专利交易市场

本发明公开了一种仪器间的近红外深度神经网络模型转移方法，包括用多台不同型号便携式可见近红外光谱仪测定待测物质的近红外光谱；将多台不同型号便携式可见近红外光谱仪的近红外光谱的波长范围和分辨率统一；对多台不同型号便携式可见近红外光谱仪的近红外光谱做预处理；对多台不同型号便携式可见近红外光谱仪的近红外光谱划分数据集；开发主型号光谱仪的1D‑Inception‑Resnet定量网络；用不同从型号光谱仪数据调整主型号光谱仪的网络参数；使用不同从型号光谱仪数据验证校正模型；本发明可将主仪器的1D‑Inception‑Resnet网络模型校正转移到从光谱仪上，修复对从光谱仪采集光谱的预测。

本发明公开一种基于折半交叉网络的健康指导方法和系统，包括如下步骤：构建物理层和数据处理层，通过摄像头采集动作视频并进行处理得到去噪深度图和时间梯度图；构建行为识别层：构建特征提取网络，通过特征提取得到深度特征图和时间梯度特征图；构建折半交叉注意力模型，计算得到特征向量；输入全连接层，并通过激活函数进行激活，通过分类器得到输出结果；构建控制层：根据输出结果建立行为与控制的匹配关系，确定每个动作对应的语音指令以及实现对用户的建议提示。采用本发明的健康指导方法，解决了数据维度过高和无关特征信息对模型性能产生影响的问题，增强了对人体行为时空特征的表述能力，提高了行为识别精度和颈椎康复指导系统的可靠性。

本发明公开了一种工业应用场景下的深度神经网络模型安全保护方法，包括以下步骤：S1、安全需求分析；S2、安全服务设计；S3、层感知安全服务分配：在DNN模型运行之前，在不违背实时约束的条件下，为DNN模型的每一层都分配合适的机密性保护服务和完整性保护服务；S4、运行时调度。本发明使用对称加密算法为DNN模型提供参数机密性保护，使用HMAC算法为DNN模型提供参数完整性保护，能够有效地防止DNN模型信息的泄露。集成了层感知安全服务分配算法和运行时调度策略，系统能够以极低的计算开销为DNN模型的每一层分配最合适的安全服务，运行时调度策略使得DNN模型的运行和安全服务能够并行执行，从而在最大程度上降低了整体的时间开销。

本申请公开了多层神经网络模型训练、道路特征识别的方法和装置以及电子设备。该方法的一具体实施方式包括：确定遥感图像训练样本集包括的遥感图像的道路标注数据中道路的宽度值小于预定的宽度阈值的部分；将确定的部分中的道路进行加宽标注处理，获得更新后遥感图像训练样本集；基于更新后的遥感图像训练样本集训练用于识别遥感图像中的道路特征的多层神经网络模型。该实施方式能够采用道路加宽后的遥感图像样本训练用于识别遥感图像中的道路特征的多层神经网络模型，并采用该多层神经网络模型识别待检测的遥感图像中的道路特征，然后生成道路图。

本发明公开一种改进卷积神经网络模型的信息系统，涉及信息系统技术领域，解决的技术问题是信息系统分析，采用的方案是采用数据特征提取模块，用于提取信息系统的数据信息；异常数据分析模块，用于分析信息系统中的异常数据信息；改进卷积神经网络模型，用于诊断信息系统中的异常数据信息；所述改进卷积神经网络模型设置有SPN建模模块；数据查询模块，用于查询信息系统中的数据信息；搜索模块，用于搜索信息系统中的数据信息。本发明能够实现数据信息安全能力、信息特征分析、异常数据信息分析、数据信息计算、数据信息查询和数据信息搜索为一体的信息分析，大大提高信息系统分析能力。