本发明公开基于衍射深度神经网络识别高阶连续OAM模式的方法，包括有如下步骤：步骤1，通过数值仿真得到经过大气湍流扰动后的光场复振幅矩阵，建立数据集；步骤2，设计并搭建基本的衍射深度神经网络结构，对步骤1中得到的训练数据进行数据预处理，并将其送入到本步骤中设计好的基本衍射深度神经网络中进行模型训练；步骤3，设计并搭建识别高阶连续OAM模式的衍射深度神经网络，并利用测试集测试效果。该方法解决了现有的光学以及深度学习相关方法识别大气湍流下OAM模式不足的问题。
📄 2025103734151
📂 G06F18_2431
👤 陕西科技大学
📅 2025-03-27
本发明提供一种基于混合神经网络的射频低噪声放大器电路设计方法，该方法包括：S1根据性能指标要求选择合适的器件，并确定相应的工作状态和偏置条件；S2利用构建好的混合神经网络得到晶体管的散射参数和噪声参数，获取指定条件下器件的S2P文件；S3根据得到的S2P文件进行稳定性分析，并进一步完成低噪声放大器的设计。本发明有助于提高了分析和设计低噪声放大器的效率和适用性。
📄 2022102324851
📂 G06F30_373
👤 广州大学
📅 2022-03-09
本发明公开了基于双分支并行双向交互神经网络的驾驶员行为识别方法，将ViT引入到网络中对全局信息进行编码，在一定程度上提高检测精度，网络由两个并行分支组成，第一个分支基于轻量级的CNN结构，第二个分支基于ViT结构。考虑到CNNBranch和ViTBranch特征之间的不对称性，通过双向特征交互模块BiFIM在两个分支之间进行不同维度特征的交互以同时关注局部特征和全局特征，最后将两个分支的特征融合并对驾驶员行为进行检测。本发明在自建的多视角驾驶员数据集上展开，验证集准确率达到97.18％，参数量为38.22MB，MAdds为271.20M，轻量级BiViTNet提高了驾驶员分心行为识别的准确率，可辅助驾驶员安全行车，减少交通事故的发生。
📄 2022115629294
📂 G06V20_59
👤 淮安大学
📅 2022-12-07
本发明公开了一种基于深层神经网络的PM2.5的全覆盖预测方法，对预先获取的空气污染浓度、气象数据及土地利用数据进行预处理，并划分为训练数据和测试数据；构建深层神经网络预测模型STA‑ConvLSTM并对其进行训练；STA‑ConvLSTM以CNN网络作为底层，通过卷积提取网格数据的空间相关性；以堆叠多层具有时空记忆单元与空间记忆单元的STA‑LSTM作为预测模型的中间层，用于提取时间相关性和空间相关性的特征；最后一层使用CNN层结合STA‑LSTM单元提取的特征进行解码。本发明融合了多源异构的数据，考虑了更多的影响因素，并且考虑时空相关性、降低过拟合、避免梯度消失和梯度爆炸的问题，考虑区域的全覆盖预测的问题，使用时间注意力机制与空间注意力机制，提高了预测精度等优点。
📄 2023104230660
📂 G06Q10_04
👤 淮安大学
📅 2023-04-19
本发明公开了一种基于A‑LGS和卷积神经网络的表情识别方法及系统，该方法包括收集带有面部表情特征的图像，建立数据集；对数据集中图像进行标签标记；基于局部图结构LGS构造平均局部图结构A‑LGS，并利用A‑LGS描述训练集中图像局部特征；基于VGG网络模型构建表情识别模型；对表情识别模型进行训练，训练过程包括将训练集内图像输入表情识别模型，提取图像全局特征，将A‑LGS描述的图像局部特征和图像全局特征串联拼接融合，利用测试集对表情识别模型进行测试；该系统包括数据处理模块、特征提取模块、模型训练模块。本发明解决了现有技术中采用LGS和VGG网络对图像进行特征提取，因样本分布不均衡本导致神经网络分类性能出现偏差及分类正确率低的问题。
📄 202310701921X
📂 G06V40_16
👤 淮安大学
📅 2023-06-14
本发明公开了一种基于改进卷积神经网络的异常行为识别方法及装置，采集常见的异常行为图像，对异常行为数据进人工标注以及预处理，并划分成训练集、验证集以及测试集，将Inception模块中4条分支上的传统卷积替换成分组卷积GConv；在特征提取的骨干网络中的每条分支上的分组卷积操作之后引入通道重排ChannelShuffle；在特征融合颈部网络中引入多头注意力机制Multi‑Head Attention；在特征融合尾部网络中引入残差Residual结构和多尺度金字塔FPN结构，用来处理不同尺度的图片数据，最后通过全连接FC层和Softmax层得到异常识别结果。本发明可准确识别和分类异常行为，构建的识别模型具有更高的鲁棒性，识别速度更快，识别率更高。
