-
公开(公告)号：CN115480582B
公开(公告)日：2024-12-03
申请号：CN202210986452.6
申请日：2022-08-17
Applicant: 西安电子科技大学 , 中国船舶集团有限公司综合技术经济研究院
IPC: G05D1/495 , G05D1/46 , G05D101/15 , G05D109/20
Abstract: 本发明公开了一种基于LSTM的目标的机动预测方法、电子设备和存储介质，包括以下步骤；步骤1：构建无人机对战过程目标机机动选择数据集；步骤2：提取目标机动对抗过程空间态势特征；步骤3：对数据集进行分割和预处理；步骤4：建立基于LSTM的目标的机动预测网络模型；步骤5：利用训练集#imgabs0#对基于LSTM的目标的机动预测网络模型进行训练，并利用测试集#imgabs1#进行准确率检测。本发明不论是对单个机动控制参数的预测，还是对所有机动控制参数同时预测正确问题都能得了良好的效果。
-
公开(公告)号：CN115480582A
公开(公告)日：2022-12-16
申请号：CN202210986452.6
申请日：2022-08-17
Applicant: 西安电子科技大学 , 中国船舶集团有限公司综合技术经济研究院
Abstract: 本发明公开了一种基于LSTM的目标的机动预测方法、电子设备和存储介质，包括以下步骤；步骤1：构建无人机对战过程目标机机动选择数据集；步骤2：提取目标机动对抗过程空间态势特征；步骤3：对数据集进行分割和预处理；步骤4：建立基于LSTM的目标的机动预测网络模型；步骤5：利用训练集对基于LSTM的目标的机动预测网络模型进行训练，并利用测试集进行准确率检测。本发明不论是对单个机动控制参数的预测，还是对所有机动控制参数同时预测正确问题都能得了良好的效果。
-
公开(公告)号：CN119942162A
公开(公告)日：2025-05-06
申请号：CN202510035818.5
申请日：2025-01-09
Applicant: 西安电子科技大学
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0475 , G06N3/08
Abstract: 一种基于课程学习的图特征补全方法，包括以下步骤；步骤1：对给定无向图中每个节点的补全难度通过多视角难度测量器计算，评估图中每个节点的补全难度并进行评分；步骤2：根据线性或几何调度函数不断引入缺失特征的节点到扩散过程中，动态生成每轮扩散的无向子图结构；步骤3：将无向子图结构的节点之间的对称传播转化为与方向相关的有向传播方式，以不同的扩散水平聚集邻近节点的补全或已知特征，得到初步的补全特征矩阵；步骤4：对扩散补全特征矩阵通过通道互信息相关性传播模块进行进一步优化，最终输出重构后的特征矩阵，并将其送入下游的GNNs中进行相关任务的训练。本发明增强模型的表达能力，并最终优化网络在下游任务上的性能表现。
-
公开(公告)号：CN119940484A
公开(公告)日：2025-05-06
申请号：CN202510008734.2
申请日：2025-01-03
Applicant: 西安电子科技大学
IPC: G06N3/0985 , G06N3/045 , G06N3/047 , G06N3/084 , G06N3/082
Abstract: 本发明公开了一种基于已有知识推理生成结构与系数的神经网络架构搜索方法，包括以下步骤，步骤1：根据数据集的特征，参考专家知识，提取部件信息，构建层次化的部件结构；步骤2：对层次化的部件结构进行简化；步骤3：选取简化后层次化的部件结构中的部分部件通过神经网络架构进行训练，获取有关结构和路径信息；步骤4：根据所述路径信息，结合层次化的部件结构与贝叶斯定理进行推理，计算得到新结构中的β值；步骤5：通过正态分布函数，为每一层网络中的各个β值生成对应的权重，完成神经网络结构搜索模型中的架构搜索。本发明在降低计算消耗的同时，注重搜索效率的提升。
-
公开(公告)号：CN113628201B
公开(公告)日：2024-11-22
申请号：CN202110955682.1
申请日：2021-08-19
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06T7/90 , G06V10/44 , G06V10/56 , G06V10/764 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/09 , G06N3/048 , G06V20/69
Abstract: 本发明公开了一种基于深度学习的病理切片分析方法、电子设备及可读存储介质，所述方法包括以下步骤：S1，对病理切片进行预处理，提取预处理图像中的多级特征，利用多级特征对病理切片进行细胞核分割和细胞核分类；S2，统计病理切片中非正常细胞核的数量，若该数量小于细胞核总数的5％，则认为该切片为正常切片，否则认为是疑似非正常切片；S3，对疑似非正常切片进行细胞核聚集区域划分，提取细胞核聚集区域特征；S4，基于细胞核聚集区域特征对疑似非正常切片进行分类，得到最终分类结果；本发明能够对病理切片中的细胞核进行准确分割，进而获得的病理切片分类结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN115131414B
