-
公开(公告)号：CN116052082A
公开(公告)日：2023-05-02
申请号：CN202310049195.8
申请日：2023-02-01
Applicant: 江苏方天电力技术有限公司 , 南京邮电大学
Inventor： 张浩 , 李春鹏 , 王盺平 , 栾奇麒 , 杨小平 , 李军 , 官国飞 , 宋庆武 , 蒋峰 , 朱天泽 , 蒋超 , 赵晟 , 陈志明 , 苏俞彪 , 蒋林岑 , 徐鹤 , 季一木 , 刘尚东
Abstract: 本发明公开了一种基于深度学习算法的配电站房异常检测方法及装置，方法包括：获取配电站房内的图像，对图像进行预处理，其中所述预处理包括图像缩放，图像修补；将预处理后的图像输入训练好的基于深度学习算法的异常目标检测模型；根据所述异常目标检测模型的输出，确定配电站房异常检测结果。所述异常目标检测模型包括输入层、带CA注意力机制的主干网络、颈部网络和输出层；主干网络由一系列的卷积层组合而成，CA注意力机制用于融合位置信息；颈部网络采用特征图金字塔网络FPN+像素聚合网络PAN的结构，FPN与PAN相结合，得到最终进行预测的特征图。
-
公开(公告)号：CN116758481A
公开(公告)日：2023-09-15
申请号：CN202310792189.1
申请日：2023-06-30
Applicant: 江苏方天电力技术有限公司 , 南京邮电大学
Inventor： 李春鹏 , 张浩 , 王盺平 , 栾奇麒 , 杨小平 , 李军 , 官国飞 , 宋庆武 , 蒋峰 , 朱天泽 , 蒋超 , 赵晟 , 陈志明 , 苏俞彪 , 蒋林岑 , 徐鹤 , 季一木 , 刘尚东
IPC: G06V20/52 , G06V10/774 , G06V10/82 , G06V10/40 , G06V10/766 , G06N3/0464 , G06N3/096 , G06N3/084
Abstract: 本发明公开了电力站房监测领域的一种基于机器视觉算法的电力站房监测方法及系统，包括：采集电力站房中待监测区域的实时监测图像；将所述实时监测图像输入至预先训练好的学生网络模型E，输出实时监测图像的识别结果；所述学生网络模型E的训练过程包括：通过训练数据集对所述教师网络模型N进行训练，获得训练好的教师网络模型N；通过知识蒸馏技术更新学生网络模型E的参数；重复迭代直至达到迭代终止条件，输出训练好的学生网络模型E；通过机器视觉进行图像识别对电力站房进行监测，对站房周围区域和目标进行实时监控监测和报警，实现无人化监测。
-
公开(公告)号：CN116091976A
公开(公告)日：2023-05-09
申请号：CN202310090318.2
申请日：2023-01-31
Applicant: 江苏方天电力技术有限公司 , 南京邮电大学
Inventor： 朱天泽 , 李春鹏 , 张浩 , 王盺平 , 栾奇麒 , 杨小平 , 李军 , 官国飞 , 宋庆武 , 蒋峰 , 蒋超 , 赵晟 , 陈志明 , 苏俞彪 , 蒋林岑 , 徐鹤 , 季一木 , 刘尚东
IPC: G06V20/40 , G06V10/80 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/764
Abstract: 本发明公开了一种站房缺陷识别检测方法、系统、装置及存储介质，其方法包括：获取站房的在线视频数据；通过OpenCV将在线视频数据的视频流转换为帧，获取在线帧图像；对在线帧图像进行预处理；将预处理后的在线帧图像输入训练好的缺陷识别模型，获取缺陷识别结果；本发明通过在卷积网络特征提取阶段融入BAM注意力机制，同时使用PSPNet全局池化对金字塔池化后的特征通道进行加权融合来保留更多的重要特征信息，对细节的感知能力较强，提高了站房异常检测的精度，对实时监控站房安全具有较高的研究意义。
-
公开(公告)号：CN119961856A
公开(公告)日：2025-05-09
申请号：CN202510027744.0
申请日：2025-01-08
Applicant: 南京邮电大学
IPC: G06F18/25 , G06F18/27 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明深度学习自然语言处理技术领域，公开了一种基于视觉前缀的生成式多模态信息抽取方法，具体为：输入文本信息及图像信息，实现文本和图像关系抽取，视觉表示作为可插入的视觉前缀，以指导错误不敏感的预测决策的文本表示，实现层次多尺度视觉特征作为融合的视觉前缀，多模态信息提取器有效地提取特征。本发明将视觉信息与文本信息进行融合，通过多层次的视觉前缀注意力机制将视觉特征与文本特征进行交互更新，结合一个统一的多模态信息提取器，将多模态信息抽取任务统一为使用指令调优的生成问题，能够实现自动回归生成信息提取结果。
-
公开(公告)号：CN119808001A
公开(公告)日：2025-04-11
申请号：CN202411893521.4
申请日：2024-12-20
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 江苏跃凯生物技术有限公司 , 浙江凯立特医疗器械有限公司 , 江苏鱼跃医疗设备股份有限公司
Abstract: 本申请公开了一种基于多变量时间序列的用户生理参数预测方法及设备，用于解决现有的时间卷积网络未关注同时步内不同信号间的相互作用和物理关联性的问题。方法包括：将距离当前时刻设定时长内的用户生理参数对应的多变量时间序列转置至变量维度，并映射输出每个变量的序列特征信息；通过编码器模块确定每个序列特征信息之间的全局特征和局部特征对应的最终融合结果；根据最终融合结果确定用户生理参数预测结果。本申请能够独立处理每个变量的时间序列，捕获全局依赖关系和短时间内的细微变化，实现了变量间全局和局部特征的自动提取与融合。
