公开(公告)号：CN118965075A

公开(公告)日：2024-11-15

申请号：CN202411111433.4

申请日：2024-08-14

Applicant: 河南大学

Inventor： 刘扬 ,  张洪霞 ,  王全强 ,  张硕 ,  周黎鸣 ,  张婉君

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/25 ,  G06N3/049 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供面向无人自主系统的类脑奖惩机制的多模态身份识别方法。该方法包括以下步骤：步骤S1：获取目标用户的多模态数据，对所述多模态数据进行预处理；步骤S2：构建脉冲神经网络，所述脉冲神经网络包括特征提取模块和融合模块；步骤S3：利用奖惩机制和预设的目标函数对脉冲神经网络的权重进行优化，得到身份识别模型；步骤S4：将预处理后的目标用户的多模态数据输入至身份识别模型，得到目标用户的身份。通过模拟人脑处理信息的方式设计脉冲神经网络身份识别架构，该网络能够处理和分析来自不同数据源的输入数据，并通过类脑机制进行特征融合和网络权重调整，实现对用户的快速、准确身份识别，可解决复杂环境下的多模态身份识别问题。

公开(公告)号：CN118072088A

公开(公告)日：2024-05-24

申请号：CN202410210979.9

申请日：2024-02-27

Applicant: 河南大学

Inventor： 刘扬 ,  李蕊 ,  张洪霞 ,  葛强 ,  田军锋

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06V20/13 ,  G06N3/049 ,  G06N3/096 ,  G06N3/092 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 基于神经脉冲激活和迁移强化学习等类脑机制本发明提供一种可见光‑红外跨波段遥感图像分类方法。包括：基于可见光遥感图像数据集对预设脉冲神经网络进行训练，得到可见光图像分类模型；采用预设脉冲神经网络作为初始红外遥感图像分类模型，将可见光图像分类模型的网络权重迁移到初始红外图像分类模型，对最后一层的权重参数随机初始化；微调、评估和验证迁移后的红外图像分类模型，获得红外图像分类模型；将待测的成对可见光和红外图像分别输入至可见光图像分类模型和最终红外图像分类模型，得到跨波段图像分类结果。本发明可解决高光谱图像分类不同波段的数据不平衡和高能耗问题。

公开(公告)号：CN114549973A

公开(公告)日：2022-05-27

申请号：CN202210084998.2

申请日：2022-01-25

Applicant: 河南大学

Inventor： 刘扬 ,  曹珂境 ,  王瑞毅 ,  田猛 ,  张洪霞 ,  李蕊 ,  周黎鸣

IPC: G06V20/10 ,  G06F17/16 ,  G06K9/62 ,  G06N3/04 ,  G06N3/06 ,  G06N3/08 ,  G06V10/77 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明提供一种面向软件定义卫星的高光谱图像类脑分类方法。该方法包括以下步骤：步骤1：在地面控制中心内构建并训练基于类脑注意力机制的脉冲神经网络模型ASNN，所述ASNN模型用于对高光谱图像进行分类；步骤2：将训练好的ASNN模型上传至软件定义卫星，并在所述软件定义卫星内部署好支持所述ASNN模型运行的软硬件环境；步骤3：所述地面控制中心控制所述软件定义卫星获取高光谱图像；步骤4：在所述软件定义卫星内对所述高光谱图像进行预处理后输入至所述ASNN模型，得到高光谱图像的分类结果；步骤5：所述地面控制中心从所述软件定义卫星处下载所述高光谱图像和对应的分类结果。

公开(公告)号：CN114549973B

公开(公告)日：2024-09-06

申请号：CN202210084998.2

申请日：2022-01-25

Applicant: 河南大学

Inventor： 刘扬 ,  曹珂境 ,  王瑞毅 ,  田猛 ,  张洪霞 ,  李蕊 ,  周黎鸣

IPC: G06V20/10 ,  G06F17/16 ,  G06N3/0464 ,  G06N3/06 ,  G06N3/08 ,  G06V10/77 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明提供一种面向软件定义卫星的高光谱图像类脑分类方法。该方法包括以下步骤：步骤1：在地面控制中心内构建并训练基于类脑注意力机制的脉冲神经网络模型ASNN，所述ASNN模型用于对高光谱图像进行分类；步骤2：将训练好的ASNN模型上传至软件定义卫星，并在所述软件定义卫星内部署好支持所述ASNN模型运行的软硬件环境；步骤3：所述地面控制中心控制所述软件定义卫星获取高光谱图像；步骤4：在所述软件定义卫星内对所述高光谱图像进行预处理后输入至所述ASNN模型，得到高光谱图像的分类结果；步骤5：所述地面控制中心从所述软件定义卫星处下载所述高光谱图像和对应的分类结果。

公开(公告)号：CN117130585A

公开(公告)日：2023-11-28

申请号：CN202311099366.4

申请日：2023-08-29

Applicant: 河南大学

Inventor： 刘扬 ,  石泽钊 ,  张洪霞 ,  王玖豪 ,  周黎鸣 ,  左宪禹

IPC: G06F8/10 ,  G06F8/20

Abstract: 本发明提供一种基于功能‑行为‑结构(FBS)的软件定义卫星的系统设计方法。该方法包括：步骤1：将软件定义卫星系统分为智能终端子系统、云中心子系统和智能卫星子系统；步骤2：设计智能终端子系统、云中心子系统和智能卫星子系统的功能层F；步骤3：设计智能终端子系统、云中心子系统和智能卫星子系统的行为层B；步骤4：根据设计的功能层F和行为层B映射出智能终端子系统、云中心子系统和智能卫星子系统的结构层S。通过功能、行为和结构三个层次的划分，结合面向对象和结构化软件工程方法，实现软件定义卫星的功能复用和系统架构的可重构。

公开(公告)号：CN115410079A

公开(公告)日：2022-11-29

申请号：CN202211075043.7

申请日：2022-09-02

Applicant: 河南大学

Inventor： 刘扬 ,  王瑞毅 ,  王玖豪 ,  石泽钊 ,  曹珂境 ,  李蕊 ,  张洪霞 ,  党兰学

IPC: G06V20/05 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G01S7/539

Abstract: 本发明提供一种基于脉冲神经网络的合成孔径声呐图像目标检测方法。该方法包括：步骤1：构建深度卷积神经网络，采用合成孔径雷达SAR标注图像对所述深度卷积神经网络进行训练得到面向SAR图像的目标检测模型DCNSAR；步骤2：利用脉冲神经元将所述深度卷积神经网络转化为脉冲神经网络，以所述目标检测模型DCNSAR的权重作为所述脉冲神经网络的初始权重，采用合成孔径声呐SAS标注图像对所述脉冲神经网络进行训练得到面向SAS图像的目标检测模型DSNSAS；步骤3：获取待检测SAS图像，采用所述目标检测模型DSNSAS对所述待检测SAS图像进行滑动检测，对其中的目标进行定位和标注。