-
公开(公告)号：CN114216887B
公开(公告)日：2023-11-28
申请号：CN202111471711.3
申请日：2021-12-02
Applicant: 南昌大学
Abstract: 本发明公开了偏振调制提高受激发射损耗显微系统分辨率的方法，包括：1、在受激发射损耗显微系统的激发光路上，加入激光偏振调制模块用以旋转激发光的偏振方向，引入荧光偏振调制，同一个荧光标记的样品获得不同激发偏振态的受激发射损耗显微镜成像；使用反卷积迭代算法，重构出多张图片并叠加，最终恢复原始图像；2、使用STED原理构建突破光学极限的有效点扩函数，形成极小的激光光斑。本发明利用超分辨率营造的极小的激发焦斑，加强偏振调制的荧光稀疏性，增加荧光偏振调制的角度敏感性，增强偏振调制的分辨率，在实现不增加损耗光功率的情形下提高STED显微系统的空间分辨率，克服其在生物成像时面临的分辨率受限于高激光功率
-
公开(公告)号：CN110162351A
公开(公告)日：2019-08-23
申请号：CN201910182445.9
申请日：2019-03-12
Applicant: 南昌大学
Abstract: 本发明提供了一种三维扫描光学显微成像的软件系统，所述软件系统主要包括数据采集模块、显示模块、控制模块、数据存储模块；所述软件系统是在VS2013编译环境利用VC++基于MFC开发的；所述数据采集模块包括光子采集部分、纳米位移部分；所述纳米位移部分包括二维纳米位移部分、三维纳米位移部分；本软件系统着眼于常用的激光扫描共聚焦显微镜(LSCM)、荧光寿命成像系统(FLIM)和受激发射损耗显微镜(STED)等系统的成像软件的编写，参数设置方式简单，界面简洁美观，人性化的设计既满足了实验需求，又能包含所有需要的功能实现，非常适合低开发成本，快速开发的条件，顺应了科技飞速发展背景下的实用需求，非常适合在光学显微系统的构建及相关应用。
-
公开(公告)号：CN119005436A
公开(公告)日：2024-11-22
申请号：CN202411136177.4
申请日：2024-08-19
Applicant: 南昌大学
IPC: G06Q10/04 , G06N3/045 , G06F18/214 , G06F18/213 , G06N3/0499 , G06F18/21
Abstract: 本发明公开了一种基于层次化双Transformer编码器的长期时间序列预测方法，包括：1）对输入数据进行可逆实例归一化；2）对归一化后的数据进行分段和嵌入；3）采用双编码器模块进行特征提取，学习其数据分布及变化规律；4）采用层次化堆叠的双编码器模块进行多尺度特征提取，学习不同时间尺寸的动态模式；5）拼接各层双编码器模块的输出，使用线性头实现多尺度预测；6）通过训练出的最优网络进行预测，并通过误差评价指标对比预测结果与真实结果。本发明方法能够同时处理和整合来自不同通道的信息，并在模型中实现这两种策略的互补，提高了预测的精度和鲁棒性，同时双编码器结构能够显著提升模型在处理不同尺度时间序列时的适应性和预测能力。
-
公开(公告)号：CN114935815A
公开(公告)日：2022-08-23
申请号：CN202210578341.1
申请日：2022-05-26
Applicant: 南昌大学
IPC: G02B21/00
Abstract: 本发明公开了一种基于扫描振镜和纳米平移台的显微成像系统及方法，用于实现三维逐点扫描成像，是激光扫描共聚焦显微镜的重要组成部分，系统包括FPGA控制振镜往复式扫描及起始信号的接收和同步信号的发送部分、上位机对纳米平移台的控制部分、上位机对同步信号的接收和光子信息的采集、重绘、保存部分。本发明使用扫描振镜和纳米平移台相结合实现共聚焦的三维逐行扫描，利用FPGA控制振镜精准偏转和实现同步信号传输。本发明实现了振镜与FPGA通信、振镜扫描方式设置、纳米平移台控制与位置显示、逐点扫描与光子数的同步采集、光子数实时显示、二维图像绘制、数据保存等功能，非常适合扫描显微系统的自主构建及相关研发应用。
-
公开(公告)号：CN114216887A
公开(公告)日：2022-03-22
申请号：CN202111471711.3
申请日：2021-12-02
Applicant: 南昌大学
Abstract: 本发明公开了偏振调制提高受激发射损耗显微系统分辨率的方法，包括：1、在受激发射损耗显微系统的激发光路上，加入激光偏振调制模块用以旋转激发光的偏振方向，引入荧光偏振调制，同一个荧光标记的样品获得不同激发偏振态的受激发射损耗显微镜成像；使用反卷积迭代算法，重构出多张图片并叠加，最终恢复原始图像；2、使用STED原理构建突破光学极限的有效点扩函数，形成极小的激光光斑。本发明利用超分辨率营造的极小的激发焦斑，加强偏振调制的荧光稀疏性，增加荧光偏振调制的角度敏感性，增强偏振调制的分辨率，在实现不增加损耗光功率的情形下提高STED显微系统的空间分辨率，克服其在生物成像时面临的分辨率受限于高激光功率的瓶颈问题。
-
Patent Agency Ranking
公开(公告)号：CN119154259A
公开(公告)日：2024-12-17
