-
公开(公告)号：CN115049896B
公开(公告)日：2025-01-24
申请号：CN202210692398.4
申请日：2022-06-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06V10/774 , G06V10/771 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及基于深度学习的计算机视觉技术领域，具体涉及一种应用于计算机视觉的软阈值注意力机制，借鉴深度残差收缩网络的思想，使用同时考虑通道和位置信息的CA注意力机制来代替SENet与软阈值化方法结合，提出一种新的软阈值注意力模块：融合传统信号降噪算法中的软阈值化函数与CA注意力机制，利用CA注意力机制确定垂直和水平两个方向上的两组软阈值化函数所需的阈值，再分别进行软阈值化处理并对输入的特征图进行加权；能够更好的适用于计算机视觉领域的检测任务，并且可以方便的集成到现有的神经网络架构中，通过将不重要的特征置为零，来降低噪声或冗余信息的干扰，加强神经网络提取重要特征的能力，达到提升网络预测精度的目的。
-
公开(公告)号：CN115049896A
公开(公告)日：2022-09-13
申请号：CN202210692398.4
申请日：2022-06-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学 , 山东山科智控数字化科技有限公司
IPC: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于深度学习的计算机视觉技术领域，具体涉及一种应用于计算机视觉的软阈值注意力机制，借鉴深度残差收缩网络的思想，使用同时考虑通道和位置信息的CA注意力机制来代替SENet与软阈值化方法结合，提出一种新的软阈值注意力模块：融合传统信号降噪算法中的软阈值化函数与CA注意力机制，利用CA注意力机制确定垂直和水平两个方向上的两组软阈值化函数所需的阈值，再分别进行软阈值化处理并对输入的特征图进行加权；能够更好的适用于计算机视觉领域的检测任务，并且可以方便的集成到现有的神经网络架构中，通过将不重要的特征置为零，来降低噪声或冗余信息的干扰，加强神经网络提取重要特征的能力，达到提升网络预测精度的目的。
-
公开(公告)号：CN116754230A
公开(公告)日：2023-09-15
申请号：CN202310489061.8
申请日：2023-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G01M13/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/084
Abstract: 一种基于深度卷积生成对抗网络的轴承异常检测和故障诊断方法，属于人工智能识别机械部件的技术领域，既可以实现对轴承类部件的异常检测，也可以实现对轴承的故障类别分类。本发明所述的网络模型在结构上做出相应改进，以及在功能上实现了对轴承部件的异常检测和故障诊断功能融合，还可以使用模型生成数据进行数据扩充，并且在异常检测以及故障诊断达到了较高的准确率。
-
公开(公告)号：CN115661094A
公开(公告)日：2023-01-31
申请号：CN202211358411.9
申请日：2022-11-01
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 本发明涉及工业缺陷检测技术领域，公开了基于改进YOLOX模型的工业瑕疵检测方法，包括通过工业深度相机对流水线的工业产品进行拍照，所拍摄的高分辨率工业图片经过标准尺寸切割后预处理为标准图片，再对每一张标准图片的每个像素进行归一化后作为输入信息传入基于改进YOLOX模型的工业瑕疵检测网络，最终获得图片的检测框坐标、置信度和类别；网络针对获取到的图片信息进行后处理，将检测框坐标、置信度和类别信息绘制到原始图片，将绘制后的处理图片进行输出。本发明在特征提取网络内加入注意力机制和自适应特征融合，使网络能更好地聚焦目标物体。最终在网络预测时不过多损失速度的情况下提高了预测的准确率，达到速度与准确率的平衡。
-
公开(公告)号：CN114996566B
公开(公告)日：2025-04-25
申请号：CN202210439549.5
申请日：2022-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/9535 , G06F16/906 , G06F40/126 , G06F40/284 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明涉及计算机推荐技术领域，公开了一种面向工业互联网平台的智能推荐系统及方法，所述的系统包括后台管理模块、用户端、推荐管理模块、前端展示模块；所述的方法包括以下流程：(1)对后台管理模块中平台的信息进行数据预处理；(2)对用户信息进行数据预处理；(3)关于平台文本信息的文本‑主题特征提取；(4)关于企业用户信息的用户‑兴趣特征提取；(5)把流程(3)、(4)所得到的向量yCNN、yAFM通过低阶与高阶特征交互的融合，然后经过sigmoid非线性转换，得到预测喜爱程度的概率输出，然后根据喜爱程度的概率大小将被推荐信息进行排序得到待推荐topk；(6)把待推荐topk传输到到前端展示模块，形成推荐列表推荐给对应的企业用户。
