-
公开(公告)号：CN117418597A
公开(公告)日：2024-01-19
申请号：CN202311381701.X
申请日：2023-10-24
Applicant: 河北工业大学
Abstract: 本发明涉及房屋工程技术领域，且公开了一种房屋工程绿色建筑结构，包括房屋本体，房屋本体的顶部的一侧固定连接有二号蓄水池，二号蓄水池的顶部的一侧固定连接有过滤层，过滤层的顶部的一侧固定连接有一号蓄水池，一号蓄水池的顶部的一侧固定连接有房顶，一号蓄水池的底部的一侧固定连接有五号水管，二号蓄水池的底部的一侧固定连接有一号水管，二号水管的外部设置有喷洒机构，三号固定杆的外部设置有固定机构，通过上述技术方案，解决了现有技术中一般的房屋在雨水天气时，其楼顶上的水大都通过排水管全部排到地面上，从而没有对其进行合理的使用，造成了极大的浪费，而且在夏季炎热的时候因为天气较热，需要进行遮阳的问题。
-
公开(公告)号：CN113269818A
公开(公告)日：2021-08-17
申请号：CN202110641642.X
申请日：2021-06-09
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于深度学习的地震数据纹理特征重建方法。本发明采用纹理提取网络，用浅层卷积网络进行训练，该纹理提取网络随着训练的过程不断更新自己的参数，使得纹理提取网络能够提取到最合适的纹理特征信息。采用归一化内积的方法分别计算上采样低分辨率图像特征图Q中的一个特征块和下上采样参考图像特征图K的一个特征块的两两特征块之间的相似度ri，j，通过分块计算相似度来进行迁移学习，用注意力机制进行纹理迁移。在损失函数部分加入了对抗损失和感知损失。本发明能够自动更新参数，不需要其他的先验信息，并且可以学习复杂的纹理特征结构，有效地避免空间假频问题，能够快速重建出清晰的高分辨率地震数据。
-
公开(公告)号：CN112163611B
公开(公告)日：2021-04-06
申请号：CN202011014635.9
申请日：2020-09-24
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于特征张量的高维地震数据插值方法，包括数据的预处理、训练特征张量的提取、张量回归模型的训练学习和插值重建。本发明将张量回归模型应用于地震数据插值重建中，以张量作为输入特征进行训练，将原始特征直接输入至张量回归模型，并不破坏高维数据的结构信息，有效保留了原始特征中的结构信息，提高了高维地震数据的结构信息利用率，提高了机器学习方法的插值效果，提高了地震数据的恢复质量，进而提高了地震资料解释的准确性，实现了对不同类型不同维度地震数据的普适能力。
-
公开(公告)号：CN111830560A
公开(公告)日：2020-10-27
申请号：CN202010728475.8
申请日：2020-07-24
Applicant: 河北工业大学
Abstract: 本发明公开一种基于降秩算法的地震数据重建方法，其特征在于，该方法的操作步骤如下：第一步，获取时域上存在缺失的地震数据Y，设定最优秩为k；将地震数据Y转换为各频率切片的块Hankel矩阵；第二步，采用循环加权中位数算法对块Hankel矩阵的约束进行最小化以降低其秩，得到降秩块Hankel矩阵；第三步，对降秩块Hankel矩阵进行逆向变换，得到在频域内的重构数据 该方法将循环加权中值算法与Hankel预变换相结合，可以避免求解SVD；通过合成数据和实际数据实验，表明该方法具有更高的计算精度和效率。
-
公开(公告)号：CN110853011A
公开(公告)日：2020-02-28
申请号：CN201911095123.7
申请日：2019-11-11
Applicant: 河北工业大学
Abstract: 本发明用于肺结节检测的卷积神经网络模型的构建方法，涉及图像分析，是一种根据肺结节不同形态自适应提取特征的肺结节检测方法，引入了自适应卷积层和多尺寸特征图融合预测技术，充分考虑到CT图像中不同结节的大小以及形态差异，提高速度的同时也提高了精度，克服了现有技术使用的3D和2D卷积检测模型均存在使用不同的卷积神经网络提取特征没有充分考虑到CT图像中不同结节的形态差异和3D卷积网络的计算量比较大需要很大的内存空间，使得其应用受到限制的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN113269818B
公开(公告)日：2023-07-25
申请号：CN202110641642.X
申请日：2021-06-09
