-
公开(公告)号：CN116080423A
公开(公告)日：2023-05-09
申请号：CN202310340662.2
申请日：2023-04-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于ROS的集群无人车能源供给系统及其执行方法，涉及ROS智能无人车技术领域。本发明具体提供了一种基于ROS系统，配备激光雷达，能实现多车自主协同建图导航，云端同步更新数据的多车集群技术。主车缺电时电源供给车自动前往主车位置，通过无线充电模块实现自动对准与能源补给，并可以将该过程的所有的建图数据和小车信息通过在云端部署的服务器发送给远程上位机来实现远程监控。该发明中的整套充电系统、ROS系统、通信系统和底盘驱动可以大幅提高抢险救灾中的灾区建图效率、执行效率，并且可以给系统的稳定运行提供能源保障。
-
公开(公告)号：CN114298200A
公开(公告)日：2022-04-08
申请号：CN202111589040.0
申请日：2021-12-23
Applicant: 电子科技大学(深圳)高等研究院
IPC: G06K9/62
Abstract: 本发明公开了一种基于深度并行时序关系网络的异常数据诊断方法，在工业生产系统的各种异常工况下采集特征数据并标准化得到训练数据矩阵，然后提取得到特征向量序列，将特征向量序列作为输入、对应的异常工况序号作为输出构成训练样本，构建DPTRN模型，包括关系模块、解耦位置向量计算模块、关系权重计算模块、历史信息向量计算模块、向量拼接模块和多层感知器，采用训练样本对DPTRN模型进行训练，当需要对工业生产系统进行异常数据诊断时，采集得到当前时刻的数据矩阵并输入训练好的DPTRN模型，得到异常数据诊断结果。采用本发明可以提高时序数据的处理速度，并保证了异常数据检测性能。
-
公开(公告)号：CN114298200B
公开(公告)日：2024-06-11
申请号：CN202111589040.0
申请日：2021-12-23
Applicant: 电子科技大学(深圳)高等研究院
IPC: G06F18/2113
Abstract: 本发明公开了一种基于深度并行时序关系网络的异常数据诊断方法，在工业生产系统的各种异常工况下采集特征数据并标准化得到训练数据矩阵，然后提取得到特征向量序列，将特征向量序列作为输入、对应的异常工况序号作为输出构成训练样本，构建DPTRN模型，包括关系模块、解耦位置向量计算模块、关系权重计算模块、历史信息向量计算模块、向量拼接模块和多层感知器，采用训练样本对DPTRN模型进行训练，当需要对工业生产系统进行异常数据诊断时，采集得到当前时刻的数据矩阵并输入训练好的DPTRN模型，得到异常数据诊断结果。采用本发明可以提高时序数据的处理速度，并保证了异常数据检测性能。
-
公开(公告)号：CN116080423B
公开(公告)日：2023-06-27
申请号：CN202310340662.2
申请日：2023-04-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于ROS的集群无人车能源供给系统及其执行方法，涉及ROS智能无人车技术领域。本发明具体提供了一种基于ROS系统，配备激光雷达，能实现多车自主协同建图导航，云端同步更新数据的多车集群技术。主车缺电时电源供给车自动前往主车位置，通过无线充电模块实现自动对准与能源补给，并可以将该过程的所有的建图数据和小车信息通过在云端部署的服务器发送给远程上位机来实现远程监控。该发明中的整套充电系统、ROS系统、通信系统和底盘驱动可以大幅提高抢险救灾中的灾区建图效率、执行效率，并且可以给系统的稳定运行提供能源保障。
-
Patent Agency Ranking
公开(公告)号：CN110348214B
公开(公告)日：2021-06-08
申请号：CN201910638126.4
申请日：2019-07-16
Applicant: 电子科技大学