📄 2023109194957
📂 G06V10_764
👤 淮安大学
📅 2023-07-25
本发明公开一种改进HHO算法优化神经网络的电动汽车充电负荷预测方法,获取区域的电动汽车出行历史和充电时间数据,建立神经网络ResNet‑BiLSTM‑Attention并进行训练,利用改进的HHO算法优化模型参数,并引入实时修正来修正预测结果;然后将预测得到电动汽车数量采用k‑means均值聚类,最后计算当日的负荷结果。本发明采用神经网络来进行数据挖掘,提高了预测准确度。同时通过引入动态自由度参数和模拟退火算法接受较差解优化HHO算法算法提高模型的性能。最后在预测基础上加入了实时修正，减少预测误差。科学推算出区域内的电动汽车充电负荷预测结果，为电网的稳定运行和充电设施的合理规划提供关键决策依据。
📄 2025101843671
📂 G06Q10_0637
👤 淮安大学
📅 2025-02-19
本发明公开了一种结合改进BWO‑BP神经网络算法的智能交通流量预测方法，包括数据预处理，构建多维输入特征集，采用多种策略优化BWO算法，提升模型全局搜索能力，采用改进白鲸优化算法初始化BP神经网络的连接权重与阈值，提高模型初始解质量，构建前馈型神经网络模型，使用误差反向传播算法进行网络训练；基于训练完成的网络模型进行未来交通流量预测，实现高效智能的交通管理应用。本发明在处理复杂、多变交通场景时具有更强的适应能力和更高的预测稳定性，能够更全面根据不同类型车辆的流量特征，提升整体系统对交通趋势的把握能力；计算效率较高，系统响应速度快，具备良好的实用性和部署灵活性。
📄 2025108418771
📂 G08G1_065
👤 淮安大学
📅 2025-06-23
本发明属于新一代信息技术领域，具体涉及一种惯性CG神经网络的同步控制方法。该方法具体包括以下几个步骤：步骤S1：构建惯性CG神经网络的驱动系统和响应系统；步骤S2：设定同步误差，并建立同步误差系统；步骤S3：设计有限时间同步控制器；步骤S4：将步骤S3中设计的所述有限时间同步控制器作用于所述响应系统，使得所述响应系统在同步停息时间内同步于所述驱动系统。本发明基于变量变换方法，并结合李雅普诺夫泛函和不等式技术，为惯性CG神经网络的同步提供了一种控制方法。
📄 2023103693881
📂 G05B13_04
👤 盐城工学院
📅 2023-04-07
本发明涉及智能制造生产调度技术领域，尤其涉及基于Petri网和神经网络的柔性制造系统的无死锁调度方法。本发明包括以下步骤：基于可视化不含关键资源的柔性制造系统内部工件的加工工序以及各工件之间的机器占用情况，建立Petri网模型；通过遗传算法全局寻优，获得一组较优的调度序列，以此作为前向神经网络的数据集；建立最小化最大完工时间作为系统调度的目标函数；基于神经网络的二分搜索法，减小Petri网的可达树规模，通过神经网络对每代子结点拟合预计完工时间，约束可达树向较优的路径扩展；不断扩展可达树规模进行路径寻优，并输出满足目标函数最小的路径作为柔性制造系统的调度路径。
📄 202311250447X
📂 G06Q10_0631
👤 南通大学
📅 2023-09-26
本发明针对深度神经网络鲁棒性优化问题，公开了一种高效的深度神经网络模型鲁棒性优化方法，属于机器学习和AI安全领域。该方法首先为目标模型浅层添加额外分支进行特征融合，将目标模型改造为可以在速度和准确率之间进行权衡的特征金字塔结构，然后基于生成式对抗网络提取图像样本的潜在特征生成攻击力更强的对抗样本进行对抗训练。本发明提供了一种高效的深度神经网络模型鲁棒性优化方法，有助于扩大模型的防御范围，对模型鲁棒性进行优化。
📄 2021106594910
📂 G06V10_82
👤 西安邮电大学
📅 2021-06-15
本发明针对深度神经网络图像分类模型鲁棒性问题，公开了一种深度神经网络图像分类模型鲁棒性提升方法，属于机器学习和AI智能安全领域。该方法首先基于相同的训练样本集训练n个模型，然后以最大化神经元覆盖率和模型差异行为为指导构建联合优化问题，更新测试样本集中未使n个图像分类模型产生差异行为的样本图像，并采用梯度上升方法求解联合优化问题，得到具有高神经元覆盖率且使n个图像分类模型产生差异行为的样本集，最后对样本集分类并标记正确的标签，加入训练样本集重新训练图像分类模型。本发明方法能够激活图像分类模型更多的神经元，有助于模型在极端输入下作出正确分类且分类准确率提高，由此模型鲁棒性得到提升。
📄 2021112826864
📂 G06V10_764
👤 西安邮电大学
📅 2021-11-01
柿子坊 · 知识产权运营
柿子坊知识产权运营平台