
公开(公告)日：2022-09-09
申请号：CN202210630961.5
申请日：2022-06-06
Applicant: 华北电力大学
IPC: G06F40/295 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明公开了属于自然语言处理领域一种基于机械零件加工文献数据的多维度命名实体识别方法，该方法包括如下步骤：步骤1：整理机械零件加工手册上的工艺知识，通过人工与算法结合的方法对所述文献进行数据处理工作，获得机械零件加工文献的语料；步骤2：利用部分机械零件加工文献无标注语料信息对Bert模型进行预训练，得到训练好的预训练模型；把所述机械零件加工文献的标注语料输入训练好的预训练模型中进行增量训练，得到字维度的特征向量Z；步骤3：将所述字维度的特征向量Z输入基于BiLSTM的神经网络模型，并引入注意力机制动态调整输入权重，得到融合全文信息的特征向量C；步骤4：将所述融合全文语义信息的特征向量C输入Mixture of Entity Experts(MOEE)框架判断每一个符号是否为实体并得到实体的特征向量E；步骤5：实体特征向量E输入CRF模型，计算标签结果，最后的到命名实体识别结果。
-
公开(公告)号：CN115018790A
公开(公告)日：2022-09-06
申请号：CN202210634714.2
申请日：2022-06-07
Applicant: 华北电力大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/70 , G06T3/00 , G06T5/00 , G06T11/00 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于异常检测的工件产品表面缺陷检测方法，其包括：步骤1：研究生产线实际制造的工件表面特征，确定合格工件标准，通过该标准判别工件合格与否；步骤2：基于特定光源和工业相机采集工件表面图像，图像经过裁剪、滤波等处理后形成数据集；步骤3：基于异常检测技术对步骤2中制作好的数据集构建工件表面缺陷检测模型，该模型使用卷积神经网络提取合格工件表面图像不同大小尺度的特征，并结合多尺度区域特征生成器和掩码自编码器，重建合格工件的表面图像，由于模型并未学习过不合格工件的表面图像，因此不合格工件表面图像的特征分布与模型先前学习到的分布差距甚大，通过比较重建前后图像的差异，该检测模型能够检测表面图像中是否存在缺陷以及定位出缺陷位置。发明所提出的方法解决了在工业制造中人工目视检测效率低、不稳定且成本高、传统图像处理检测方法泛化性差以及基于深度学习的目标检测或分割需要大量带标签缺陷数据的问题，该方法符合工业生产工件中合格样本多而缺陷样本少的特点，能够实现高精度的实时表面缺陷检测。
-
公开(公告)号：CN109740636A
公开(公告)日：2019-05-10
申请号：CN201811515475.9
申请日：2018-12-12
Applicant: 华北电力大学
Abstract: 本发明属于油水层智能识别技术领域，尤其涉及一种基于AdaBoost结合GRU的地层油水层识别方法，包括：步骤1：使用测井方法获得某地域的测井数据；步骤2：结合测井数据解释原理，对数据进行预处理；步骤3：对预处理过的测井数据，利用基于AdaBoost结合GRU方法进行学习训练，建立识别模型；步骤4：利用该地域的测井数据和建立的识别模型，预测油水层信息。本发明利用该模型，可以得到准确的地质分层信息，识别准确率不仅较高而且稳定。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.02 seconds)