Abstract: 本发明涉及对恶意代码检测的方法及系统，方法包括：A.对训练数据集中单个PE文件的二进制数据提取相应特征；B.对所述特征降维处理；C.通过门控卷积网络提取二进制数据的特征为深度学习模型前半部分；D.将降维后的特征与步骤C得到的特征向量组合后，输入到作为深度学习模型后半部分的全连接神经网络中，生成最终的待分类特征向量；E.所有的PE文件都生成了对应的待分类特征向量；F.对所有待分类特征向量分类后与测试数据集中已知的类别进行比较以验证深度学习模型的正确性，并通过调整参数获得最优的深度学习模型。本发明能够不受恶意代码指令变换的影响，准确检测出未知软件中是否包含恶意代码，并且还提高了检测效率。
-
公开(公告)号：CN110443367A
公开(公告)日：2019-11-12
申请号：CN201910699736.5
申请日：2019-07-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种增强神经网络模型鲁棒性能的方法，属于人工智能技术领域，首先将原始样本输入待增强的原始神经网络进行分类预测，得到预测标签；利用所述原始神经网络构建替代神经网络，并扩展原始样本集，提高替代神经网络的准确率；利用所述原始样本生成对抗样本，并将所述对抗样本与原始样本进行混合，得到混合样本；将所述混合样本输入所述替代神经网络，对所述替代神经网络进行训练，得到增强型的替代神经网络，本发明在保证该替代网络仍然拥有近似于原模型的准确率的同时，使用替代网络拟合原有的黑盒模型，并使用对抗样本和原样本混合作为数据集，有效地增强了未知的原有模型的鲁棒性。
-
公开(公告)号：CN110348214A
公开(公告)日：2019-10-18
申请号：CN201910638126.4
申请日：2019-07-16
Applicant: 电子科技大学
Abstract: 本发明涉及对恶意代码检测的方法及系统，方法包括：A.对训练数据集中单个PE文件的二进制数据提取相应特征；B.对所述特征降维处理；C.通过门控卷积网络提取二进制数据的特征为深度学习模型前半部分；D.将降维后的特征与步骤C得到的特征向量组合后，输入到作为深度学习模型后半部分的全连接神经网络中，生成最终的待分类特征向量；E.所有的PE文件都生成了对应的待分类特征向量；F.对所有待分类特征向量分类后与测试数据集中已知的类别进行比较以验证深度学习模型的正确性，并通过调整参数获得最优的深度学习模型。本发明能够不受恶意代码指令变换的影响，准确检测出未知软件中是否包含恶意代码，并且还提高了检测效率。
-
公开(公告)号：CN110378103B
公开(公告)日：2022-11-25
申请号：CN201910659251.3
申请日：2019-07-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于OpenFlow协议的微隔离防护方法及系统，属于互联网技术领域，解决现有技术中针对海量虚拟机网络东西流量访问控制，要么耗费带宽进行引流，要么产生负载、与客户机竞争资源的问题。本发明通过获得的持续化的流表获取虚拟机间的网络通联关系；基于网络通联关系，利用改进的MCL算法将所有虚拟机分成多个微隔离组；针对每个微隔离组、虚拟机运行服务所必需的通信端口，以及虚拟机预定义的服务类型生成针对微隔离组和微隔离组内虚拟机的隔离策略。本发明用于虚拟化环境下，由多台VM构建的虚拟网络进行微隔离防护。
-
公开(公告)号：CN110378103A
公开(公告)日：2019-10-25
申请号：CN201910659251.3
申请日：2019-07-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于OpenFlow协议的微隔离防护方法及系统，属于互联网技术领域，解决现有技术中针对海量虚拟机网络东西流量访问控制，要么耗费带宽进行引流，要么产生负载、与客户机竞争资源的问题。本发明通过获得的持续化的流表获取虚拟机间的网络通联关系；基于网络通联关系，利用改进的MCL算法将所有虚拟机分成多个微隔离组；针对每个微隔离组、虚拟机运行服务所必需的通信端口，以及虚拟机预定义的服务类型生成针对微隔离组和微隔离组内虚拟机的隔离策略。本发明用于虚拟化环境下，由多台VM构建的虚拟网络进行微隔离防护。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.037 seconds)
