-
公开(公告)号：CN117575017A
公开(公告)日：2024-02-20
申请号：CN202311358800.6
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06N5/04 , G06N3/044 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/084 , G06N7/01 , G06F18/2415 , G06Q10/04 , G06Q50/26 , C02F3/02
Abstract: 本申请公开了一种污水处理过程的概率推理模型构建方法及其系统，其中，污水处理过程的概率推理模型构建方法，包括如下步骤：根据监测数据构造多个数据集，每个数据集均包括：多种污染物的实际的入口数据和实际的出口数据；利用数据集在混合云的私有云模块内创建概率推理模型；对概率推理模型进行优化，获得优化后的概率推理模型。本申请能够在缺乏IPP的情况下，反向推断出污水处理过程中丢失的IPP，能够令污水处理过程的概率推理模型在没有IPP数据的污水处理过程时依然生效，保证了预测结果的可靠性。
-
公开(公告)号：CN118170035B
公开(公告)日：2024-07-19
申请号：CN202410607166.3
申请日：2024-05-16
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G05B13/04
Abstract: 本发明提供一种基于深度学习的自平衡机器人设计方法及系统，方法包括：根据自平衡机器人的三维数据进行数学建模；根据欧拉拉格朗日运动方程以对三个方向的欧拉拉格朗日运动方程进行线性化，并结合机器人自身物理属性得到空间平衡点，互补滤波器对传感器单元获得的信号数据进行滤波得到倾斜角；根据平衡点获得自平衡机器人的状态方程，根据状态方程并结合加权矩阵和倾斜角，通过深度学习网络对线性二次型调节器进行模型训练以获得训练后的线性二次型调节器；根据目标倾斜角与训练后的线性二次型调节器获得自平衡机器人的目标姿态调整数据以控制自平衡机器人。本申请解决了现有技术中的两轮自平衡机器人控制效果不好，鲁棒性较差的技术问题。
-
公开(公告)号：CN117908684B
公开(公告)日：2024-06-18
申请号：CN202410316740.X
申请日：2024-03-20
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06F3/01 , G06T15/00 , G06T19/00 , G06F9/48 , G06F9/50 , H04L67/131 , H04L67/10 , H04L67/568
Abstract: 本发明提供了一种虚拟现实实现方法及系统，该方法包括：当实时检测到用户佩戴VR设备时，通过VR设备实时采集用户输入的交互数据，并实时检测出交互数据的交互类型；根据交互类型将交互数据传输至对应的边缘计算节点中，并通过边缘计算节点将交互数据输入至对应的AI引擎中，以通过AI引擎实时解析出交互数据中包含的前台内容；实时匹配出与前台内容对应的背景内容，并对前台内容以及背景内容进行图块合成处理，以生成对应的初始图片，前台内容和背景内容均包含有若干图块；将初始图片对应反馈至VR设备中，并通过VR设备对初始图片依次进行解码以及渲染处理，以生成对应的渲染图片。本发明能够实现画面高效率、低延迟的效果，对应提升了用户体验。
-
公开(公告)号：CN118170035A
公开(公告)日：2024-06-11
申请号：CN202410607166.3
申请日：2024-05-16
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G05B13/04
Abstract: 本发明提供一种基于深度学习的自平衡机器人设计方法及系统，方法包括：根据自平衡机器人的三维数据进行数学建模；根据欧拉拉格朗日运动方程以对三个方向的欧拉拉格朗日运动方程进行线性化，并结合机器人自身物理属性得到空间平衡点，互补滤波器对传感器单元获得的信号数据进行滤波得到倾斜角；根据平衡点获得自平衡机器人的状态方程，根据状态方程并结合加权矩阵和倾斜角，通过深度学习网络对线性二次型调节器进行模型训练以获得训练后的线性二次型调节器；根据目标倾斜角与训练后的线性二次型调节器获得自平衡机器人的目标姿态调整数据以控制自平衡机器人。本申请解决了现有技术中的两轮自平衡机器人控制效果不好，鲁棒性较差的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN117575017B
公开(公告)日：2024-08-02
申请号：CN202311358800.6
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06N5/04 , G06N3/044 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/084 , G06N7/01 , G06F18/2415 , G06Q10/04 , G06Q50/26 , C02F3/02
Abstract: 本申请公开了一种污水处理过程的概率推理模型构建方法及其系统，其中，污水处理过程的概率推理模型构建方法，包括如下步骤：根据监测数据构造多个数据集，每个数据集均包括：多种污染物的实际的入口数据和实际的出口数据；利用数据集在混合云的私有云模块内创建概率推理模型；对概率推理模型进行优化，获得优化后的概率推理模型。本申请能够在缺乏IPP的情况下，反向推断出污水处理过程中丢失的IPP，能够令污水处理过程的概率推理模型在没有IPP数据的污水处理过程时依然生效，保证了预测结果的可靠性。
