-
公开(公告)号：CN118918445B
公开(公告)日：2025-02-14
申请号：CN202411405238.2
申请日：2024-10-10
IPC: G06V10/82 , G06N3/0455 , G06N3/09 , G06V10/22 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80
Abstract: 本发明涉及异常决策技术领域，公开了一种基于多尺度特征融合差分的轻量化智能异常决策方法，包括选取多个正常图像作为记忆样本；获取待检测图像；获取每个记忆样本与待检测图像的多个具有不同分辨率的阶段特征，组成每个记忆样本的样本存储信息与待检测图像的实时存储信息；计算实时存储信息与每个样本存储信息之间的欧几里得距离，获取距离最小的作为目标样本存储信息与目标记忆样本；获取目标记忆样本与待检测图像在各个分辨率下的x轴、y轴卷积阶段特征，计算各个分辨率下目标记忆样本与待检测图像之间的差分信息；获取基于金字塔结构的多尺度特征差分中每一层的差分输出，进行通道拼接后，输入解码器中，获取待检测图像中的缺陷定位结果。
-
公开(公告)号：CN118799948B
公开(公告)日：2024-11-29
申请号：CN202411282724.X
申请日：2024-09-13
IPC: G06V40/16 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/088 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及半监督表情识别技术领域，公开了一种基于交叉融合与置信评估的情绪识别智能合约构建方法，包括获取基于区块链存储的面部图像，划分为有标签与无标签样本集；将所有面部图像分别输入初始图像分类模型，获取预测标签与标签置信度得分；基于每个有标签样本的交叉熵损失，得标签集合损失；将无标签样本划分为正确或错误样本；基于每个正确样本的交叉熵损失，获取集合无监督损失；基于每个错误样本的对比学习损失，获取集合对比损失；基于前述三种损失，构建模型总损失函数，训练初始图像分类模型，获取训练好的图像分类模型，输入待识别面部图像，获取多个置信度得分，以其中得分最高的所表示的情绪类型，作为待识别面部图像的预测标签。
-
公开(公告)号：CN118887409A
公开(公告)日：2024-11-01
申请号：CN202411394782.1
申请日：2024-10-08
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种基于归纳偏置和动态特征聚合的深度智能分割方法，包括：构建图像智能分割模型，包括初始层、编码器、瓶颈层、解码器、空间注意力模块以及输出层；将原始图像输入至图像智能分割模型，输出分割预测图像。所述图像智能分割模型应用DConvNeXt模块，结合具有动态特征建模能力的可变形卷积v4算子与高效局部注意力机制作为令牌混合器，在有效提升模型的特征建模能力的同时，显著增强了特征表示的灵活性和动态性。本发明能够有效处理复杂图像分割任务，显著提高了在多样化应用场景中的适应性和处理复杂图像的分割精度。
-
公开(公告)号：CN107448288A
公开(公告)日：2017-12-08
申请号：CN201710739472.2
申请日：2017-08-25
Applicant: 吉林大学珠海学院
Abstract: 本发明公开了一种转轴式气阀发动机，包括气缸体、曲轴和气缸盖总成，所述气缸盖总成包括配气机构、气缸盖以及位于气缸盖内部的气阀室，所述配气机构包括分别连通气阀室左、右端的四个排成一列的进气道和四个排成一列的排气道，所述气阀室下端通过四个进气口分别连通四个气缸的燃烧室，所述气阀室内转动设有可封闭气阀室的气门轴，所述曲轴的转速是气门轴的转速的两倍，所述气门轴沿轴向对应开设有四个相互错位的通气槽。本发动机将气门组简化为一根控制气门开启和关闭的气门轴，由气门轴来控制进气和排气，这样的传动方式不需要凸轮轴，减少了凸轮轴带来的往复惯性力，结构也得到了很大的简化，减少了气缸盖总成的振动噪声。
-
公开(公告)号：CN103713185B
公开(公告)日：2016-06-01
申请号：CN201310728434.9
申请日：2013-12-25
Applicant: 吉林大学
IPC: G01R19/25
Abstract: 本发明公开了一种交流变频电机的机端电压测量装置,为克服：1.若采集直流母线电压换算得到的交流变频电机（3）的端电压误差较大；2.若直接测量交流变频电机（3）的端电压，需要极高的数字采样频率和高速的数字信号处理这是普通控制器无法实现的问题，该测量装置由传感器，采样电阻，1号积分器和2号积分器组成；传感器的输出端与采样电阻的一端电线连接，采样电阻的另一端同时和1号积分器与2号积分器的一端电线连接，采样电阻、1号积分器与2号积分器焊接在同一块电路板上。传感器的输入端接逆变器（2）的PWM电压侧即接交流变频电机（3）的端电压侧；1号积分器与2号积分器的另一端同时与电机控制器（4）中的I/O口电线连接。
-
Patent Agency Ranking
公开(公告)号：CN105252544A
公开(公告)日：2016-01-20
申请号：CN201510834005.9
