-
公开(公告)号：CN118070846A
公开(公告)日：2024-05-24
申请号：CN202410467973.X
申请日：2024-04-18
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: G06N3/0442 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06V10/82 , G06V10/74 , G01W1/10
Abstract: 本发明公开了一种短临降水预测方法、装置及存储介质，该方法包括：获取HKO‑7数据集中的原始雷达回波图像数据进行预处理，获得图像序列；对图像序列进行上采样及重塑处理，得到最新图像序列；将最新图像序列输入至预先训练的ConvLSTM‑TransGAN模型，获得雷达预测图像，用于短临降水预测；解决基于时空序列的预测模型难以生成清晰真实雷达回波图像的情况。
-
公开(公告)号：CN117914412A
公开(公告)日：2024-04-19
申请号：CN202410082332.2
申请日：2024-01-19
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: H04B10/61 , H04B10/556
Abstract: 本发明公开了一种无线光通信多用户检测方法及验证方法，所述检测方法包括获取来自不同用户的不同信号，将信号调制到相干态；将相干态的信号输入预先构建的基于对称相干态信号的多址信道模型中，使用最小误差判别法MED或者无歧义状态判别法USD进行多用户检测，获取检测结果，本发明旨在使用基于相干态的量子测量技术实现无线光通信中的多址访问和多用户检测，将MED和USD两种量子测量方法应用在具有相干态信号的多址信道中，对无线光通信中的多用户检测问题提供了新的解决方法。本发明利用量子检测技术可以使多址信道适应光信号功率较低的通信环境，非常适合于自由空间光通信，特别是在接收信号功率受到高度限制的深空光通信中。
-
公开(公告)号：CN118227822B
公开(公告)日：2024-09-27
申请号：CN202410662513.2
申请日：2024-05-27
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: G06F16/58 , G06N3/0464 , G06V10/762 , G06V10/44
Abstract: 本发明公开了计算机视觉技术领域的一种用于检索的图像向量获取方法，旨在解决现有的图像向量获取方法无法兼顾轻量化、精度要求，且无法学习输入描述符的技术问题。其包括：预先构建混合聚合特征索引图像检索模型，包括空间分割层、卷积层和BOF层，图像数据集输入混合聚合特征索引图像检索模型生成图像向量；在BOF层之前引入空间分割技术以便于分割空间段进行局部特征的提取，BOF层量化输出后，拼接每一个空间段的输出结果获得图像最终的特征向量，有效提高了图像检索的性能并减少网络中的参数数量，保留了图像中特征所携带的空间信息；即不降低图像检索模型精度的情况下提高模型的性能，降低存储开销、计算量和卷积神经网络参数数量。
-
Patent Agency Ranking
公开(公告)号：CN118227822A
公开(公告)日：2024-06-21
申请号：CN202410662513.2
申请日：2024-05-27
Applicant: 南京信息工程大学 , 南京信息工程大学无锡研究院
IPC: G06F16/58 , G06N3/0464 , G06V10/762 , G06V10/44
Abstract: 本发明公开了计算机视觉技术领域的一种用于检索的图像向量获取方法，旨在解决现有的图像向量获取方法无法兼顾轻量化、精度要求，且无法学习输入描述符的技术问题。其包括：预先构建混合聚合特征索引图像检索模型，包括空间分割层、卷积层和BOF层，图像数据集输入混合聚合特征索引图像检索模型生成图像向量；在BOF层之前引入空间分割技术以便于分割空间段进行局部特征的提取，BOF层量化输出后，拼接每一个空间段的输出结果获得图像最终的特征向量，有效提高了图像检索的性能并减少网络中的参数数量，保留了图像中特征所携带的空间信息；即不降低图像检索模型精度的情况下提高模型的性能，降低存储开销、计算量和卷积神经网络参数数量。
-
公开(公告)号：CN118657226B
公开(公告)日：2024-11-22
申请号：CN202411148997.5
申请日：2024-08-21
Applicant: 南京信息工程大学
IPC: G06N10/20 , G06N10/60 , G06N3/096 , G06N3/0464
Abstract: 本发明公开了一种量子迁移学习方法，包括以下步骤：（1）获取Flowers Recognition花卉识别数据集和Animal‑10动物‑10数据集的数据并进行预处理；（2）构建ResNet18量子迁移学习模型和ResNet34量子迁移学习模型即在ResNet18网络和ResNet34网络中分别引入量子卷积神经网络模块；（3）分别对ResNet18量子迁移学习模型和ResNet34量子迁移学习模型进行训练，并与原有ResNet18和ResNet34模型进行对比；本发明将量子计算与迁移学习相融合，使得量子迁移学习模型能够取得比经典模型更好的性能或者速度。
-
公开(公告)号：CN119849651A
公开(公告)日：2025-04-18
申请号：CN202510318639.2
申请日：2025-03-18
Applicant: 南京信息工程大学
IPC: G06N10/60 , G06N10/20 , G06N3/082 , G06N3/0464
Abstract: 本发明公开了一种基于混合量子经典极深因子分解机的点击率预测方法，包括以下步骤：（1）获取开源数据集并进行预处理，划分训练集、测试集；（2）构建新型混合量子经典极深因子分解机HQCxDeepFM模型，并利用预处理后的数据集进行训练；（3）利用sigmoid激活函数得到最终的预估结果；本发明提升CTR模型的计算能力并降低模型复杂度，同时提高CTR预测性能。
-
公开(公告)号：CN118823485A
公开(公告)日：2024-10-22
申请号：CN202411149426.3
申请日：2024-08-21
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N10/60
Abstract: 本发明公开了一种量子多框目标检测方法，包括以下步骤：（1）获取VOC数据集的数据并进行预处理；（2）构建量子经典混合多框目标检测模型即构建改进的多框目标检测300模型：修改多框目标检测模型的第五个额外的特征提取层；（3）对改进的多框目标检测300模型模型进行训练，通过mAP指标值评估量子经典混合多框目标检测模型性能；本发明大幅降低了计算时间和计算复杂度。
-
公开(公告)号：CN118657226A
公开(公告)日：2024-09-17
申请号：CN202411148997.5
申请日：2024-08-21
Applicant: 南京信息工程大学
IPC: G06N10/20 , G06N10/60 , G06N3/096 , G06N3/0464
Abstract: 本发明公开了一种量子迁移学习方法，包括以下步骤：（1）获取Flowers Recognition花卉识别数据集和Animal‑10动物‑10数据集的数据并进行预处理；（2）构建ResNet18量子迁移学习模型和ResNet34量子迁移学习模型即在ResNet18网络和ResNet34网络中分别引入量子卷积神经网络模块；（3）分别对ResNet18量子迁移学习模型和ResNet34量子迁移学习模型进行训练，并与原有ResNet18和ResNet34模型进行对比；本发明将量子计算与迁移学习相融合，使得量子迁移学习模型能够取得比经典模型更好的性能或者速度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.045 seconds)