-
Patent Agency Ranking
公开(公告)号：CN119476742A
公开(公告)日：2025-02-18
申请号：CN202510054493.5
申请日：2025-01-14
Applicant: 南京邮电大学 , 安徽晶奇网络科技股份有限公司
IPC: G06Q10/063 , G06V10/40 , G06V10/762 , G06V10/778
Abstract: 本发明公开了一种基于张量学习的多视图智能印章管控方法，属于张量计算和数据挖掘技术领域；包括为：收集数据并对数据进行处理；采用张量奇异值分解对数据进行分解，获取张量核范数；构建基于张量低秩学习的多视图子空间聚类模型，优化亲和度矩阵的表示；利用优化后的亲和度矩阵进行实时谱聚类，对异常使用模式进行预警和管控；生成印章使用报告。本发明通过构建多视图子空间聚类模型，对数据中的不同子空间进行分析与聚类；优化了亲和度矩阵的表示形式，使得数据间的关系更加准确地反映实际的印章使用情况；通过该模型，能够增强对印章使用行为的监控能力，并为异常使用行为提供更高效的预警机制。
-
公开(公告)号：CN116340437B
公开(公告)日：2025-01-24
申请号：CN202310297924.1
申请日：2023-03-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向大规模多源异构数据的多聚类方法，涉及数据处理技术领域，包括：将不同来源的异构数据通过ETL工具进行预处理，转换为统一目标数据格式；然后按电压等级，设备类型，采集量测类型进行分类；对分类后的多源异构数据集按照配电网络和网络元件之间的相互关联构建拓扑分析引擎；基于拓扑分析剔除不满足的数据集，得到待融合数据集；对待融合数据集进行观测系数分析，并分配对应数量的处理终端对待融合数据集进行融合，提高数据融合效率，实现对配电网历史数据与准实时数据的交叉复合深度分析；输出数据融合结果，供配电网工作人员研究分析，为能源精细化的管理和用户服务提供指导，以及时做到故障预警，提高电力安全。
-
公开(公告)号：CN118942719A
公开(公告)日：2024-11-12
申请号：CN202410921813.8
申请日：2024-07-10
Applicant: 南京邮电大学 , 江苏跃凯生物技术有限公司
IPC: G16H50/70 , G16H50/30 , G06F18/25 , G06F18/15 , G06F18/2433 , G06F18/22 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/048
Abstract: 一种基于LSTM编码器‑解码器架构的血糖预测方法，包括，对获取到的糖尿病患者的血糖数据进行平滑、降噪以及滑窗等处理；构建基于LSTM编码器‑解码器架构的血糖预测模型，其中编码器负责将输入序列转换为隐藏状态向量，解码器利用隐藏状态向量进行预测输出；为增强神经元记忆并减少误差传播的积累，在编码器‑解码器结构中，引入了一种基于学习相似模式的注意力机制，并构建基于DTW的链地址搜索算法寻找相似窗口序列；结合注意力特征和隐藏状态向量，共同输入到解码器中，通过投影层将解码器的输出映射到符合输出维度大小的向量，从而获得更为准确的血糖预测结果。本方法具有强大的学习能力，且经实验认证能够有效提高血糖浓度预测精度。
-
公开(公告)号：CN118261400B
公开(公告)日：2024-07-19
申请号：CN202410666337.X
申请日：2024-05-28
Applicant: 南京邮电大学
IPC: G06Q10/0631 , G06Q50/26
Abstract: 本发明属于物联网和强化学习的交叉技术领域，公开了一种基于改进Q_Learning算法的协同无人机集群资源调度方法，通过两个阶段的强化学习任务调度框架实现，强化学习任务调度框架包括两个阶段：第一阶段实现外界任务从中心到中继的分配和第二阶段实现任务从中继到终端的调度。本发明结合了无人机集群组网优化、能量补给和强化学习任务调度，实现了多模态协同无人机集群中的智能任务分配、资源优化管理、能量持续补给，能够实现高效、均衡的任务调度，具有调度精度高、响应速度快、资源利用率高、可扩展性强等优点，显著提高无人机集群任务调度的效率和质量，为无人机领域的发展提供了技术支持和创新方向。
-
公开(公告)号：CN118035784A
公开(公告)日：2024-05-14
申请号：CN202410109129.X
申请日：2024-01-25
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 江苏跃凯生物技术有限公司 , 浙江凯立特医疗器械有限公司
IPC: G06F18/24 , G06F18/213 , G16H40/60 , G16H50/70 , G16H10/20 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本申请公开了一种基于血糖监测的异常事件识别方法、设备及介质，方法包括：采集数据集，将数据集转化为序列化数据，并将序列化数据划分为多个子序列；将多个子序列输入至卷积神经网络模型，对卷积神经网络模型进行扩张因果卷积处理，通过扩张因果卷积处理后的卷积神经网络模型确定时序特征，并将时序特征进行残差连接，以对卷积神经网络模型进行加速；通过加速后的卷积神经网络模型确定传感器的报错类别，并根据时序特征和报错类别进行GRU建模，以得到时序关系，并根据时序关系确定血糖值。本申请使用卷积神经网络处理，动态关注数据中的重要时间点，处理长期依赖性，从而更好地捕捉血糖值的时序关系。
-
-
-
-
-
-
-
-
-
Search Results
225
records
(took 0.058 seconds)
