一种基于对比表示蒸馏与输出蒸馏的病理图像分类方法

    公开(公告)号:CN116310525A

    公开(公告)日:2023-06-23

    申请号:CN202310194883.3

    申请日:2023-02-28

    Abstract: 本发明公开了一种基于对比表示蒸馏与输出蒸馏的病理图像分类方法,本发明采用对比表示学习设计了双蒸馏病理图像分类网络。其中,使用弱监督模型作为分类网络,大幅降低模型的数据依赖性,采用对比表示蒸馏使弱监督模型提取到更显著、更具区分度的深层特征,采用输出蒸馏可以通过高精度、高准确率的全监督模型来引导弱监督模型的优化方向。通过输出蒸馏和对比表示蒸馏使弱监督模型保持对正常组织样本高识别能力的同时大幅提升对不同肺癌亚型的预测能力。此外,通过设计深度门控注意力模块,具有实现对正常组织样本和肺癌亚型精准预测。

    一种MMC子模块电压降阶状态观测方法

    公开(公告)号:CN108063561A

    公开(公告)日:2018-05-22

    申请号:CN201711419712.7

    申请日:2017-12-25

    CPC classification number: H02M7/483

    Abstract: 本发明公开了一种MMC子模块电压降阶状态观测方法;本发明基于MMC直流侧状态方程,并通过环流值的反馈,构建了桥臂电压的观测模型,完成对桥臂电压的实时估算。环流值的反馈增强了系统对参数误差的适应性,无论变换器初值处于何种状态,观测器均能快速实现对桥臂电压的精确跟踪。该方法免去对底层子模块单元进行数据采集,仅需根据输出电压/电流参数和桥臂环流值即可快速实现对桥臂电压的精确估算,从而消除直流侧控制与底层子模块单元之间的数据交换。

    一阶传播的多节点分散式GM-PHD融合方法

    公开(公告)号:CN112748416A

    公开(公告)日:2021-05-04

    申请号:CN202011476489.1

    申请日:2020-12-15

    Abstract: 本发明公开了一阶传播的多节点分散式GM‑PHD融合方法,本发明为了研究分散式结构下的融合逻辑,在高斯混合概率假设密度估计器(GM‑PHD)的基础上,在传感器每个时刻只与相邻传感器进行单次通信的条件下,提出了一种多传感器分散式融合算法框架,实现了一阶传播的多节点分散式GM‑PHD融合算法。本发明配置结构明了,鲁棒性强,可广泛应用于多目标跟踪领域。

    一阶传播的多节点分散式GM-PHD融合方法

    公开(公告)号:CN112748416B

    公开(公告)日:2023-10-13

    申请号:CN202011476489.1

    申请日:2020-12-15

    Abstract: 本发明公开了一阶传播的多节点分散式GM‑PHD融合方法,本发明为了研究分散式结构下的融合逻辑,在高斯混合概率假设密度估计器(GM‑PHD)的基础上,在传感器每个时刻只与相邻传感器进行单次通信的条件下,提出了一种多传感器分散式融合算法框架,实现了一阶传播的多节点分散式GM‑PHD融合算法。本发明配置结构明了,鲁棒性强,可广泛应用于多目标跟踪领域。

    一种MMC全阶子模块电压状态观测方法

    公开(公告)号:CN108039830A

    公开(公告)日:2018-05-15

    申请号:CN201711419756.X

    申请日:2017-12-25

    CPC classification number: H02M7/49 H02M2007/4835

    Abstract: 本发明公开了一种MMC全阶子模块电压状态观测方法,本发明基于MMC直流侧状态方程,并通过环流值的反馈,构建了桥臂电压的观测模型,完成对桥臂电压的实时估算。环流值的反馈增强了系统对参数误差的适应性,无论变换器初值处于何种状态,全阶子模块电压状态观测器均能快速实现对桥臂电压的精确跟踪。本发明免去对底层子模块单元进行数据采集,仅需根据输出电压/电流参数和桥臂环流值即可快速实现对桥臂电压的精确估算,从而消除直流侧控制与底层子模块单元之间的数据交换。

    一种生物质炉燃烧优化的模型更新方法

    公开(公告)号:CN102799939A

    公开(公告)日:2012-11-28

    申请号:CN201210245037.1

    申请日:2012-07-16

    Abstract: 本发明涉及一种生物质炉燃烧优化的模型更新方法。本发明方法首先建立原有模型的预测超允许误差数据库,建立新模型,原模型需要更新时,选择预测超允许误差数据库中大于100组的工况数据,再在原模型的建模样本中随机选择大于20组的部分工况数据,将两部分数据共同作为训练样本,进行下一步的模型更新建模;确定新模型和原有模型的比例,将原有模型与新模型按最优的比例系数相结合,构成新的组合模型,从而实现生物质炉燃烧优化模型的更新。本发明方法减少了模型更新数据选择和处理的工作量,提高了模型更新的效率,满足了生物质炉燃烧在线优化的实际要求,保证了生物质炉燃烧优化的实时性和准确性。

Patent Agency Ranking