脉冲序列处理方法、图像分类方法、装置、设备和介质

    公开(公告)号:CN118941878A

    公开(公告)日:2024-11-12

    申请号:CN202411171787.8

    申请日:2024-08-26

    IPC分类号: G06V10/764 G06V10/82 G06N3/06

    摘要: 本公开的实施例公开了脉冲序列处理方法、图像分类方法、装置、设备和介质。该方法的一具体实施方式包括:接收图像数据;生成图像脉冲信号序列;确定为待输入脉冲信号序列;执行以下步骤:确定时间窗口序列;执行以下步骤:生成加权脉冲信号序列;得到激活神经元;生成神经元脉冲信号,以及对初始神经元和初始膜电位进行更新;生成神经元脉冲信号序列;将神经元脉冲信号序列确定为待输入脉冲信号序列;将满足预设处理条件的隐藏层确定为待处理隐藏层;将神经元脉冲信号序列存储至输出缓冲区。该实施方式可以提高数据处理时的处理速度,提高生成的脉冲信号的准确性,进而提高利用脉冲信号训练得到的图像分类模型的可靠性,减少计算资源浪费。

    空调出风的检测方法、装置和空调系统

    公开(公告)号:CN118935616A

    公开(公告)日:2024-11-12

    申请号:CN202411146413.0

    申请日:2024-08-20

    摘要: 本申请提供了一种空调出风的检测方法、装置和空调系统,该方法包括:在空调已设定出风方向和出风速度的情况下,获取空调与路由之间子载波的多个CSI数据,CSI数据至少包括子载波的幅度;计算各CSI数据中的幅度与对应的参考幅度的差值,得到多个衰减幅度,参考幅度为空调停机时传输路径传输的子载波的CSI数据中的幅度;将多个衰减幅度输入出风分析模型,得到空调的出风方向和出风速度,出风分析模型为通过多组训练数据进行机器学习得到的,多组训练数据中的每一组训练数据均包括多个历史衰减幅度、多个历史衰减幅度对应的出风方向和出风速度,历史衰减幅度与传输路径一一对应,解决了空调的出风方向和出风速度的检测成本高的问题。

    一种基于机器学习的晶圆外延生长控制方法

    公开(公告)号:CN118223119B

    公开(公告)日:2024-11-05

    申请号:CN202410604850.6

    申请日:2024-05-15

    发明人: 邓诺

    摘要: 本发明实施例的主要目的在于提供一种基于机器学习的晶圆外延生长控制方法,包括:进程一和进程二,将进程一中输入的工艺参数与进程二中修改后的工艺参数以及进程二中返回的晶圆特征存储到工艺参数数据库;根据所述样本数据通过训练学习得到晶圆外延生长模型,所述晶圆外延生长模型用于拟合输出工艺参数及晶圆特征的函数关系;根据所述晶圆外延生长模型对输入的工艺参数进行对晶圆特征实时调整以执行晶圆外延生长。根据本发明实施例可以大幅降低晶圆外延生长的生产过程中的控制误差。

    一种基于多芯粒的感存算一体化人工视网膜系统

    公开(公告)号:CN118675037B

    公开(公告)日:2024-10-29

    申请号:CN202411136800.6

    申请日:2024-08-19

    IPC分类号: G06V10/94 G06N3/06

    摘要: 本发明涉及一种基于多芯粒的感存算一体化人工视网膜系统,涉及机器视觉领域,包括智能控制单元、通信芯粒、多个视觉芯粒单元、视神经元芯粒;智能控制单元向通信芯粒传递任务指令,并运行协调算法来控制数据流和信号处理流程;通信芯粒用于负责智能控制单元与多个视觉芯粒单元和视神经元芯粒之间传递任务指令和数据;视觉芯粒单元用于模拟人眼的视觉感知机制,以脉冲形式将捕捉到的光照强度和形状信息传递给视神经元芯粒;视神经元芯粒用于响应每个视觉芯粒单元传来的数据,捕捉场景中最重要的变化,提取到有用信息,并根据接收到的数据自我学习和适应。本发明能够模拟人眼的视觉感知机制,并在多种应用场景中实现高效的视觉信息处理。

    智能推理备试对象安全范围数据模型提取方法

    公开(公告)号:CN118569325B

    公开(公告)日:2024-10-29

    申请号:CN202411037819.5

    申请日:2024-07-31

    发明人: 魏强 陈磊 易明权

    IPC分类号: G06N3/06 G06N3/04 G06N3/08

    摘要: 本发明属于数据处理技术领域,具体涉及智能推理备试对象安全范围数据模型提取方法。所述方法包括:步骤1:采集备试对象的时序信号数据,对时序信号数据进行哈尔小波变换,得到中间信号;步骤2:使用预训练的生长神经元网络,提取中间信号的特征向量;步骤3:利用布尔函数对中间信号的特征向量进行逻辑化简;步骤4:设定备试对象的状态,每个状态由一个时序信号数据对应的中间信号的特征向量表示,所有的状态组成状态空间;步骤5:得到备试对象的目标数值对应的安全范围数据。实现了实现对复杂系统安全范围的智能推理和高效监测。

    一种基于公共卫生实验室检验多源数据处理方法

    公开(公告)号:CN118503883B

    公开(公告)日:2024-10-22

    申请号:CN202410946627.X

    申请日:2024-07-16

    摘要: 本发明涉及数据处理技术领域,具体涉及一种基于公共卫生实验室检验多源数据处理方法,包括:采集实验室多源数据构建自组织神经网络,根据神经元作为获胜神经元所对应样本点个数、邻域内样本点个数差异及邻域内对应样本点个数最多的一个神经元的权重向量模值获取神经元的邻域优选程度;根据神经元在数据训练中包含样本点的信息差异获得神经元的稳定评价特征;根据参与训练神经元的邻域优选程度及稳定评价特征获取参与训练样本点到神经元的优选欧氏距离;根据优选欧氏距离获取获胜神经元并训练自组织神经网络;结合训练完成的自组织神经网络判定异常数据。本发明通过优选欧氏距离优化自组织神经网络训练,保证了异常数据的检测准确性。