申请号：CN202411158372.7
申请日：2024-08-22
Applicant: 南昌大学
IPC: H02J3/00 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/084 , G06F18/15 , G06F18/2113 , G06F18/25 , G06Q10/04 , G06Q50/06 , G06N3/048
Abstract: 本发明公开了一种基于全新端到端的住宅电力负荷预测方法，包括：1）使用皮尔逊相关系数法对数据集进行特征筛选并作数据预处理，包括特征归一化和独热编码；2）按照8:1:1将预处理后的数据集划分为训练集、测试集和验证集；3）采用基于全新端到端网络模型对训练集数据提取特征，学习其数据分布及变化规律，构建深度学习神经网络模型；4）通过Adam算法，根据弹球损失函数进行反向传播训练模型参数；并根据验证集的损失值判断模型参数的训练效果；5）利用步骤S04中训练出的最优深度学习神经网络模型对短期住宅电力负荷进行预测，并验证网络模型的预测精度。本发明方法具有预测速度快、泛化能力好、预测结果准确度高的优点。
-
公开(公告)号：CN118199034A
公开(公告)日：2024-06-14
申请号：CN202410279687.0
申请日：2024-03-12
Applicant: 南昌大学
IPC: H02J3/00 , H02J3/38 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 本发明提供了一种基于并行不对称结构混合模型的短期光伏功率预测方法，包括：1）对原始功率数据及其特征进行预处理，对于功率、天气等特征做归一化处理；2）将所有处理好的数据转换为矩阵格式，并按照一定的比例划分训练集、验证集、测试集；3）采用并行不对称混合网络对训练集数据提取特征，学习其数据分布及变化规律，构建出并行不对称混合网络模型；4）训练神经网络，并将划分好的验证集数据对训练出的网络模型进行验证，判断其模型是否达到适度拟合状态；5）通过训练出的最优网络对短期光伏功率进行预测，并通过误差评价指标对比预测结果与真实结果。相比传统预测方法，本发明方法能够在短期光伏功率预测方面取得更好更精确的预测结果。
-
公开(公告)号：CN109961222A
公开(公告)日：2019-07-02
申请号：CN201910216156.6
申请日：2019-03-20
Applicant: 南昌大学
Abstract: 本发明公开一种基于云计算的村镇智慧水务管理系统，包括云计算中心模块、水源地管理模块、水厂智能管理模块、管网监测模块、调度指挥模块、用户管理模块、远程监视模块和故障检修模块。本发明通过云计算中心对各个子模块产生的数据进行采集、存储和挖掘，避免了供水过程中不同模块之间出现信息孤岛，对分散的村镇水厂进行集中管理，实现信息共享，提高供水效率。
-
公开(公告)号：CN117674093A
公开(公告)日：2024-03-08
申请号：CN202311609739.8
申请日：2023-11-29
Applicant: 南昌大学
IPC: H02J3/00 , G06Q10/0639 , G06Q50/06 , G06N3/084 , G06N3/09
Abstract: 本发明提供了一种基于iMICN的非等距单调复合分位数回归的概率预测方法，包括：1）使用皮尔逊分析发对数据集进行特征筛选并作数据预处理；2）按照8:1:1将数据集划分为训练集、测试集、验证集；3）使用iMICN模型进行训练，得到高精度的中值，再使用非等距单调复合分位数回归预测条件分位数；4）通过Adam算法，根据弹球损失函数进行反向传播训练模型参数，根据验证集的损失值判断模型参数的训练效果；5）将训练好的网络应用于测试集，得到最终的概率预测结果，通过评价指标对概率预测结果进行评价。本发明iMICN深度学习模型大幅提高了预测精度，在不降低覆盖概率的情况下减小了预测区间宽度，再结合非等距单调复合分位数回归，在短期负荷概率预测中表现卓越。
-
公开(公告)号：CN117477539A
公开(公告)日：2024-01-30
申请号：CN202311407118.1
申请日：2023-10-27
Applicant: 南昌大学
Abstract: 本发明提供了一种基于时间深度卷积网络的短期负荷预测方法，包括1）对原始负荷数据及其特征进行预处理；2）将预处理后的数据转换为矩阵格式，划分训练集、验证集和测试集；3）构建时间深度卷积网络模型；4）训练所构建的时间深度卷积网络模型，判断网络模型是否达到适度拟合状态；5）利用训练好的时间深度卷积网络模型完成对短期电力负荷的预测。本发明方法在TCN的基础上，提出了时间深度卷积方法，能够更好的提取数据的时序信息和空间信息，从而更好的保留特征信息，在模型中应用了深度可分离卷积，能够减少模型参数，减少计算量，预测模型具有预测速度快，泛化能力好，预测结果准确度高的优点。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
