-
公开(公告)号：CN111594996B
公开(公告)日：2024-12-03
申请号：CN202010477527.9
申请日：2020-05-29
Applicant: 桂林电子科技大学
IPC: F24F11/64 , F24F11/61 , F24F11/77 , F24F11/58 , F24F110/12 , F24F110/22 , F24F110/32 , F24F130/20 , F24F140/12
Abstract: 本发明公开了一种基于深度置信神经网络的变风量空调送风量的预测方法，包括以下步骤：(1)确定用于训练基于深度置信神经网络的变风量空调送风量预测的输入参数；(2)利用MATLAB软件将步骤(1)中收集的输入参数和相对应的送风量作为训练样本导入到深度置信神经网络中，建立基于深度置信神经网络的变风量空调送风量预测模型的训练模型，对训练样本进行学习训练，不断地调整模型参数以得到最佳训练模型；(3)确定基于深度置信神经网络的变风量空调送风量预测模型，把测试样本导入到所述预测模型中，对测试样本的相对应的送风量进行预测。本发明的设计解决了传统变风量空调送风量预测模型中准确性和稳定性不足而导致建筑能耗较大的问题。
-
公开(公告)号：CN115098848B
公开(公告)日：2024-09-24
申请号：CN202210655341.7
申请日：2022-06-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多任务学习的小样本口令集合猜测方法，包括：对目标小样本口令集合和辅助训练口令集合进行预处理，获得每个口令集合的口令结构集合和数据段集合；构建多任务学习神经网络模型并利用目标小样本口令集合和辅助训练口令集合预处理后的口令结构集合进行多任务学习；利用目标小样本口令集合的口令结构集合对预训练后的神经网络模型进行训练；利用训练后的神经网络模型获得预测的口令结构集合；利用目标小样本口令集合的各数据段集合对预测的口令结构集合进行填充，生成猜测的口令集合。本发明利用多任务学习神经网络模型同时学习不同口令数据集，提高了口令猜测对小样本口令集合的破解率。
-
公开(公告)号：CN116317949A
公开(公告)日：2023-06-23
申请号：CN202310294575.8
申请日：2023-03-23
Applicant: 电子科技大学
Abstract: 本发明属于电子电路技术领域，具体涉及一种低功耗RC张弛振荡器。包括自偏置电流源、充放电电路、正阈值迟滞比较器以及两级限流反相器，自偏置电流源产生与电源电压无关的电流，充放电电路镜像自偏置电流源电流，受输出信号QA和输出信号QB的控制，对电容进行充放电，该电容两端的电压分别为正阈值迟滞比较器的输出电压，在电容的充放电过程中受输出信号QA的控制，通过改变输入对管的个数实现翻转阈值的改变。两级限流反相器产生输出信号QA和输出信号QB，并通过镜像自偏置电流源的电流来限制反相器在对负载电容充放电的过程中直接通路消耗的平均电流。低功耗RC张弛振荡器输出频率为30KHz，占空比为50％，平均功耗为149nA，频率表达式仅与电阻和电容有关。
-
公开(公告)号：CN111126361B
公开(公告)日：2022-04-19
申请号：CN202010143832.4
申请日：2020-03-04
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/774 , G06V10/778 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于半监督学习和特征约束的SAR目标鉴别方法，主要解决现有有标签训练SAR数据不充分导致过拟合和鉴别性能差的问题。其方案是：1)获取给定的有标签训练数据集、无标签训练数据集和测试样本集，对其进行预处理，得到新的训练集和新的测试集；2)构建基于特征约束的半监督SAR目标鉴别网络Ψ：3)将新的训练集输入到构建好的SAR目标鉴别网络Ψ中进行训练，得到训练好的网络Ψ′；4)将新的测试集输入到训练好的SAR目标鉴别网络Ψ′中，得到最终的目标鉴别结果。本发明利用半监督学习和特征约束，一定程度上减轻了有标签数据不充分导致的过拟合问题，增强了网络学习的特征的鉴别性，提升了网络SAR目标鉴别的性能。
-
公开(公告)号：CN111753470A
公开(公告)日：2020-10-09
申请号：CN202010622331.4
