-
公开(公告)号：CN118114839A
公开(公告)日：2024-05-31
申请号：CN202410427892.7
申请日：2024-04-10
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京邮电大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种电力物联设备运行数据预测模型训练方法、态势预测方法、装置、设备及介质。该方法包括：采集至少两个电力物联设备的实际运行数据，作为运行数据样本；采用TSEM技术，基于运行数据样本确定至少两个电力物联设备间的时间序列特征和至少两个电力物联设备间的空间相关性特征；根据运行数据样本、时间序列特征和空间相关性特征训练得到运行数据预测模型。本方案采用TSEM技术捕捉电力物联设备间的时间序列特征和空间相关性特征，为训练高可靠性的运行数据预测模型提供了强有力的数据支撑，有助于训练出高可靠性且高准确性的运行数据预测模型，从而有助于实现高效且准确的电力物联设备态势预测。
-
公开(公告)号：CN118470972A
公开(公告)日：2024-08-09
申请号：CN202410677233.9
申请日：2024-05-29
Applicant: 南京邮电大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于离散图结构的交通流预测模型方法，属于交通管理技术领域，包括步骤一、采集数据；步骤二、进行数据的预处理；步骤三、进行模型的搭建与优化；步骤四、进行模型的训练；步骤五、进行模型的部署；步骤六、进行模型的预测及使用，本发明，在GNN框架下，同时学习图的结构和时间序列的预测，适用于图结构未知的情况，通过优化图模型的性能分布实现学习，通过神经网络参数化，实现对离散图结构的可微分重参数化采样，提高时间上的可扩展性、预测准确性以及计算效率。
-
Patent Agency Ranking
公开(公告)号：CN117974679A
公开(公告)日：2024-05-03
申请号：CN202410062111.9
申请日：2024-01-16
Applicant: 南京邮电大学 , 江苏省未来网络创新研究院
Abstract: 本发明公开了一种SAM模型增强的CNN‑RoI下的图像自动裁切方法及系统包括，通过利用SAM模型对于图像分割表达图像特征的显著优势，再应用网格候选框的裁切划分思维；在此基础上，利用深度学习的CNN网络和RoI、RoD综合对图像进行特征提取和分析，找出图像中的最佳候选裁切区域，进而实现图像的自动裁切；本发明的预训练神经网络模型不仅能够适应各种不同的纵横比，而且还能输出最具视觉吸引力的裁剪结果，使得无论从色彩的搭配，还是从构图的布局，都能够提供出最为满意的裁剪效果，在处理各种主题和风格的图像时也都有良好的表现；另外，本发明实现起来也非常简单且易于部署，具有很好的应用前景。
-
公开(公告)号：CN116390124A
公开(公告)日：2023-07-04
申请号：CN202310340504.7
申请日：2023-03-31
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无人机辅助的去蜂窝大规模MIMO系统的资源优化方法。在无人机辅助的去蜂窝大规模MIMO系统场景中，无人机作为空中接入点和地面AP点联合为地面用户提供服务，该方法具体设计包括设计基于空‑地AP联合服务的用户调度规则；根据调度规则，设计基于空‑地联合服务的通信模型；设计公平的资源分配方案，包括用户调度方案、无人机的位置部署方案、用户功率分配方案，最大化上述通信模型的用户最小下行速率，最后通过块坐标下降和连续凸优化技术等优化求解方法验证所提出的效用模型的可行性。本发明能够根据当前用户和地面资源分布情况，提出包括无人机在内的最优资源分配策略，实现地面用户服务的无盲点覆盖。
-
公开(公告)号：CN116390124B
公开(公告)日：2025-02-14
申请号：CN202310340504.7
申请日：2023-03-31
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无人机辅助的去蜂窝大规模MIMO系统的资源优化方法。在无人机辅助的去蜂窝大规模MIMO系统场景中，无人机作为空中接入点和地面AP点联合为地面用户提供服务，该方法具体设计包括设计基于空‑地AP联合服务的用户调度规则；根据调度规则，设计基于空‑地联合服务的通信模型；设计公平的资源分配方案，包括用户调度方案、无人机的位置部署方案、用户功率分配方案，最大化上述通信模型的用户最小下行速率，最后通过块坐标下降和连续凸优化技术等优化求解方法验证所提出的效用模型的可行性。本发明能够根据当前用户和地面资源分布情况，提出包括无人机在内的最优资源分配策略，实现地面用户服务的无盲点覆盖。
-
公开(公告)号：CN119380059A
公开(公告)日：2025-01-28
申请号：CN202411481967.6
申请日：2024-10-23
Applicant: 南京邮电大学
IPC: G06V10/762 , G06N3/0895 , G06V10/82 , G06N3/0464 , G06V20/10
Abstract: 本发明属于高光谱图像无监督技术领域，公开了一种基于局部‑全局双分支网络的高光谱图像自监督聚类方法，包括：(1)构造3D像素块；(2)通过ResNet模块获取浅层深度特征；(3)将浅层特征注入到双路径网络模块；(4)计算局部特征与聚类中心的相似性，得到局部语义概率分布，然后得到目标分布；(5)将全局特征送入前馈神经网络得到每个像素的概率，获取全局语义概率分布；(6)通过双重自监督机制构建网络损失函数指导整个网络模型的更新。本发明通过引入双路径网络架构挖掘高光谱图像的局部细节特征以及全局语义特征，有效提高了高光谱地物的识别精度。
-
公开(公告)号：CN117939416A
公开(公告)日：2024-04-26
申请号：CN202410067882.7
申请日：2024-01-17
Applicant: 南京邮电大学 , 江苏省未来网络创新研究院
Abstract: 本发明公开了一种具备压缩传输和隐私保护的图像自适应语义通信方法，包括：建立用于图像传输的语义通信系统；根据所建系统建立对应图像传输任务的损失函数；构建基于对抗式训练的数据自适应网络；确定对抗式网络的目标函数；将数据自适应网络与语义通信系统合并；分两阶段训练整个系统，使其具备适应不同分布数据的能力。本发明采用对抗性训练方式提升语义通信系统对不同数据集的适应性，减少实用数据和经验数据类型不匹配带来的性能影响，避免系统再训练导致的庞大系统开销及隐私泄露问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
