-
公开(公告)号：CN110839429A
公开(公告)日：2020-02-28
申请号：CN201911262275.1
申请日：2019-12-10
Applicant: 大连海事大学
IPC: A01G7/06
Abstract: 本发明提供一种果树压枝装置，包括果树压枝枪和抗拉装置；所述果树压枝枪包括一定长度的中空结构以及设置于所述中空结构末端的连接部，所述果树压枝枪通过连接部与所述抗拉装置连接；所述钢管上设置有进线孔，尼龙线经所述进线孔进入所述果树压枝枪内部沿纵向穿过所述中空结构与所述抗拉装置系紧。本发明运用力学原理将抗拉装置插入地下，引出的线拉住树枝，具有可调节线长等有点，同时抗拉装置可与多跟尼龙线连接，提高装置利用率。
-
公开(公告)号：CN110797123A
公开(公告)日：2020-02-14
申请号：CN201911033766.9
申请日：2019-10-28
Applicant: 大连海事大学
Abstract: 本发明公开了一种动态脑结构的图卷积神经网络演化方法，采用图卷积神经网络来模拟正常人脑结构网络演变为抑郁症的演化过程。演化过程中引入了方向向量，该向量既包含了正常人的脑结构网络信息，又包含了抑郁症患者脑结构网络的信息，通过图卷积操作可以同时提取两者的特征，而且可以控制演化的方向以及演化的程度。本发明提出了脑结构网络演化的图卷积神经网络模型，利用基于tensorflow框架下的深度学习方法，通过计算第一次演化结果与真实的抑郁症患者脑网络的交叉熵，利用梯度下降的优化方法使网络的演化始终朝着抑郁症患者脑网络的方向进行。最终输出接近于真实抑郁症患者的脑结构网络，并得到更接近于真实的网络的演化模型。
-
公开(公告)号：CN110781838A
公开(公告)日：2020-02-11
申请号：CN201911033767.3
申请日：2019-10-28
Applicant: 大连海事大学
Abstract: 本发明公开了一种复杂场景下行人的多模态轨迹预测方法，包括以下步骤：使用视觉几何组16层卷积神经网络进行图片特征提取；使用全连接层对轨迹数据进行特征处理；输入轨迹数据特征向量VS进入生成对抗网络完成编码解码网络功能；输入图片特征数据及轨迹特征数据至物理、社会注意力模块考虑地形限制及行人交互；通过更新完的生成器部分得到更好的轨迹生成预测结果；得到的稳定轨迹预测模型SPM。本发明可以有效的提高预测的精度，并且可以生成多条合理的预测轨迹，不仅能根据原始图片的特征信息提取到相关地形限制信息，而且能够考虑到同一复杂场景下不同行人之间的社交交互情况。本发明能够更加快速和准确地预测行人未来轨迹。
-
公开(公告)号：CN110516613A
公开(公告)日：2019-11-29
申请号：CN201910807214.2
申请日：2019-08-29
Applicant: 大连海事大学
Abstract: 本发明公开了一种第一视角下的行人轨迹预测方法，采用编解码结构结合循环卷积网络来预测第一视角下行人轨迹策略。原始图像经过编码得到的行人轨迹信息的特征向量，然后进行解码特征向量，预测出未来的行人的轨迹信息。在公共数据集和自己采集到的数据集里，本发明都会准确的预测出多个行人的未来10帧的轨迹信息，最终预测轨迹和最终实际轨迹之间的L2距离误差提高到40，比现有方法提高了30个像素精度。本发明提出了预测行人轨迹的时空卷积循环网络方法，利用一维卷积进行编解码处理，通过时空卷积网络预测，在目前的相关方法中，实现较简单、数据获取和处理清晰、简洁，实用性强。
-
公开(公告)号：CN110503680A
公开(公告)日：2019-11-26
申请号：CN201910807213.8
申请日：2019-08-29
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于非监督的卷积神经网络单目场景深度估计方法，包括以下步骤：获取目标图像各像素点的深度值；获取目标图像上像素坐标转移到下一帧图像时的相机位姿值；构建损失函数；基于非监督的条件随机场残差卷积神经网络场景进行深度估计。本发明采用非监督方法很好地解决了手工数据标注难问题，节省了人力，提高了经济效益。本发明采用线性链条件随机场思想，实现了对原始图像的特征表达。结合非监督残差卷积神经网络场景深度估计模型，构成了非监督的条件随机场残差卷积神经网络场景深度估计模型。本发明的模型在平均相对误差(rel)、准确率(acc)上均优于其它三种模型。
-
Patent Agency Ranking
公开(公告)号：CN108768175A
公开(公告)日：2018-11-06
申请号：CN201810622996.8
