-
公开(公告)号：CN109116717B
公开(公告)日：2019-09-03
申请号：CN201811142031.5
申请日：2018-09-28
Applicant: 东北大学
IPC: G04F10/00
Abstract: 本发明提供一种基于多次采样的时间间隔测量方法。本发明方法包括如下步骤：将两个输入信号分别输入到两个完全相同的延迟环中，使其在延迟环中传播；所述的两个输入信号为Start信号和Stop信号；采用比延迟环周期小一个固定值τ的采样时钟对所述Start信号和Stop信号进行采样；根据Start信号和Stop信号在采样结束时在延迟环中传播的圈数以及信号所在环中的位置计算得出两个输入信号之间的时间间隔。本发明的技术方案解决了现有的时间数字转换器测量精度低的问题，具有更加广泛的应用。
-
公开(公告)号：CN109492575A
公开(公告)日：2019-03-19
申请号：CN201811315462.7
申请日：2018-11-06
Applicant: 东北大学
Abstract: 本发明提供一种基于YOLOv3的扶梯安全监测方法，包括如下步骤：步骤1：截取历史扶梯监控视频中有乘客乘梯的图片，标注出图片中人物部分作为目标区域并按照PASCAL VOC数据集格式制作数据集一；按照目标区域中的人物的姿态进行分类并按照PASCAL VOC数据集格式制作数据集二；步骤2：使用数据集一训练YOLOv3网络模型一；使用数据集二训练YOLOv3网络模型二；步骤3：对扶梯进行实时安全监测，通过YOLOv3网络模型一输出目标区域位置坐标；将目标区域图片为YOLOv3网络模型二的输入对扶梯上乘客的姿态进行识别。本发明的技术方案解决了传统识别扶梯上行人动作的方法中模型过于复杂，不能满足实时监控要求的问题。
-
公开(公告)号：CN109472808A
公开(公告)日：2019-03-15
申请号：CN201811410461.0
申请日：2018-11-23
Applicant: 东北大学
Abstract: 本发明提供一种获取视频中运动目标的检测方法，包括如下步骤：S1：采用背景差分检测算法获取运动目标差分图像Ⅰ，利用FPGA将运动目标差分图像Ⅰ转化为运动目标二值化图像Ⅰ；背景差分检测算法采用优化的高斯混合模型建立背景模型，优化的高斯混合模型包括对方差采用单向下限阈值的方法进行修改；S2：采用六帧差分法获取运动目标差分图像Ⅱ，利用FPGA将运动目标差分图像Ⅱ转化为运动目标二值化图像Ⅱ；六帧差分法通过随变性最佳阈值的方法修改分割阈值；S3：通过FPGA进行与运算融合并通过形态学目标重构方法处理融合后图像，并通过连通性检验方法得到检测到的视频中的运动目标。本发明解决了现有的运动目标检测方法计算量大不易实现及效果不理想的问题。
-
公开(公告)号：CN109146067A
公开(公告)日：2019-01-04
申请号：CN201811373344.1
申请日：2018-11-19
Applicant: 东北大学
CPC classification number: G06N3/0454 , G06N3/063 , G06N3/08
Abstract: 本发明提供一种基于FPGA的Policy卷积神经网络加速器，涉及数字集成电路技术领域。该加速器包括输入缓冲模块、卷积模块、缩放模块和Softmax模块；输入缓冲模块将特征图数据输入到卷积模块；卷积模块完成对Policy卷积神经网络的各卷积层及ReLU激活函数的运算，并将运算结果输出到缩放模块；缩放模块将卷积模块输出的特征图数据，经过定点数转浮点数IP核转换成浮点数，然后与偏置数据进行浮点数相加完成位移过程，输出特征图数据，并送入Softmax模块；Softmax模块将由缩放模块输出的数据流进行指数计算；本发明提供的基于FPGA的Policy卷积神经网络加速器，在FPGA平台上实现深度强化学习算法AlphaGo策略网络的前向传播过程，在功耗、处理速度、存储器带宽需求等方面具有更大的优势。
-
公开(公告)号：CN109116717A
公开(公告)日：2019-01-01
申请号：CN201811142031.5
申请日：2018-09-28
Applicant: 东北大学
IPC: G04F10/00
Abstract: 本发明提供一种基于多次采样的时间间隔测量方法。本发明方法包括如下步骤：将两个输入信号分别输入到两个完全相同的延迟环中，使其在延迟环中传播；所述的两个输入信号为Start信号和Stop信号；采用比延迟环周期小一个固定值τ的采样时钟对所述Start信号和Stop信号进行采样；根据Start信号和Stop信号在采样结束时在延迟环中传播的圈数以及信号所在环中的位置计算得出两个输入信号之间的时间间隔。本发明的技术方案解决了现有的时间数字转换器测量精度低的问题，具有更加广泛的应用。
-
Patent Agency Ranking
公开(公告)号：CN108170018A
公开(公告)日：2018-06-15
申请号：CN201711457112.X
申请日：2017-12-28
Applicant: 东北大学
IPC: G04F10/00