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于深度学习的地震数据纹理特征重建方法。本发明采用纹理提取网络，用浅层卷积网络进行训练，该纹理提取网络随着训练的过程不断更新自己的参数，使得纹理提取网络能够提取到最合适的纹理特征信息。采用归一化内积的方法分别计算上采样低分辨率图像特征图Q中的一个特征块和下上采样参考图像特征图K的一个特征块的两两特征块之间的相似度ri，j，通过分块计算相似度来进行迁移学习，用注意力机制进行纹理迁移。在损失函数部分加入了对抗损失和感知损失。本发明能够自动更新参数，不需要其他的先验信息，并且可以学习复杂的纹理特征结构，有效地避免空间假频问题，能够快速重建出清晰的高分辨率地震数据。
-
公开(公告)号：CN112700372B
公开(公告)日：2022-03-01
申请号：CN202110033783.3
申请日：2021-01-11
Applicant: 河北工业大学
IPC: G06T3/40 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/766 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种结合Gabor特征提取与支持向量回归的地震数据插值方法，该方法包括依次执行的预插值、Gabor特征提取、特征向量提取、训练回归函数和重建地震图像。对缺少地震道的缺失地震图像进行预插值补充完整，获得低分辨率地震图像，再对此低分辨率地震图像进行Gabor滤波，获得特征图像，接下来利用低分辨率地震图像和特征图像变换获得预测特征向量，再通过训练特征向量和标签训练回归函数，最后将预测特征向量输入到训练好的回归函数中，经过回归重建以及变换得到重建地震图像。本发明设计了结合Gabor滤波和SVR的地震数据插值算法，充分利用了Gabor特征提取获得的特征图像以及SVR的回归重建能力，获得了清晰完整的地震图像。
-
公开(公告)号：CN111830560B
公开(公告)日：2022-06-28
申请号：CN202010728475.8
申请日：2020-07-24
Applicant: 河北工业大学
Abstract: 本发明公开一种基于降秩算法的地震数据重建方法，其特征在于，该方法的操作步骤如下：第一步，获取时域上存在缺失的地震数据Y，设定最优秩为k；将地震数据Y转换为各频率切片的块Hankel矩阵；第二步，采用循环加权中位数算法对块Hankel矩阵的约束进行最小化以降低其秩，得到降秩块Hankel矩阵；第三步，对降秩块Hankel矩阵进行逆向变换，得到在频域内的重构数据该方法将循环加权中值算法与Hankel预变换相结合，可以避免求解SVD；通过合成数据和实际数据实验，表明该方法具有更高的计算精度和效率。
-
公开(公告)号：CN112163611A
公开(公告)日：2021-01-01
申请号：CN202011014635.9
申请日：2020-09-24
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于特征张量的高维地震数据插值方法，包括数据的预处理、训练特征张量的提取、张量回归模型的训练学习和插值重建。本发明将张量回归模型应用于地震数据插值重建中，以张量作为输入特征进行训练，将原始特征直接输入至张量回归模型，并不破坏高维数据的结构信息，有效保留了原始特征中的结构信息，提高了高维地震数据的结构信息利用率，提高了机器学习方法的插值效果，提高了地震数据的恢复质量，进而提高了地震资料解释的准确性，实现了对不同类型不同维度地震数据的普适能力。
-
公开(公告)号：CN111239014A
公开(公告)日：2020-06-05
申请号：CN202010021491.3
申请日：2020-01-09
Applicant: 河北工业大学
IPC: G01N15/06
Abstract: 本发明实施例公开了一种空气中PM2.5的检测方法、装置、设备及介质，所述方法包括：收集检测时间段内设定维度的原大气数据；对所述原大气数据进行预处理，以得到符合设定格式要求的第一大气数据；将所述第一大气数据输入至支持向量回归SVR检测模型，得到非时间序列的PM2.5检测结果；在所述第一大气数据中增加时间序列数据，获得第二大气数据，所述时间序列数据为获得所述原大气数据的实时时间数据；将所述第二大气数据输入至长短期记忆LSTM检测模型，得到时间序列的PM2.5检测结果；对所述非时间序列的PM2.5检测结果以及所述时间序列的PM2.5检测结果进行非线性叠加，获得检测时间段内空气中PM2.5的检测结果。通过采用上述技术方案，可获得较准确的PM2.5检测结果。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.048 seconds)