申请日：2018-06-15
Applicant: 大连海事大学
Abstract: 本发明公开了一种多相交错并联DC‑DC变换器装置，包括互相连接的多相交错并联变换器主电路和控制电路，所述控制电路包括电压控制器、多个并联设置的全负载范围调节器、多个并联设置的均流控制器以及PWM调制电路，所述电压控制器的输出端与全负载范围调节器的输入端相连接，所述全负载范围调节器的输出端与均流控制器的输入端相连接，所述均流控制器通过PWM调制电路与多相交错并联变换器主电路中的各支路相连接。本装置拓展了多相交错并联DC‑DC变换器的应用范围，对各相器件参数不同的情况依然适用。在全负载范围内，实现了变换器电感电流连续模式的稳定运行，解决了变换器在连续模式和断续模式切换引起的震荡和不稳定问题。
-
公开(公告)号：CN119469172A
公开(公告)日：2025-02-18
申请号：CN202411618615.0
申请日：2024-11-13
Applicant: 大连海事大学
IPC: G01C21/26 , G06F18/25 , G06N3/092 , G06N3/0455 , G06N3/0464 , G06N3/006
Abstract: 本发明公开了一种基于转换器模型进行视听模态融合的具身视听导航方法，包括以下步骤：采集视觉信息和听觉信息；最大化预期折扣回报与奖励；分别使用两个编码器对视听感官进行特征提取；使用空间音频编码器进行特征映射；对视觉和听觉两个模态的信息进行融合；使用动态路径长度加权成功衡量声源为移动声源的任务的策略；使用近端策略优化算法训练网络。本发明能施更好地协同了视觉与听觉输入，使得视听模态得以更好地融合，以提高导航的准确性与精度。本发明使用转换器模型代替传统的门控循环单元，能满足在嘈杂环境以及动态声源任务中的高难度导航要求。本发明使用近端策略优化算法进行训练，节省了人力，提高了经济效益。
-
公开(公告)号：CN117181568A
公开(公告)日：2023-12-08
申请号：CN202311173059.6
申请日：2023-09-12
Applicant: 大连海事大学深圳研究院
Abstract: 本发明公开了一种改善内燃机气缸套耐高温摩擦性能的表面制备方法，通过球磨混合、涂抹、热固等一系列方法将固体自润滑材料二硫化钨和聚酰亚胺封装在气缸套表面的圆形微坑内，利用微坑的储存作用、二硫化钨的自润滑及耐高温性能，聚酰亚胺的粘结作用，当气缸套工作在高温工况时，借助圆形微坑内的固体润滑剂的润滑作用，达到改善内燃机气缸套耐高温摩擦性能的目的。
-
公开(公告)号：CN110503680B
公开(公告)日：2023-08-18
申请号：CN201910807213.8
申请日：2019-08-29
Applicant: 大连海事大学
IPC: G06T7/50 , G06N3/0464
Abstract: 本发明公开了一种基于非监督的卷积神经网络单目场景深度估计方法，包括以下步骤：获取目标图像各像素点的深度值；获取目标图像上像素坐标转移到下一帧图像时的相机位姿值；构建损失函数；基于非监督的条件随机场残差卷积神经网络场景进行深度估计。本发明采用非监督方法很好地解决了手工数据标注难问题，节省了人力，提高了经济效益。本发明采用线性链条件随机场思想，实现了对原始图像的特征表达。结合非监督残差卷积神经网络场景深度估计模型，构成了非监督的条件随机场残差卷积神经网络场景深度估计模型。本发明的模型在平均相对误差(rel)、准确率(acc)上均优于其它三种模型。
-
公开(公告)号：CN110797123B
公开(公告)日：2023-05-26
申请号：CN201911033766.9
申请日：2019-10-28
Applicant: 大连海事大学
Abstract: 本发明公开了一种动态脑结构的图卷积神经网络演化方法，采用图卷积神经网络来模拟正常人脑结构网络演变为抑郁症的演化过程。演化过程中引入了方向向量，该向量既包含了正常人的脑结构网络信息，又包含了抑郁症患者脑结构网络的信息，通过图卷积操作可以同时提取两者的特征，而且可以控制演化的方向以及演化的程度。本发明提出了脑结构网络演化的图卷积神经网络模型，利用基于tensorflow框架下的深度学习方法，通过计算第一次演化结果与真实的抑郁症患者脑网络的交叉熵，利用梯度下降的优化方法使网络的演化始终朝着抑郁症患者脑网络的方向进行。最终输出接近于真实抑郁症患者的脑结构网络，并得到更接近于真实的网络的演化模型。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.029 seconds)
