-
公开(公告)号：CN110619641A
公开(公告)日：2019-12-27
申请号：CN201910822722.8
申请日：2019-09-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度学习的三维乳腺癌核磁共振图像肿瘤区域的自动分割方法，涉及图像信息处理技术领域，其包括如下步骤：对原始的核磁共振图像进项预处理；采用基于空洞卷积和U-Net的三维分割模型，以4层U-Net作为基础模型，在编码阶段使用空洞卷积替换原来的传统卷积，在编码器的最后一层使用三维的ASPP模块；解码器阶段，在每次反卷积后都跟随一个的卷积层来组合全部特征，然后再与编码器对应的特征图级联；最后通过训练逐步得到网络模型的各种参数；将测试图像做相同的预处理，然后送入模型测试，得到相应的概率图；从分割概率图映射到原图，得到最终的分割图。达到了利用深度学习的方法自动分割三维乳腺癌核磁共振图像中肿瘤区域的效果。
-
公开(公告)号：CN107169612A
公开(公告)日：2017-09-15
申请号：CN201710473103.3
申请日：2017-06-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于神经网络的风电机有功功率预测及误差订正方法，首先采用小波功率谱分析方法，提取风电机有功功率时间序列中隐含的显著周期序列并分离得到残差序列，然后分别对显著周期序列和残差序列采用神经网络模型进行预测，其中显著周期序列采用基于粒子群算法优化并叠加误差订正的BP神经网络进行预测，残差序列采用粒子群算法优化并叠加误差订正的RBF神经网络进行预测，由显著周期序列和残差序列的预测结果可以获得最终风电机有功功率预测结果。本发明实现了对风电场内每台风电机有功功率进行精细化预报，从而可以有效提高整个风电场的短期出力预报水平。
-
Patent Agency Ranking
公开(公告)号：CN107301475A
公开(公告)日：2017-10-27
申请号：CN201710477986.5
申请日：2017-06-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于连续功率谱分析的电力负荷预测优化方法，采用连续功率谱分析方法，提取电力负荷时间序列中隐含的显著周期序列并分离得到残差序列，采用基于粒子群算法优化的BP神经网络对显著周期序列进行预测，获得各显著周期序列的预测结果；采用粒子群算法优化的RBF神经网络对残差序列的一阶差分序列进行预测，后经差分反运算得到残差序列的预测结果，最后将平均电力负荷时间序列的平均值与各显著周期序列的预测结果以及残差序列的预测结果相加获得最终预测结果。本发明针对电力负荷数据的周期性特点，建立预测模型能够大幅提高短期电力负荷预报精度。
-
公开(公告)号：CN104217260B
公开(公告)日：2017-08-22
申请号：CN201410484067.7
申请日：2014-09-19
Applicant: 南京信息工程大学
Abstract: 本发明提供一种风场邻近多台风电机测量风速缺损值的组合填充系统，包括风速数据相似性判定单元、模型参数识别单元、小波神经网络子模型填充单元、组合填充单元。本发明克服了现有方法针对风场邻近多台风电机测量风速同时发生缺损值时，对于缺损测量风速值填充的技术缺点，从二维时间域上采用动态时间规整法，结合相关系数法、空间近邻法共3种方法对风速数据的相似性进行分析；提取与缺损测量风速风电机在缺损采样点附近风速演化最相似的若干台风电机的测量风速，各自构建小波神经网络进行缺损风速填充；通过系统可调参数以适应不同风场的风速数据；采用基于熵权的组合填充方法，最终提出了一种风场邻近多台风电机测量风速缺损值的填充系统。
-
公开(公告)号：CN107203827A
公开(公告)日：2017-09-26
申请号：CN201710473063.2
申请日：2017-06-21
Applicant: 南京信息工程大学
CPC classification number: G06Q10/04 , G06F17/148 , G06Q50/06
Abstract: 本发明公开了一种基于多尺度分析的风电机风速预测优化方法，其主要技术在于基于多尺度分析的原理，采用小波功率谱分析技术，提取风电机测量风速时间序列中隐含的显著周期序列并分离得到残差序列，采用基于粒子群算法优化的RBF神经网络对显著周期序列和残差序列分别进行预测，由显著周期序列和残差序列的预测结果可以获得最终风电机风速预测结果。本发明实现了对风电场内每台风电机的测量风速进行精细化预报，从而有效提高整个风电场的短期出力预报水平。
-
公开(公告)号：CN104217260A
公开(公告)日：2014-12-17
申请号：CN201410484067.7
申请日：2014-09-19
Applicant: 南京信息工程大学
Abstract: 本发明提供一种风场邻近多台风电机测量风速缺损值的组合填充系统，包括风速数据相似性判定单元、模型参数识别单元、小波神经网络子模型填充单元、组合填充单元。本发明克服了现有方法针对风场邻近多台风电机测量风速同时发生缺损值时，对于缺损测量风速值填充的技术缺点，从二维时间域上采用动态时间规整法，结合相关系数法、空间近邻法共3种方法对风速数据的相似性进行分析；提取与缺损测量风速风电机在缺损采样点附近风速演化最相似的若干台风电机的测量风速，各自构建小波神经网络进行缺损风速填充；通过系统可调参数以适应不同风场的风速数据；采用基于熵权的组合填充方法，最终提出了一种风场邻近多台风电机测量风速缺损值的填充系统。
-
公开(公告)号：CN206590290U
公开(公告)日：2017-10-27
申请号：CN201720237420.0
申请日：2017-03-13
Applicant: 南京信息工程大学
IPC: B65D39/00
Abstract: 本实用新型公开了一种试剂瓶内口塞，所述内口塞顶部向内凹陷，凹陷内壁一侧处开有至少一个凹槽，所述开有凹槽的内壁厚度厚于其他内壁部分；凹槽形状为长条形，便于工具插入。该实用新型与现有技术相比，其显著优点是：在取下试剂瓶内口塞时保证了试剂瓶内口塞的完整性，使其可重复使用率提高；由于操作方便快速，减少了由操作不当而引起的试剂瓶内口塞的污染，从而减少了对试剂的污染；有上下两个凹槽可供选择，利用杠杆原理，在挑选工具时，有了更多的选择性。
-
-
-
-
-
-
Search Results
7
records
(took 0.031 seconds)