申请日：2015-11-26
Applicant: 吉林大学
IPC: B25J15/12
Abstract: 本发明为了克服现有的机械手部装置适应性差的问题，提供了一种柔性仿生机械手部装置，包括一个壳体，壳体顶部装有双拱形滑道，两个柔性手指穿过双拱形滑道的滑槽伸入壳体内，其中一个柔性手指为柔性宽指，另一个柔性手指为柔性分指，柔性宽指上安装有触发开关传感器和压力传感器，柔性掌心上安装有触发开关传感器和压力传感器，主控箱固定于壳体一侧，主控箱中包括数字舵机、舵机驱动模块和主控制模块，两个柔性手指与传动机构连接，传动机构与数字舵机的输出轴连接，触发开关传感器和压力传感器与主控制模块连接；本装置可适应抓握目标物体的外形，并可根据传感器的力感，实现目标物体的有效无损抓握，结构简单，便于广泛利用。
-
公开(公告)号：CN104298129A
公开(公告)日：2015-01-21
申请号：CN201410639518.X
申请日：2014-11-11
Applicant: 吉林大学
Abstract: 本发明公开了一种车用电子控制器测试模拟器，旨在解决目前通用型高性能硬件在环系统应用到车用电子控制器上存在功能与性能上资源利用浪费的问题，其由服务器、CompactRIO实时控制系统组成，服务器与CompactRIO实时控制系统通过以太网线连接，CompactRIO实时控制系统由CompactRIO集成化系统和CompactRIO I/O模块组成，CompactRIO集成化系统集成实时处理器和可重新配置FPGA机箱,CompactRIO集成化系统和CompactRIO I/O模块通过串行接口连接，被测电子控制器通过VCU硬件接口与CompactRIO I/O模块连接。实时控制器采用TCP/IP向服务器传递数据，服务器采用网络共享变量向实时控制器传递数据；实时控制器通过FPGA接口与FPGA机箱通信；FPGA机箱与被测车用电子控制器的通信通过基于CAN总线通信协议的数据传输和模数信号的输入/输出完成。
-
公开(公告)号：CN119991528A
公开(公告)日：2025-05-13
申请号：CN202510466455.0
申请日：2025-04-15
IPC: G06T5/90 , G06N3/0464 , G06T5/60 , G06T7/00
Abstract: 本发明公开了基于全局与局部注意力及细节增强的智能检测方法，具体涉及工业视觉智能检测技术领域，通过输入样本经过冻结参数的预训练的编码器提取多阶段特征，之后使用瓶颈层融合多尺度语义信息，之后馈送到多阶段重建网络；重建网络的每个阶段由多个FE模块串联，其中一个FE模块为重建组件，重建组件由全局和局部注意力模块SGL和细节增强模块DEH构成；全局和局部注意力模块SGL接收前一个FE模块或前一重建阶段的输出作为输入，提取全局和局部语义信息，输出的结果通过细节增强模块DEH进行细节增强以提高重建质量。
-
公开(公告)号：CN118797448B
公开(公告)日：2024-11-15
申请号：CN202411284257.4
申请日：2024-09-13
IPC: G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06F18/10 , G06F18/2131 , G06F123/02
Abstract: 本发明涉及机器故障诊断技术领域，公开了一种基于迁移学习的多尺度智能决策方法，包括：获取源域与目标域中的机械故障振动时序长信号，构建源域训练集与目标域训练集；在源域训练集中，对时序分信号进行预处理后，提取时域特征与频域特征，并映射为低维时域特征与低维频域特征；计算特征之间的互相关矩阵，构建互相关损失函数，来训练编码器，获取源域优化时域信号编码器，并迁移至目标域，与初始分类器，组成初始多尺度智能决策模型；对目标域时序分信号进行预测，与其真实标签，构建交叉熵损失函数，训练获取目标多尺度智能决策模型；将实时采集的机械故障振动时序长信号，预处理后分别输入目标多尺度智能决策模型中，获取对应的故障类别。
-
公开(公告)号：CN118940763A
公开(公告)日：2024-11-12
申请号：CN202411377901.2
申请日：2024-09-30
IPC: G06F40/295 , G06F40/216 , G06F40/284 , G06F16/35 , G06F18/2415 , G06F18/2431 , G06N3/0455
Abstract: 本发明涉及自然语言处理技术领域，提供了一种基于大模型的掩码增强命名实体识别方法，该方法包括：采集待识别文本数据；预处理得到输入序列，输入训练好的识别模型得到识别结果；识别模型训练过程包括：基于设定掩码策略对训练输入序列进行掩码处理得到掩码输入序列，送入BERT模型得到实体、掩码上下文表示特征；执行命名实体识别任务和预测掩码任务且共享参数，得到实体预测值和掩码预测值；基于实体上下文表示特征和实体预测值计算第一损失函数，基于掩码预测值计算第二损失函数；更新模型参数；评估模型性能，重复训练直至性能达到设定要求。本发明能够充分理解语义，泛化能力较强，语境依赖性捕捉能力较强，误识别和漏识别情况较少。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.032 seconds)
