本发明公开了基于随机神经网络搜索的机油罐标签划痕检测系统及方法，属于机油罐标签划痕检测技术领域，旨在解决现有技术中采用人工方式对机油罐标签划痕检测存在准确率低、效率低、检测具有滞后性的问题，以及一般自动检测系统存在的误检严重、分级精度低的问题。通过采集机油罐正反两面的标签图像对其进行划痕检测，并实现有划痕自动报警，根据检测结果对机油罐进行自动分类，相比采用人工的方式节省了大量的人力、物力和财力，同时采用随机神经网络架构搜索方法搜索得最优网络模型，检测准确度更高，能够更加规范生产管理和操作流程。
📄 2023102507170
📂 G01N21_88
👤 新余云知联信息科技有限公司
📅 2023-03-16
本发明提供了一种文档网络主题建模方法、变分邻域编码器、终端及介质，该方法包括：获取文档网络集，并分别确定所述文档网络集中各文档的文档输入表示；将各文档的文档输入表示输入预训练后的变分邻域编码器进行编码处理，得到各文档的隐藏层表示，并根据所述隐藏层表示确定中心文档的表示；根据所述中心文档的表示确定文档‑主题分布，并根据所述文档‑主题分布确定主题‑词分布。本发明基于各文档的隐藏层表示能有效地确定到中心文档的表示，基于中心文档的表示能有效地确定到文档‑主题分布，基于文档‑主题分布能有效地确定到主题‑词分布，以达到对文档网络的主题建模效果。
📄 2023101357509
📂 G06N3_047
👤 江西财经大学
📅 2023-02-20
本发明提供了一种基于复数神经网络的射频指纹识别方法、设备及介质。其中，基于复数神经网络的射频指纹识别方法，包括：将获取的原始复数信道状态信息CSI数据转换为幅度数据，并为所述幅度数据添加全零虚部，以构建成符合复数神经网络输入格式的复数形式数据；将所述复数形式数据划分为训练集和测试集；构建用于对输入的复数形式数据进行特征提取的复数神经网络模型；使用所述训练集对所述复数神经网络模型进行训练；将待识别的CSI数据经构建成复数形式数据后，输入到训练好的复数神经网络模型中，根据模型输出的复数结果的幅度值确定待识别的CSI数据所属的设备类别。达到在复杂的无线环境中，实现对设备身份准确且稳定识别的目的。
📄 2025118006960
📂 G06F18_241
👤 无锡学院
📅 2025-12-02
本发明公开了一种基于深度神经网络的癌症预后评估与靶点识别，该方法包括：获取基因表达数据，并对所述基因表达数据进行预处理，获得初始数据；使用结合扩散模型和自编码器的深度神经网络对所述初始数据进行特征提取处理，获得基因表达特征的低维表示；将所述基因表达特征的低维表达输入XGBoost生存分析模型，获得风险值，并根据所述风险值获得癌症预后评估结果；根据所述风险值以及患者基因表达进行差异表达分析，获得癌症预后靶点。可见，本发明通过结合了扩散模型和自编码器的深度神经网络以及XGBoost生存分析模型，实现了对癌症患者预后风险的准确评估和相关靶点的识别，从而为个性化治疗和靶向疗法的设计提供了科学依据。
📄 2024116996270
📂 G16B40_00
👤 佛山大学
📅 2024-11-26
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
本发明公开了一种基于深度去噪稀疏自编码器及ISSVM的电子元件分类方法，包括：对电子元件图像预处理。构建深度去噪稀疏自编码器DDSA并完成特征提取：利用自编码器对原始特征进行降维，将稀疏自编码器堆叠在一起，采用贪婪训练分层策略，形成深度堆叠稀疏自编码器的鲁棒模型。构建去噪编码器，输入部分损坏的噪声数据样本，通过训练重建原始输入，完成去噪特征提取。提出增量学习支持向量机分类算法，将KT条件应用于原始训练数据集，并添加额外数据点，利用增量学习实现非线性SVM训练。形成结合稀疏自编码器DDSA和ISSVM的混合分类模型，并将其应用于电子元件的分类及测试中。本发明可以显著减少计算时间，提高分类精度，在电子元件的分类中表现良好。
📄 2022112475114
📂 G06V10_764
👤 淮阴工学院
📅 2022-10-12
本发明公开了一种基于非负性约束稀疏自编码器的电子电路缺陷检测方法，包括：对电子电路图像采集、剪裁，图像数据增强及特征提取，确定缺陷数据集及缺陷类型。基于组的图模型及核规范的图像去噪方法对电子电路图像的去噪，通过优化学习策略来获得图像的拉普拉斯图矩阵，利用其封装图结构。提出非负性约束稀疏自编码器的深度学习模型，并将其用于缺陷区域的提取中。利用训练成功的自编码器模型预测出电路图像，并将该预测图像减去原始缺陷输入图像，生成缺陷检测图，设置适当阈值获得分类正确的缺陷类型。与现有技术相比，本发明可以有效地检测缺陷颜色变化较大的电子电路真缺陷以及颜色变化较小的伪缺陷，提高电子电路缺陷识别的可靠性和精度。
📄 202211408638X
📂 G06T7_00
👤 淮安大学
📅 2022-11-10
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
柿子坊 · 知识产权运营
柿子坊知识产权运营平台