-
公开(公告)号：CN118646919A
公开(公告)日：2024-09-13
申请号：CN202410863039.X
申请日：2024-06-29
Applicant: 湖北工业大学
IPC: H04N21/2662 , H04N21/462 , G06N3/045 , G06N3/0442 , G06N3/092
Abstract: 本发明提供基于注意力机制的无人机视频流码率自适应传输方法，包括以下步骤：根据无人机视频流传输特点，构建一种边缘设备辅助的无人机视频流传输模型。针对模型中通信环境复杂性造成码率决策不准确的问题，引入Transformer编码器对多个时隙下的信道增益、障碍物遮挡概率、视频流传输状态和无人机剩余能量进行注意力编码，通过建立当前状态和历史状态之间的依赖关系，提高复杂环境的语义表征能力。在此基础上，使用深度强化学习网络在编码后的多时隙环境状态序列上预测最优码率，以达到最大化提升用户体验质量(QoE,qual ity of experience)和最小化能耗的目的。该方法在满足用户QoE要求和能耗方面具有更好的表现。
-
公开(公告)号：CN116992258A
公开(公告)日：2023-11-03
申请号：CN202310974597.9
申请日：2023-08-02
Applicant: 湖北工业大学
IPC: G06F18/2111 , G06F18/2113 , G06F18/214 , G06F16/35 , G06F40/216 , G06F40/284 , G06N3/06
Abstract: 本发明公开了一种基于改进蚁群优化算法的多标签文本特征选择方法，包括以下步骤：步骤1、数据准备，对文本数据集进行预处理；步骤2、环境准备，转换得到的文本向量和标签向量使用岭回归提取特征标签相关性；步骤3、蚁群优化；步骤4、特征选择并输出迭代后的信息素。本发明通过蚁群在有监督和无监督加权图中游走，寻找在这两个监督范式下冗余性都较低的特征，同时通过节点中心性自适应的调整蚁群在不同数据集上迭代过程中所需游走的特征个数，通过参数的自适应提高蚁群的搜索能力，平衡探索与开发的能力。通过以上两个策略提升蚁群的优化能力，使得蚁群能捕获具有判别力的特征，获得最优特征子集。
-
公开(公告)号：CN116866347A
公开(公告)日：2023-10-10
申请号：CN202310959414.6
申请日：2023-08-01
Applicant: 湖北工业大学 , 武汉烽火技术服务有限公司
IPC: H04L67/10 , H04L41/142 , G06N3/126
Abstract: 本发明提供一种基于Two_Arch2算法的工业物联网节点数优化方法，利用非支配排序方法对Two_Arch2算法中种群CA和DA进行更新，将解集按照其在多目标优化问题中的优劣程度进行分类和排序，并将没有被任何其他个体支配的解放入DA中，在对CA种群进行更新时引入基于偏移的密度估计指标，并且用随机排序法对两个指标进行了平衡，引导种群以较快的速度收敛到真实的帕累托前沿，可用于工业物联网相关技术领域中；本发明采用的更新方法和评价方法能够提高区块链系统吞吐率和降低系统成本，同时降低因节点导致的通讯时延开销，为工业物联网部署时寻找最优节点数，提高系统的可扩展性，能够满足工业物联网部署时的要求。
-
公开(公告)号：CN117315534A
公开(公告)日：2023-12-29
申请号：CN202311233285.9
申请日：2023-09-22
Applicant: 湖北工业大学 , 西宁市大数据服务管理局 , 西宁卓尔信息科技有限公司
IPC: G06V20/40 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/006 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于VGG‑16和鲸鱼优化算法的短视频分类方法，将获取的视频帧图像输入到VGG‑16网络中进行特征提取，利用定义的视频分类性能评价函数，通过利用鲸鱼优化算法对VGG‑16网络中的特征权重最优参数问题优化求解，从而可以快速的获得最优特征权重参数，可用于计算机视频分类相关技术领域中，该分类方法能够提高算法的效率，能够满足短视频快速分类的应用要求，使用VGG‑16卷积神经网络来有效地提取视频帧中特征，提高了提取有效特征的能力，为后续根据特征进行短视频分类奠定了基础，充分解决了目前技术中全连接层中计算量大，计算时间长的问题，更加快速地进行短视频的分类。
-
公开(公告)号：CN118764914A
公开(公告)日：2024-10-11
申请号：CN202410863028.1
申请日：2024-06-28
Applicant: 湖北工业大学
Abstract: 本发明提供一种基于强化学习的无人机辅助边缘计算公平任务卸载方法，包括以下步骤：步骤一、建立系统模型，进行公式化处理，系统模型包括通信模型，计算模型和能耗模型；步骤二、提供问题描述与构建；步骤三、使用强化学习算法求解多约束优化问题；步骤四、性能分析，包括长期奖励回报以及在不同用户设备数量和通信条件下对平均时延，平均能耗和计算服务公平性的评价。该方法的计算服务公平性始终高于其他算法，表明在平衡不同用户设备任务卸载量、提高计算服务公平性方面具有良好效果，不仅在平均奖励值、时延、能耗和计算服务公平性方面表现出优势，并且在不同用户设备数量下具有良好的适应性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN118709090A
