-
公开(公告)号：CN118673129A
公开(公告)日：2024-09-20
申请号：CN202410682797.1
申请日：2024-05-29
Applicant: 电子科技大学
IPC: G06F16/335 , G06F16/332 , G06F16/35 , G06N3/0442 , G06N3/088 , G06F18/23
Abstract: 本发明提供一种在会话推荐中从时空角度解析用户层次意图的方法，训练步骤包括意图感知步骤、时间意图解耦步骤、特征变换步骤、物品预测步骤和跨尺度对比学习步骤。相比较传统的会话推荐模型，本发明创新性地引入了层次化意图的概念，使用时间意图解耦模块将长期意图和短期意图从原始会话中解耦，从而避免其在学习过程中的相互干扰。其次，为了利用空间维度意图的相容性，HearInt还提出了一个跨尺度的对比学习损失计算方法，有利于模型在进行意图感知时将大尺度意图信息融入小尺度意图之中，从而丰富小尺度意图的信息量。本发明不但丰富了当前会话表示的信息量，充分挖掘的用户意图能在会话推荐引用中实现当前最好的推荐效果。
-
公开(公告)号：CN115983369B
公开(公告)日：2024-07-30
申请号：CN202310053478.X
申请日：2023-02-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种快速估计自动驾驶深度视觉感知神经网络不确定性的方法，在已有的一个不含Dropout的预测层基础上，增加含有N个相同结构的随机Dropout预测层，构成N+1通道随机Dropout推理预测模块，这样，进行一次不确定性推理便得到预测结果的不确定性和准确的预测结果，节省了不确定性估计所使用的时间。此外，本发明中，最终的预测结果为权重均值，使得预测结果更为准确，同时，N组有差异的预测结果的置信度分数熵进行sigmoid函数运算，得到的目标分数熵#imgabs0#作为不确定性估计值，这样比简单的方差跟更为准确地反应自动驾驶深度视觉感知神经网络不确定性，从而提高不确定性估计的准确度。
-
公开(公告)号：CN117746204B
公开(公告)日：2024-05-07
申请号：CN202410184532.9
申请日：2024-02-19
Applicant: 电子科技大学
IPC: G06V10/80 , G06V10/82 , G06V10/766 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明属于自动驾驶领域，具体为一种基于图像和毫米波雷达融合的概率目标检测方法。该方法包括:分别对预处理后毫米波雷达数据和图像数据进行特征提取，得到第一特征图和第二特征图；对第一特征图和第二特征图进行拼接后，使用融合特征模块进行特征融合，得到第一融合特征图；将第一融合特征图输入到基于全局注意力的Transformer模块中获取二次提取的图像特征；将二次提取的图像特征输入至概率目标检测网络中，预测出2D目标物体所在位置、类别及类概率、目标所在位置预测的不确定性值、类别及类概率的不确定性值。本发明能够在提供检测性能的同时，实现了自然环境影响下神经网络输入数据的不确定性量化。
-
公开(公告)号：CN119271398A
公开(公告)日：2025-01-07
申请号：CN202411293615.8
申请日：2024-09-14
Applicant: 杭州电子科技大学
Abstract: 发明公开了面向深度强化学习模型训练的异构算力资源配置优化方法，针对model‑based Muzero系列算法的核心组件，构建了一个异构图来描述组件的特征以及数据流动关系，基于多头注意力的节点‑边编码器将节点和边的特征映射到同一隐藏空间，利用汇总的全局特征预测不同配置下的算法训练时间。再利用模拟退火算法，根据模型输出的预测训练时间进行配置优化。根据优化后的配置分配CPU资源、GPU资源和内存资源，进行训练任务。根据训练结果计算资源均衡因子，评估资源配置方案，持续监控与优化。该方法实现模型训练过程中性能与资源消耗间的最佳平衡，显著提升模型训练的效率和效果，降低了复杂场景下资源配置优化的技术难度。
-
Patent Agency Ranking
公开(公告)号：CN115437924A
公开(公告)日：2022-12-06
申请号：CN202210989094.4