-
公开(公告)号：CN117115064A
公开(公告)日：2023-11-24
申请号：CN202311340079.8
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06T5/50 , G06T5/00 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供了一种基于多模态控制的图像合成方法，所述方法包括：获取图像数据，图像数据中包含相对应的真图和假图；构建图像合成模型，该模型包含采用基于多头注意力模块的U‑Net架构的生成器；将图像数据中的假图预处理后，输入图像合成模型，基于生成器输出生成图像；基于生成图像和假图及对应的锐化后的真图，在空间域和频域上构建五重损失函数；基于五重损失函数构建最终损失函数，并基于最终损失函数将学习到的权重回传至生成器以更新预设权重，经过预设轮次迭代训练后得到训练好的图像合成模型；将待合成的图像输入训练好的图像合成模型并输出合成图像。本发明提供的方法改善了现有反取证技术局限于欺骗检测器对图片的来源进行检测的问题。
-
公开(公告)号：CN118317317A
公开(公告)日：2024-07-09
申请号：CN202410660125.0
申请日：2024-05-27
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
Abstract: 本发明公开了一种网络切片资源分配方法、系统、存储介质及设备，涉及通信网络技术领域，所述方法包括：根据预先划分的若干个网络切片，确定每个网络切片的容忍延迟服务与延迟敏感服务；根据每个网络切片的容忍延迟服务与延迟敏感服务构建信道频谱状态，包括授权占用状态与频谱共享状态；根据所述授权占用状态与所述频谱共享状态，计算信道中授权占用持续时间与频谱共享持续时间的数学期望值，以计算共享频道的机会可用性概率与机会容量；基于所述机会容量对应用于6G无线系统网络中的网络切片进行资源分配。本发明旨在通过机会容量对网络切片资源进行分配，以提升6G‑WCS中频谱资源的利用率。
-
公开(公告)号：CN117908684A
公开(公告)日：2024-04-19
申请号：CN202410316740.X
申请日：2024-03-20
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06F3/01 , G06T15/00 , G06T19/00 , G06F9/48 , G06F9/50 , H04L67/131 , H04L67/10 , H04L67/568
Abstract: 本发明提供了一种虚拟现实实现方法及系统，该方法包括：当实时检测到用户佩戴VR设备时，通过VR设备实时采集用户输入的交互数据，并实时检测出交互数据的交互类型；根据交互类型将交互数据传输至对应的边缘计算节点中，并通过边缘计算节点将交互数据输入至对应的AI引擎中，以通过AI引擎实时解析出交互数据中包含的前台内容；实时匹配出与前台内容对应的背景内容，并对前台内容以及背景内容进行图块合成处理，以生成对应的初始图片，前台内容和背景内容均包含有若干图块；将初始图片对应反馈至VR设备中，并通过VR设备对初始图片依次进行解码以及渲染处理，以生成对应的渲染图片。本发明能够实现画面高效率、低延迟的效果，对应提升了用户体验。
-
公开(公告)号：CN117115064B
公开(公告)日：2024-02-02
申请号：CN202311340079.8
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06T5/50 , G06T5/73 , G06T5/60 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供了一种基于多模态控制的图像合成方法，所述方法包括：获取图像数据，图像数据中包含相对应的真图和假图；构建图像合成模型，该模型包含采用基于多头注意力模块的U‑Net架构的生成器；将图像数据中的假图预处理后，输入图像合成模型，基于生成器输出生成图像；基于生成图像和假图及对应的锐化后的真图，在空间域和频域上构建五重损失函数；基于五重损失函数构建最终损失函数，并基于最终损失函数将学习到的权重回传至生成器以更新预设权重，经过预设轮次迭代训练后得到训练好的图像合成模型；将待合成的图像输入训练好的图像合成模型并输出合成图像。本发明提供的方法改善了现有反取证技术局限于欺骗检测器对图(56)对比文件Feng Ding.Anti-Forensics for FaceSwapping Videos via Adversarial Training.《IEEE Transactions on Multimedia》.第24卷第3429-3441页.Lin Gao 等.EL-GAN: Edge-EnhancedGenerative Adversarial Network forLayout-to-Image Generation《.PacificGraphics 2022》.2023,第41卷第407-418页.崔宇航.基于高频信息差网络的高光谱图像融合算法研究《.CNKI学位论文》.2022,第2022年卷(第04期),全文.
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.03 seconds)
