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
本发明公开一种基于EIEM边缘特征提取的钢铁缺陷检测方法，首先设计一个边缘信息提取模块EIEM替换C2f中的BottleNeck，该模块采用sobel算子来提取特征的边缘信息并与整体空间信息进行特征融合，获得更加丰富的语义信息；其次，替换上采样方法为CARAFE，该方法通过编码器能够学习到适合自己特征信息的卷积核，以指导更加精确的特征重建；最后，将原来的检测头换成了动态统一的检测头（DyHead)，以应对不同缺陷的尺寸和变换位置，而且正因为这个检测头，在不同的尺寸、位置、任务中，都能动态的适应，不需要改变检测头。与现有技术相比，本发明克服了现有技术中鲁棒性差、引入噪声导致缺陷检测准确率低的问题，利用改进YOLOv8s模型架构，具有准确性高，适用广度大的优点。
📄 2024109597543
📂 G06V10_764
👤 淮安大学
📅 2024-07-17
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
本发明公开了一种基于人工智能sEMG信号特征提取及肌肉疲劳级别判别方法，包括如下步骤：S1、使用多模态传感器设备实时捕捉用户在进行特定体力活动时的sEMG信号数据和辅助数据；S2、对所收集的sEMG信号数据及辅助数据进行预处理；S3、利用多尺度熵分析和机器学习算法对预处理后的sEMG信号数据进行特征提取；S4、基于提取的特征，构建并训练一个用于肌肉疲劳级别判别的复合人工智能模型；S5、对用户的肌肉疲劳级别进行实时评估，并根据评估结果，调整运动强度和休息时间安排。本发明通过采用创新的信号预处理技术，有效地提高了sEMG信号处理的准确性和效率。
📄 2024103959150
📂 A61B5_389
👤 齐鲁工业大学(山东省科学院)
📅 2024-04-02
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
本发明公开了一种视网膜OCT图像中血管结构的特征提取方法和配准方法，该特征提取方法基于视网膜OCT图像进行体现血管结构3D特征的第一特征、用于体现血管结构交点特征的第二特征、用于体现血管结构SURF特征的第三特征提取，并对提取到的特征进行融合，因此得到的特征能够具有更全面的血管结构信息，为后续配准等操作打下基础。本发明中特征提取方法设计了用于体现血管结构交点特征的第二特征提取的提取步骤，通过第一特征提取矩阵对潜在的血管交点进行血管交点提取，得到初筛后的血管交点；再通过第二特征提取矩阵对初筛后的血管交点进行伪特征点的排除，得到二次筛选后的血管交点，由此可以避免血管交点的错漏。
📄 2024112283359
📂 G06V40_14
👤 江苏理工学院
📅 2024-09-03
柿子坊 · 知识产权运营
柿子坊知识产权运营平台