引力波侯选体筛选方法、装置及存储介质

    公开(公告)号:CN114549912A

    公开(公告)日:2022-05-27

    申请号:CN202210436894.3

    申请日:2022-04-25

    Abstract: 本申请提供一种引力波侯选体筛选方法、装置及存储介质,其中方法包括:确定多探测器联合观测的观测数据的相干信噪比;将所述相干信噪比投射到天区图后得到目标二维图像;将所述目标二维图像输入至引力波侯选体筛选模型,得到所述引力波侯选体筛选模型输出的引力波侯选体筛选结果;所述引力波侯选体筛选模型是基于目标二维图像样本及预先确定的引力波侯选体标签训练后确定的。本申请通过模拟多探测器对同一天区图进行联合观测的观测结果,确定联合观测的相干信噪比,减少了噪声对信号的干扰,提升了观测数据的信噪比,同时结合深度学习算法,利用引力波侯选体筛选模型实现引力波信号的自动筛选识别。

    引力波侯选体筛选方法、装置及存储介质

    公开(公告)号:CN114549912B

    公开(公告)日:2022-07-15

    申请号:CN202210436894.3

    申请日:2022-04-25

    Abstract: 本申请提供一种引力波侯选体筛选方法、装置及存储介质,其中方法包括:确定多探测器联合观测的观测数据的相干信噪比;将所述相干信噪比投射到天区图后得到目标二维图像;将所述目标二维图像输入至引力波侯选体筛选模型,得到所述引力波侯选体筛选模型输出的引力波侯选体筛选结果;所述引力波侯选体筛选模型是基于目标二维图像样本及预先确定的引力波侯选体标签训练后确定的。本申请通过模拟多探测器对同一天区图进行联合观测的观测结果,确定联合观测的相干信噪比,减少了噪声对信号的干扰,提升了观测数据的信噪比,同时结合深度学习算法,利用引力波侯选体筛选模型实现引力波信号的自动筛选识别。

    轨道交通异常检测方法、装置及存储介质

    公开(公告)号:CN114550460A

    公开(公告)日:2022-05-27

    申请号:CN202210436887.3

    申请日:2022-04-25

    Abstract: 本申请提供一种轨道交通异常检测方法、装置及存储介质,其中方法包括:获取轨道交通设备中被监测传感器的时间序列数据;将所述时间序列数据输入至轨道交通异常检测模型,得到所述轨道交通异常检测模型输出的轨道交通异常检测结果;所述轨道交通异常检测模型包括可变形Transformer编码模块、全局特征提取模块和可变形Transformer解码模块,所述可变形Transformer编码模块用于提取所述时间序列数据的多尺度特征,所述全局特征提取模块用于提取所述时间序列数据的全局特征,所述可变形Transformer解码模块用于基于所述时间序列数据的多尺度特征和全局特征生成所述轨道交通异常检测结果。

    轨道交通异常检测方法、装置及存储介质

    公开(公告)号:CN114550460B

    公开(公告)日:2022-07-12

    申请号:CN202210436887.3

    申请日:2022-04-25

    Abstract: 本申请提供一种轨道交通异常检测方法、装置及存储介质,其中方法包括:获取轨道交通设备中被监测传感器的时间序列数据;将所述时间序列数据输入至轨道交通异常检测模型,得到所述轨道交通异常检测模型输出的轨道交通异常检测结果;所述轨道交通异常检测模型包括可变形Transformer编码模块、全局特征提取模块和可变形Transformer解码模块,所述可变形Transformer编码模块用于提取所述时间序列数据的多尺度特征,所述全局特征提取模块用于提取所述时间序列数据的全局特征,所述可变形Transformer解码模块用于基于所述时间序列数据的多尺度特征和全局特征生成所述轨道交通异常检测结果。

    基于时间自擦除的神经网络的训练方法和设备

    公开(公告)号:CN119578470A

    公开(公告)日:2025-03-07

    申请号:CN202510138089.6

    申请日:2025-02-07

    Abstract: 提供基于时间自擦除的神经网络的训练方法和设备。所述训练方法包括:针对每个时间步长,通过将训练样本输入卷积层,生成与所述时间步长对应的第一特征图;针对除了第一个时间步长之外的每个时间步长,通过将应用了随着每个时间步长而变化的擦除掩码的第一特征图输入池化层,生成第二特征图;通过将第二特征图输入第一全连接层,生成第一预测图;基于第一预测图和真实标签,生成损失;通过基于损失调整所述神经网络的参数,得到训练后的神经网络。因此,提高了整体的预测准确性,提高了计算效率,并且降低了计算开销。

    视觉目标跟踪模型的训练方法及装置、跟踪方法及装置

    公开(公告)号:CN119152331B

    公开(公告)日:2025-01-21

    申请号:CN202411604124.0

    申请日:2024-11-11

    Abstract: 本公开涉及视觉目标跟踪和人工智能领域,提供一种视觉目标跟踪模型的训练方法及装置、跟踪方法及装置,该训练方法包括:获取多对训练样本;将训练样本输入到特征嵌入模块,得到模板图像特征和搜索图像特征;利用特征提取模块,执行特征提取操作,得到第一提取结果和第二提取结果;利用特征融合模块,对第一提取结果和第二提取结果进行融合,得到融合结果;利用预测头,基于融合结果进行预测,得到预测跟踪结果;基于预测跟踪结果、真实标注信息和蒸馏标注信息得到训练损失,对模型进行训练,得到训练好的视觉目标跟踪模型。本公开解决现有的单流跟踪器存在一定的计算冗余、限制推理速度的问题,在保留高推理速度的同时,提高模型的精度。

Patent Agency Ranking