申请日：2022-08-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种端到端自动驾驶决策算法的不确定性估计方法，属于自动驾驶领域。是以n个基于多视角的端到端决策算法，构建的端到端网络模型作为基础模型；将公共数据集作为训练数据集，并按照比例随机划分为总训练集和验证集；将总训练集数据均为分n份子数据集，n份子数据集中的每一份子数据集负责训练验证一个端到端网络模型；由于在训练前对每个端到端网络模型的参数进行了随机初始化，从而能够得到不同参数相同结构的N个端到端决策网络作为最终的决策网络模型。然后利用该模型对同一场景进行推理，每个网络分别推理得到的结果使用集合计算，以此来计算出网络对于转角和速度估计的不确定性，提升了不确定度估算的准确率。
-
公开(公告)号：CN114742731A
公开(公告)日：2022-07-12
申请号：CN202210385334.X
申请日：2022-04-13
IPC: G06T5/00 , G06T7/00 , G06T7/33 , G06V10/762 , G06V10/764 , G06K9/62 , A61B5/055 , A61B5/00
Abstract: 本发明提出了一种基于偏最小二乘相关的fMRI图像聚类系统及方法，实现步骤为：对每张fMRI图像进行预处理；在每张预处理后fMRI图像上计算功能连接特征，得到功能连接特征矩阵；对量表数据进行预处理，得到量表特征矩阵；使用偏最小二乘相关方法，在功能连接特征矩阵和量表特征矩阵上计算大脑表征特征；使用大脑表征特征矩阵对待聚类的fMRI图像进行聚类。本发明利用偏最小二乘相关对fMRI图像特征和量表特征计算大脑表征特征来聚类fMRI图像，能够得到稳定的聚类结果，具有方法适用性广、聚类特征可解释性强、聚类结果稳定性高的优点。
-
公开(公告)号：CN117746204A
公开(公告)日：2024-03-22
申请号：CN202410184532.9
申请日：2024-02-19
Applicant: 电子科技大学
IPC: G06V10/80 , G06V10/82 , G06V10/766 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明属于自动驾驶领域，具体为一种基于图像和毫米波雷达融合的概率目标检测方法。该方法包括:分别对预处理后毫米波雷达数据和图像数据进行特征提取，得到第一特征图和第二特征图；对第一特征图和第二特征图进行拼接后，使用融合特征模块进行特征融合，得到第一融合特征图；将第一融合特征图输入到基于全局注意力的Transformer模块中获取二次提取的图像特征；将二次提取的图像特征输入至概率目标检测网络中，预测出2D目标物体所在位置、类别及类概率、目标所在位置预测的不确定性值、类别及类概率的不确定性值。本发明能够在提供检测性能的同时，实现了自然环境影响下神经网络输入数据的不确定性量化。
-
公开(公告)号：CN115983369A
公开(公告)日：2023-04-18
申请号：CN202310053478.X
申请日：2023-02-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种快速估计自动驾驶深度视觉感知神经网络不确定性的方法，在已有的一个不含Dropout的预测层基础上，增加含有N个相同结构的随机Dropout预测层，构成N+1通道随机Dropout推理预测模块，这样，进行一次不确定性推理便得到预测结果的不确定性和准确的预测结果，节省了不确定性估计所使用的时间。此外，本发明中，最终的预测结果为权重均值，使得预测结果更为准确，同时，N组有差异的预测结果的置信度分数熵进行sigmoid函数运算，得到的目标分数熵作为不确定性估计值，这样比简单的方差跟更为准确地反应自动驾驶深度视觉感知神经网络不确定性，从而提高不确定性估计的准确度。
-
公开(公告)号：CN204596446U
公开(公告)日：2015-08-26
申请号：CN201520282936.8
申请日：2015-05-05
Applicant: 桂林电子科技大学
Abstract: 本实用新型公开了一种干电池碳棒、皮套分离装置，其特征在于，包括夹持分离装置，所述夹持分离装置包括夹持器，夹持器包括碳棒夹持器和皮套夹持器，碳棒夹持器、皮套夹持器以铰链为轴开合，碳棒夹持器夹住碳棒，皮套夹持器夹住皮套，碳棒夹持器、皮套夹持器张开时使碳棒与皮套分离。本装置通过气缸提供动力，自动化程度提高，由气缸驱动传动销，传动销直接驱动碳棒驱动连杆和皮套驱动连杆运动，通过上、下皮套挡板和碳棒压板的配合，实现碳棒和皮套的分离，具有碳棒和皮套分离彻底，设备先进、工艺简单、自动化程度高的优点。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.023 seconds)
