-
公开(公告)号:CN114926838A
公开(公告)日:2022-08-19
申请号:CN202210577258.2
申请日:2022-05-25
Applicant: 哈尔滨理工大学
IPC: G06V30/10 , G06V30/18 , G06V30/22 , G06V30/244 , G06V30/28 , G06V30/30 , G06V10/40 , G06V10/82 , G06V20/62 , G06N3/04 , G06N3/08
Abstract: 一种基于编解码和自注意力模型的手写数学公式识别方法,属于文字识别算法领域。目前针对手写体数字识别模型存在的识别准确性低。一种基于编解码和自注意力模型的手写数学公式识别方法,(1)采用FCN作为编码器,从原始输入图片中提取高维视觉特征;(2)采用LSTM作为编码器生成输出LaTeX序列;(3)在编解码器的基础上加自注意力模型,自注意力模型结合FCN编码器进行字符分割,结合LSTM解码器进行结构分析;对每个输入项分配的权重取决于输入项之间的相互作用,即通过输入项内部的表决决定应该关注哪些输入项。本发明提高了手写公式的识别准确率。
-
公开(公告)号:CN114994517A
公开(公告)日:2022-09-02
申请号:CN202210786106.3
申请日:2022-07-04
Applicant: 哈尔滨理工大学
IPC: G01R31/316 , G06K9/62
Abstract: 一种用于模拟电路的软故障诊断方法,它属于模拟电路故障诊断领域。本发明解决了采用现有方法对模拟电路进行软故障诊断时所获得的准确率低的问题。本发明为了最大限度的排出信号中的干扰信息,大幅度减少模态混叠的影响,对于原始信号采取了VMD分解;为了避免分形维数估计的不稳定,本发明采用基于数学形态学的分形维数计算方法;最后将经过KPCA降维处理过的数据输送到支持向量机中建模分类。本发明方法可以应用于模拟电路的软故障诊断和分类。
-