公开(公告)日：2024-09-27
申请号：CN202410863034.7
申请日：2024-06-28
Applicant: 湖北工业大学
IPC: G06F18/2431 , G06F18/214 , G06F17/16 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种涡旋光通信轨道角动量的模式识别模型的训练方法。将图像输入到待训练的模型提取全局特征；将全局特征输入卷积层生成全局特征表示，生成全局预测分数；通过全局特征和全局预测分数定位对象区域，并生成标签注意力图，学习标签区域相关性生成预测分数；将对象区域输入模型提取局部特征；将局部特征输入卷积层生成局部特征表示，生成局部预测分数；将标签区域相关性的预测分数与局部预测分数聚合，得到最终的局部预测分数；通过全局预测分数和最终的局部预测分数计算损失，使用反向传播进行优化，得到最终模型。分类结果取全局预测分数和最终的局部预测分数中每个类别预测分数的最大值，从而能够识别混合多模式涡旋光束轨道角动量。
-
公开(公告)号：CN118861514A
公开(公告)日：2024-10-29
申请号：CN202410863045.5
申请日：2024-06-29
Applicant: 湖北工业大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/241 , G06N3/084 , G06N3/006 , G06F17/10
Abstract: 本发明提供一种基于杂种优势理论工业制造数据特征选择方法及系统，涉及机器学习领域，包括以下步骤：数据准备，进行预处理；设置算法相关参数，利用反向学习初始化种群；计算平衡因子，决定白鲸进入探索阶段或开发阶段，更新个体位置信息；计算鲸落概率，调节运动轨迹；当前的迭代次数达到预定迭代条件时，则进行最优邻域搜索；计算所有白鲸的目标函数值，进行非支配排序，选择第一非支配前沿的个体更新外部存档；输出非支配解集。本发明将特征选择建模为多目标优化问题，以数据分类性能和特征子集所占比例为目标函数，利用基于杂种优势理论改进的白鲸优化算法，获得一组最优特征子集来满足机器学习分类器的要求。
-
公开(公告)号：CN118658076A
公开(公告)日：2024-09-17
申请号：CN202410844554.3
申请日：2024-06-27
Applicant: 湖北工业大学
IPC: G06V20/13 , G06V10/20 , G06V10/40 , G06V10/774 , G06V10/80
Abstract: 本发明属于遥感定向目标检测领域，公开了一种优化遥感定向小目标检测的回归损失函数计算方法及系统，本发明通过结合目标自身的形状和尺度对定向目标检测模型的回归损失进行约束，提高定向目标检测模型对于遥感图像中目标自身形状的敏感程度，从而提升定向小目标的检测精度。相比于其它的增强特征融合和注意力机制的方法，本发明可以在不提升模型参数量和不影响模型推理速度的情况下，大幅度提升遥感图像中定向小目标检测的精度，具备通用性和高效性。
-
公开(公告)号：CN118037118A
公开(公告)日：2024-05-14
申请号：CN202410207109.6
申请日：2024-02-26
Applicant: 武汉烽火技术服务有限公司 , 湖北工业大学
IPC: G06Q10/0639 , G06Q50/26 , G06F18/21
Abstract: 本发明涉及电信网络和人工智能领域，特别是涉及一种网络人工智能系统生命周期碳排放的评估方法和装置。主要包括：根据网络人工智能系统每个领域在生产时和使用时的能耗和碳强度，获取每个领域碳排放量的计算方法，并根据相应的计算方法建立该领域在每个评估阶段的碳排放模型；对于每个评估阶段，分别获取该评估阶段所涉及的领域的碳排放模型，根据相应的碳排放模型对网络人工智能系统生命周期碳排放进行评估。本发明可以快速有效的完成网络AI系统的碳排放评估。
-
公开(公告)号：CN117808905A
公开(公告)日：2024-04-02
申请号：CN202311872590.2
申请日：2023-12-29
Applicant: 湖北工业大学 , 西宁市大数据服务管理局 , 西宁卓尔信息科技有限公司
IPC: G06T9/00 , G06N3/0464 , G06N3/084 , G06N3/082 , G06V10/82 , G06V10/766
Abstract: 本发明公开了一种目标检测模型的压缩方法。先搭建由通道重排层、卷积层、归一化层、激活层、深度可分离卷积层、通道拼接层组成的轻量化特征提取模块；使用轻量化特征提取模块替换原始目标检测模型中的特征提取模块，得到轻量化目标检测模型；将原始目标检测模型作为教师模型，轻量化目标检测模型作为学生模型，采用一般概率分布的方式来表示目标检测模型的定位信息，进行概率分布蒸馏，提高了学生模型的检测精度，得到压缩后的模型。在原始目标检测模型的残差连接之前加入通道重排操作，方便特征复用；将残差连接中的逐元素“相加”操作替换为拼接操作，在深度可分离卷积之后没有时使用激活层，降低了逐元素的计算耗时，提高了模型的检测速度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
