-
公开(公告)号：CN116362999A
公开(公告)日：2023-06-30
申请号：CN202310186914.0
申请日：2023-03-01
Applicant: 江南大学
IPC: G06T5/00 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本申请公开了一种基于无监督框架的图像去雾方法以及辅助驾驶系统，涉及交通技术领域，该方法使用正则化的循环生成对抗网络的网络框架，并通过对抗损失、循环一致性损失、身份损失和颜色重建损失实现了全新的综合损失函数的计算方法，从而可以在不依赖真实的带雾图像的情况下充分利用真实的带雾图像中的模糊样本，以循环一致的方法，端对端的直接生成无雾图像，且利于提高对真实的带雾图像泛化能力。基于去雾方法的辅助驾驶系统可以对采集到的车辆所在环境的带雾的原始环境图像进行图像去雾处理，然后通过安装在车辆的挡风玻璃上的柔性透明显示屏显示无雾环境图像，从而可以更准确的给驾驶员展示车辆所在环境，实现辅助驾驶。
-
公开(公告)号：CN111047102B
公开(公告)日：2023-05-30
申请号：CN201911306510.0
申请日：2019-12-18
Applicant: 江南大学
IPC: G06Q10/047 , G06Q10/0835 , G06N3/006
-
公开(公告)号：CN113960971B
公开(公告)日：2023-04-28
申请号：CN202111263846.0
申请日：2021-10-27
Applicant: 江南大学
IPC: G06Q10/0631 , G06N3/006 , G06N3/084
Abstract: 本发明公开了一种基于行为决策网络粒子群优化的柔性车间调度方法，包括，初始化搜索空间及约束条件；初始化参数，并基于搜索空间及约束条件随机生成初始种群，并初始化行为决策神经网络；将初始种群中粒子的位置输入行为决策神经网络，根据网络的输出结果对粒子的位置和适应值进行更新；结合粒子的适应值的变化情况和强化学习策略对行为决策神经网络隐藏层结点的中心位置、宽度进行更新，并更新隐藏层结点与动作执行节点间的权值；计算输入的粒子的下一位置和适应值，选取最优粒子；判断工件生产是否满足结束条件，若满足则输出最小完工时间，否则，则重新更新粒子的位置和适应值；本发明能够有效求解动态柔性调度问题，提高企业的生产效率。
-
公开(公告)号：CN108805167B
公开(公告)日：2022-05-13
申请号：CN201810417793.5
申请日：2018-05-04
Applicant: 江南大学
IPC: G06K9/62 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明提供一种基于Laplace函数约束的稀疏深度置信网络图像分类方法，属于图像处理、深度学习领域。该方法首先基于对灵长类视觉皮层分析的启发，在无监督阶段似然函数中引入惩罚正则项，使用CD算法最大化目标函数的同时，通过Lapalce稀疏约束获得训练集的稀疏分布，可以使无标签数据学习到直观的特征表示。其次，提出一种改进的稀疏深度信念网络，使用拉普拉斯分布诱导隐含层节点的稀疏状态，同时将该分布中的尺度参数用来控制稀疏的力度。最后使用随机梯度下降法对LSDBN网络的参数进行训练学习。本发明所提的方法即使每类在样本很少的情况下，始终达到最好的识别准确度，并且具有良好的稀疏性能。
-
公开(公告)号：CN112530595A
公开(公告)日：2021-03-19
申请号：CN202011521606.1
申请日：2020-12-21
Applicant: 无锡市第二人民医院 , 江苏省人民医院(南京医科大学第一附属医院) , 江南大学
Abstract: 本发明涉及一种基于多分支链式神经网络的心血管疾病分类方法。针对传统的神经网络及机器学习模型在小数据集上分类性能较差、忽略标签之间相关性的问题，提出了一种多分支链式神经网络。该方法在各分支的神经网络中加入预测标签序列，以利用标签间的相关性；在不同分支中加入的预测标签序列均采用不同的相关性计算方式，以避免忽略标签间关系的多样性。为了测试该网络模型的性能，在医院方提供的心血管疾病数据集上进行实验，实验结果表明：多分支链式神经网络与及其他神经网络及机器学习模型相比，达到了较高的性能，大大提升了模型的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN119848889A
公开(公告)日：2025-04-18
申请号：CN202411874454.1