公开(公告)日：2024-11-19
申请号：CN202210708805.6
申请日：2022-06-22
Applicant: 西安电子科技大学
IPC: G06T7/33 , G06T3/14 , G06T3/02 , G06N3/0455
Abstract: 本发明公开了一种基于深度学习的无人机图像对齐方法、电子设备和存储介质，所述方法包括：构建伪造无人机透视变换数据集，对数据集进行裁剪处理，获得输入图像的灰度图像、横坐标和纵坐标的位置偏移，构建基于编码器与解码器的神经网络，并使用残差网络将浅层特征向深层特征进行补充，并添加了通道注意力机制，使通道信息更丰富表达，并使用RANSAC方法进行后处理，增强了对于透视矩阵估计的鲁棒性；本发明无需人工标注，便可实现透视矩阵的估计，从而实现无人机图像的对齐，并在不同光照，天气，图像噪声干扰下，鲁棒地将无人机图像进行对齐。
-
公开(公告)号：CN114581502B
公开(公告)日：2024-11-15
申请号：CN202210233442.5
申请日：2022-03-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于单目图像的三维人体模型联合重建方法、电子设备及存储介质，所述方法包括：基于原始单目图像获取身体单目图像、手部单目图像和脸部单目图像，提取其中的二维关键点坐标，得到身体候选框、手部候选框和脸部候选框，基于此对原始单目图像进行裁剪得到三个特征图像，使用局部特征提取网络分别获得各特征图像中的特征，将其拼接得到级联特征，训练SMPLX模型，基于级联特征进行三维人体重建；本发明提取的深度信息更丰富，构建的三维人体模型精度更高，耗时更短。
-
公开(公告)号：CN111814658B
公开(公告)日：2024-02-09
申请号：CN202010644017.6
申请日：2020-07-07
Applicant: 西安电子科技大学
Inventor： 沈沛意
IPC: G06F16/73 , G06F16/75 , G06F16/783 , G06V20/40 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/042
Abstract: 本发明公开了一种场景语义结构图检索方法，主要解决现有技术检索效果差的问题。其实现方案为：1)输入一个询问场景语义结构图，在场景语义结构图数据库D中召回与该场景语义结构图相关的结果，得到一个场景语义结构图候选集T；2)计算出候选集T中的匹配结果的匹配距离，并按匹配距离从小到大对候选集T中的匹配结果排序，保留排在前面的k个结果，得到精简后的候选集T'；3)使用图神经网络计算出精简后的候选集T'中的场景语义结构图和询问场景语义结构图之间的相似度S，并按照相似度的值从大到小排序，得到最终的检索结果。本发明提高了场景语义结构图的检索效率和精度，可用于查找语义相似的场景语义结构图及实现局部场景在
-
公开(公告)号：CN116429132A
公开(公告)日：2023-07-14
申请号：CN202211575047.1
申请日：2022-12-08
Applicant: 西安电子科技大学
IPC: G01C21/34
Abstract: 本发明公开了基于动态加权路径规划的AR导航的室内导航方法及导航系统，包括移动设备和服务器端；所述移动设备包括地图模块、声波定位模块、AR导航模块、虚实融合模块和数据交互模块；所述服务器端包括定位解析模块，存储模块、路径规划模块；本发明通过路网动态加权的方式，根据后台的输入或室内实时状态监控从而计算路网中每条路线的权值，从而影响路线规划给出最优路线，在道路交叉路口或切实难以准确定位导航的地点，通过AR导航给出引导信息，实现类似于指示牌的功能，明确指出导航方向，并且给出目的地信息、距离、预计时间、周边信息、兴趣推荐信息等更多的导航引导信息，给予用户更加丰富的导航信息和更佳的用户体验。
-
公开(公告)号：CN115766258A
公开(公告)日：2023-03-07
申请号：CN202211472311.9
申请日：2022-11-23
Applicant: 西安电子科技大学
IPC: H04L9/40 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于因果关系图的多阶段攻击趋势预测方法、设备及存储介质，预测方法包括：对服务器审计日志信息进行处理，构建因果关系图；从已知的网络攻击事件中提取事件的主体；以攻击事件的主体为线索，从因果关系图中提取事件主体对应的攻击路径，按时间戳排序得到攻击序列；得到反映详细攻击步骤的抽象化数据序列；对已有网络攻击过程的多服务器的审计日志按上述步骤进行处理，批量构建攻击的抽象化数据序列，对基于LSTM网络的攻击趋势预测模型进行训练，基于已有攻击过程对多阶段攻击趋势的预测。本发明从大量的日志数据中提取属于某一攻击过程的序列，基于已有攻击过程实现攻击趋势的预测，预测精度高，降低了预测模型的学习难度。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.083 seconds)