-
Patent Agency Ranking
公开(公告)号：CN114046179B
公开(公告)日：2023-09-22
申请号：CN202111084591.1
申请日：2021-09-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 一种基于CO监测数据智能识别和预测井下安全事故的方法。本发明是基于神经网络模型对煤矿中一氧化碳检测数据进行有效识别，将所述一氧化碳检测数据输入至训练好的神经网络模型中即可实时获得检测数据背后的事故原因，由此，现有技术人员无需再通过人工统计或者数据录入才能实现对一氧化碳数据超标背后的事故原因做客观统计，大大提高了智能识别的效率，即便存在误差，工作人员也只需部分修改数据即可。
-
公开(公告)号：CN116578940A
公开(公告)日：2023-08-11
申请号：CN202310572685.6
申请日：2023-05-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2433 , G06F18/2413 , G06F18/2415
Abstract: 本发明属于智能故障诊断的技术领域，更具体地，涉及一种基于混合深度自编码的轴承故障新类识别与诊断方法，包括S1、采集不同故障条件下的轴承振动信号数据作为样本；S2、对S1中采集的样本进行预处理，并分为训练集和测试集；S3、搭建混合深度自编码网络，包括第一编码器、解码器、第二编码器和Softmax分类层的结构；S4、将训练集输入混合深度自编码网络，进行预训练得到新类故障检测阈值，实现故障分类；S5、将测试集输入训练好的混合深度自编码网络中进行诊断。本发明解决了现有技术中深度学习模型需要大量的标记数据来训练，单个深度学习模型提取相似特征时容易造成故障的误分类和模型的过拟合的问题。
-
公开(公告)号：CN114046179A
公开(公告)日：2022-02-15
申请号：CN202111084591.1
申请日：2021-09-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 一种基于CO监测数据智能识别和预测井下安全事故的方法。本发明是基于神经网络模型对煤矿中一氧化碳检测数据进行有效识别，将所述一氧化碳检测数据输入至训练好的神经网络模型中即可实时获得检测数据背后的事故原因，由此，现有技术人员无需再通过人工统计或者数据录入才能实现对一氧化碳数据超标背后的事故原因做客观统计，大大提高了智能识别的效率，即便存在误差，工作人员也只需部分修改数据即可。
-
公开(公告)号：CN114897059B
公开(公告)日：2025-02-11
申请号：CN202210439669.5
申请日：2022-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2415 , G06F18/231 , G06F18/214 , G06F18/2131 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/088 , G06N3/09 , G01M13/021 , G01M13/028 , G01M13/045 , G06F123/02
Abstract: 本发明涉及利用大数据预测机械故障的技术领域，具体为一种基于自适应层次聚类和Subset的机械设备分级故障诊断方法，选择不同故障类型下不分故障程度的训练样本作为自适应层次聚类的输入，采用自适应层次聚类对不同故障类型下不区分故障程度的训练样本进行聚类分析，以根据机械设备的振动信号得出的故障类型的聚类结果作为输出结果；对训练识别出的不同故障类型，按照故障程度分类建立SubDAE模型；预训练与整体微调准确定位故障点，提高了本方法的智能性；优选特征的使用，简化了特征集合，避免了维数灾难，减少了计算负担，提高故障诊断的效率。
-
公开(公告)号：CN114996566A
公开(公告)日：2022-09-02
申请号：CN202210439549.5
申请日：2022-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F16/9535 , G06F16/906 , G06F40/126 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明涉及计算机推荐技术领域，公开了一种面向工业互联网平台的智能推荐系统及方法，所述的系统包括后台管理模块、用户端、推荐管理模块、前端展示模块；所述的方法包括以下流程：(1)对后台管理模块中平台的信息进行数据预处理；(2)对用户信息进行数据预处理；(3)关于平台文本信息的文本‑主题特征提取；(4)关于企业用户信息的用户‑兴趣特征提取；(5)把流程(3)、(4)所得到的向量yCNN、yAFM通过低阶与高阶特征交互的融合，然后经过sigmoid非线性转换，得到预测喜爱程度的概率输出，然后根据喜爱程度的概率大小将被推荐信息进行排序得到待推荐topk；(6)把待推荐topk传输到到前端展示模块，形成推荐列表推荐给对应的企业用户。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.082 seconds)