申请日：2024-12-19
Applicant: 江南大学
Abstract: 本发明涉及数据管理技术领域，公开了一种数据加密方法及加密查询方法，包括在客户端的加密上传及在云服务器的查询。利用同态加密方法创建密钥对，对数据进行加密后，以加密数据作为节点，构建基于SAR‑Tree结构的安全索引，发送至云服务器进行存储。在查询时，获取加密查询请求，计算安全索引中每个非叶节点对应的松散分数，并利用堆排序进行降序，获取对应的降序堆，进一步计算精确分数，来对降序堆进行修剪，获取目标加密结果集；将目标加密结果集中的每个节点与预设噪声分量相加，获取噪声向量与加密干扰点，利用私钥对加密干扰点进行解密，获取解密数据，发送至客户端还原出原始数据。本发明提高了查询效率，保障了数据查询安全。
-
公开(公告)号：CN111046966B
公开(公告)日：2022-04-05
申请号：CN201911306345.9
申请日：2019-12-18
Applicant: 江南大学
IPC: G06V10/44 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 基于度量注意力机制的图像字幕生成方法，属于计算机视觉与图像字幕处理任务。本发明模型首先提取图像的特征结合生成具有低级语义的字幕，然后利用注意力机制提取图像的特定区域结合低级语义信息生成高级字幕。利用度量学习学习和真实标签之间的差异，对于符合阈值的输出，不符合阈值的，利用本发明提出的注意力模块，该模块重新结合图像和语义信息以及历史信息生成新的字幕。本发明是一种新型生成图像字幕的方法，不需要人工描述，即可完成大量的图像字幕任务。
-
公开(公告)号：CN113960971A
公开(公告)日：2022-01-21
申请号：CN202111263846.0
申请日：2021-10-27
Applicant: 江南大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于行为决策网络粒子群优化的柔性车间调度方法，包括，初始化搜索空间及约束条件；初始化参数，并基于搜索空间及约束条件随机生成初始种群，并初始化行为决策神经网络；将初始种群中粒子的位置输入行为决策神经网络，根据网络的输出结果对粒子的位置和适应值进行更新；结合粒子的适应值的变化情况和强化学习策略对行为决策神经网络隐藏层结点的中心位置、宽度进行更新，并更新隐藏层结点与动作执行节点间的权值；计算输入的粒子的下一位置和适应值，选取最优粒子；判断工件生产是否满足结束条件，若满足则输出最小完工时间，否则，则重新更新粒子的位置和适应值；本发明能够有效求解动态柔性调度问题，提高企业的生产效率。
-
公开(公告)号：CN108734116B
公开(公告)日：2021-12-03
申请号：CN201810419434.3
申请日：2018-05-04
Applicant: 江南大学
Abstract: 本发明提供一种基于变速学习深度自编码网络的人脸识别方法，属于深度神经网络的模式识别领域。该方法包括以下内容：图像包括训练图像和待识别图像，首先对训练图像进行预处理得到归一化数据；其次将预处理后的训练数据输入深度自编码网络，通过变速学习策略指导深度自编码网络的逐层预训练，然后在网络顶层上添加分类器，通过微调进一步优化网络获得识别模型，针对预处理后的待识别人脸图像进行识别，输出识别结果，并统计识别率。本发明的模型充分利用了深度自编码网络发现数据本质特征的能力，同时加快了特征学习速度和网络的收敛速度，得到较优的识别性能。
-
公开(公告)号：CN109146007B
公开(公告)日：2021-08-27
申请号：CN201810768405.8
申请日：2018-07-13
Applicant: 江南大学
Abstract: 本发明提出一种基于动态深度置信网络的固体废弃物智能处理方法，属于深度学习、固体废弃物智能处理领域。该方法首先提出一种使用动态增减枝算法的DDBN，使DDBN在训练过程中根据当前训练情况增加隐藏层神经元和隐藏层，以及移除冗余神经元，有效的优化DDBN的网络结构。然后，利用DDBN能有效提取原始数据主要特征的优势，使用DDBN对固体废弃物随机、离散、非线性的特征向量进行有效的状态描述，使时间序列的状态特征更加易于鉴别，并确保不丢失原始数据的主要信息。同时，根据提取到的固体废弃物的状态描述，利用DDBN预测适合其状态的优化燃烧行为，减少了盲目燃烧行为对资源的浪费，实现对固体废弃物的智能处理。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.025 seconds)