申请日：2020-06-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于粗糙集和深度置信神经网络的建筑能耗预测方法，包括以下步骤，步骤一：进行用于粗糙集约简建筑能耗影响因子的数据实测，确定各能耗等级的数值范围；步骤二：利用粗糙集对建筑能耗影响因子进行属性约简预处理；步骤三：进行用于深度神经网络预测建筑能耗的样本数据实测；步骤四：叠加受限玻尔兹曼机，构建深度置信神经网络对训练样本进行学习训练；步骤五：利用Matlab软件将经过属性约简后剩余的重要建筑能耗影响因子作为深度置信神经网络的输入参数，建筑能耗作为深度置信神经网络的输出，进行建筑能耗预测。本发明解决了传统建筑能耗预测方法中准确性不够和实用性不足的问题，为建筑能耗的预测提供了一种新的方法。
-
Patent Agency Ranking
公开(公告)号：CN106450785B
公开(公告)日：2020-02-18
申请号：CN201611107088.2
申请日：2016-12-06
Applicant: 电子科技大学
IPC: H01Q15/00
Abstract: 本发明属于人工电磁超材料领域，提供一种用于产生局域热点的电磁超材料结构，包括至少一个呈矩形排列的超材料结构单元，每个超材料结构单元包括基板、位于基板之上的人工超材料微结构，人工超材料微结构电场增强区域还覆盖有发热材料层；当电磁波照射时，所述人工超材料微结构产生电磁谐振形成电场增强区域，覆盖于人工超材料微结构电场增强区域的发热材料层在高电场作用下发热，产生局域热点。本发明利用电磁超材料的电场增强效应，在固体表面选择性地形成温度高于其他区域的热点；并且形成热点的过程是用电磁波照射的无线方式，通过调节电磁波的功率能够实现热点与其他区域温度梯度的调节。
-
公开(公告)号：CN107620206B
公开(公告)日：2020-02-07
申请号：CN201710790380.7
申请日：2017-09-05
IPC: D06M11/63 , C07C259/14 , D06M101/28
Abstract: 本发明涉及氰基化合物的偕胺肟化方法，属于偕胺肟基材料制备技术领域。本发明解决的技术问题是提供一种氰基转化率高的氰基化合物的偕胺肟化方法。该方法将羟胺盐溶液与氰基化合物在超临界流体中进行反应，得到偕胺肟基材料。本发明方法可以加快反应速率，缩短反应时间。同时，还能提高氰基转化率。此外，本发明方法简单，设备要求低，投资较小，易于实现大规模的工业化生产。
-
公开(公告)号：CN110309609A
公开(公告)日：2019-10-08
申请号：CN201910606867.4
申请日：2019-07-06
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于粗糙集和小波神经网络的建筑室内空气品质评价方法，包括以下步骤：(1)进行现场实测，得到的关于室内空气品质环境参数的样本数据，建立室内空气品质等级评价体系；(2)利用粗糙集理论对样本进行属性约简预处理；(3)利用Matlab软件将经过属性约简的环境参数作为小波神经网络的输入参数，建立小波神经网络训练模型对训练样本进行学习训练，并调试得到其最佳训练模型；(4)确定小波神经网络测试模型，把测试样本放入该训练好的测试模型中进行室内空气品质在线评价。本发明的评价方法解决了传统室内空气品质评价方法中主观性过强和实用性不够的问题，为建筑室内空气品质等级的客观评价提供了有效的解决方案。
-
公开(公告)号：CN106637446B
公开(公告)日：2019-05-31
申请号：CN201611154343.9
申请日：2016-12-14
Abstract: 本发明提出了陶瓷纳米纤维及其制备方法和设备。该制备陶瓷纳米纤维的方法，包括：提供具有可纺性的前驱体溶液，该前驱体溶液中含有陶瓷前驱体、聚合物和溶剂；利用气流将前驱体溶液拉伸为纳米纤维，并用收集器收集纳米纤维；对收集得到的纳米纤维进行烧结，得到陶瓷纳米纤维。该制备方法能够大量制备出超轻的、耐高温的、廉价的陶瓷纳米纤维，并且该制备方法快速、高效、节能，具有工业化大批量生产的潜力。
-
公开(公告)号：CN109558803A
公开(公告)日：2019-04-02
申请号：CN201811295552.4
申请日：2018-11-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络与NP准则的SAR目标鉴别方法，主要解决训练数据中目标与杂波样本数量失衡时，现有技术对目标测试样本的鉴别准确率较低的问题。其方案是：1.构建具有预处理网络的SAR目标鉴别网络框架；2.定义新的代价函数作为训练网络时的损失函数；3.将训练样本输入到构建好的SAR目标鉴别网络中，用新定义的损失函数对网络模型进行训练；4.待模型收敛后，将测试样本输入到训练好的SAR目标鉴别网络中，得到最终的目标鉴别结果。本发明对现有的交叉熵代价函数进行改进，并结合卷积神经网络将图像预处理问题转化为网络模型求解问题，有效地提高了目标鉴别的准确率，可用于目标与杂波训练样本不平衡时的目标鉴别。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.038 seconds)