CPC classification number: G04F10/005
Abstract: 本发明提供一种门控环型时间数字转换器及时间数字转换方法，时间数字转换器包括：预处理模块、使能信号生成模块、快环、慢环、时间比较器模块、慢环计数器、快环计数器、慢环边缘检测模块、快环边缘检测模块、快环计数器寄存器、慢环计数器寄存器、时间比较器寄存器和复位信号处理模块。快环和慢环的延迟时间不同，两个待测信号分别在快环和慢环中传播，每经过一组延迟单元，两信号的时间间隔减小一个单元的延迟差。当终止信号追上起始信号时，根据记录的终止信号到来时起始信号在慢环中的传播圈数和终止信号追上起始信号时起始信号在慢环中的传播圈数，以及时间比较器模块输出高电平时的位置，即可计算出两个待测信号的时间间隔。
-
公开(公告)号：CN105187313B
公开(公告)日：2018-05-01
申请号：CN201510622183.5
申请日：2015-09-25
Applicant: 东北大学
IPC: H04L12/751 , H04L12/721 , H04L12/931
Abstract: 本发明一种片上网络拓扑结构及其自适应路由方法，属于片上网络领域，本发明路由平均跳数和网络直径都更小，H‑annular Mes具结构采用折半的连线，避免长连线在网络结构较大时带来的延迟问题，并没有为了提升访问速度来消耗更多的资源和空间；本发明采用基于局部阻塞判断的自适应路由方法，不再被动的执行路由策略，而是通过对路由环境中阻塞信息的监控，结合“最短路径策略”，动态的调整下一跳的路由节点，尽可能规避阻塞严重或出现故障的路由节点，使数据通道的选择能够根据阻塞情况自主调整，减小路由延迟提高数据的传输效率；路由方法具有的较高自适应性可以让数据尽可能节省时间地传输到目的地址。
-
公开(公告)号：CN105187313A
公开(公告)日：2015-12-23
申请号：CN201510622183.5
申请日：2015-09-25
Applicant: 东北大学
IPC: H04L12/751 , H04L12/721 , H04L12/931
Abstract: 本发明一种片上网络拓扑结构及其自适应路由方法，属于片上网络领域，本发明路由平均跳数和网络直径都更小，H-annular Mes具结构采用折半的连线，避免长连线在网络结构较大时带来的延迟问题，并没有为了提升访问速度来消耗更多的资源和空间；本发明采用基于局部阻塞判断的自适应路由方法，不再被动的执行路由策略，而是通过对路由环境中阻塞信息的监控，结合“最短路径策略”，动态的调整下一跳的路由节点，尽可能规避阻塞严重或出现故障的路由节点，使数据通道的选择能够根据阻塞情况自主调整，减小路由延迟提高数据的传输效率；路由方法具有的较高自适应性可以让数据尽可能节省时间地传输到目的地址。
-
公开(公告)号：CN118072866B
公开(公告)日：2025-02-11
申请号：CN202311576119.9
申请日：2023-11-23
Applicant: 东北大学
IPC: G16C20/70 , G01N21/25 , G01N33/24 , G16C20/20 , G06F18/15 , G06F18/2135 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开一种基于光谱差与含量差的土壤数据增强方法，涉及化学计量学的定量检测领域。获取原始样本集；采用基于最值的光谱差减法处理原始样本获取若干个增强样本，进而得到增强样本集；分别对原始样本进行不同形式的数据增强从而得到光谱差与含量差；对土壤定量检测模型进行训练和测试；从若干个土壤定量检测模型中选择出最优的土壤定量检测模型；获取含有光谱与含量的新样本，基于选择出的最优的土壤定量检测模型，获得新样本的含量预测值。本发明基于含量的最大值或最小值，通过光谱与含量，获得光谱差与含量差，不仅实现了光谱数据增强，也实现了含量数据增强；降低了原始样本的数量限制，使模型不因样本有限局限于机器学习而引入深度学习。
-
公开(公告)号：CN119230015A
公开(公告)日：2024-12-31
申请号：CN202411019194.X
申请日：2024-07-29
Applicant: 东北大学
Abstract: 本发明提供一种基于位置编码、光谱与神经网络的土壤定量建模方法，涉及化学计量学技术领域。本发明提出了基于光谱矩阵与含量向量的三角函数式位置编码，基于样本位置序号或样本含量、波段序号或波段数值的组合获得四种位置编码方法，不同波段的位置关系基于光谱连续性而获得而不同样本的位置关系基于含量排序而获得；位置矩阵与光谱矩阵的融合方式包括逐元素相加、逐元素相乘与旋转式位置编码方式；基于绝对位置编码与反射率或吸收率构建新型辐角，作为随机向量函数链神经网络模型的输入；利用基于隐含层序号与神经元序号的三角函数式位置编码实现了隐含层与神经元的位置编码；本发明通过利用光谱的连续性与位置关系显著提升了模型性能。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.017 seconds)
