本发明公开了一种应用于机电绞车缆绳收放的纠偏方法，包括如下步骤：确定储缆电机编码器初始圈数、排缆电机编码器初始圈数、储缆电机编码器单层圈数和排缆电机编码器单层圈数；PLC读取储缆电机编码器当前圈数与排缆电机编码器当前圈数；PLC计算不同储缆层数的储缆电机相对圈数；PLC根据排缆电机编码器当前圈数、排缆电机编码器初始圈数和排缆电机编码器单层圈数，计算排缆电机编码器相对圈数；PLC根据储缆电机编码器相对圈数、排缆电机编码器相对圈数、储缆电机减速比和排缆电机减速比计算偏离圈数；PLC根据偏离圈数控制排缆电机进行纠偏。本发明可以根据电机编码器实时检测缆绳的偏离方向并进行纠偏。
📄 2024101176762
📂 B66D1_48
👤 江苏科技大学
📅 2024-01-26
本发明公开了一种融合多尺度残差注意力的医学图像分割方法，步骤是：对采集的数据集预处理后进行训练集、验证集、测试集划分；数据增强，在训练过程中采用0.5的概率对数据进行随机垂直翻转、随机水平翻转和随机旋转；构建多尺度残差注意力网络，在编码器部分，网络减少双卷积中间部分的通道数，适度减小网络参数；在解码器设计多尺度残差注意力模块来捕捉不同尺度下医学图像的细节特征，提高图像特征图的利用率，缓解由于网络过深引起的梯度消失问题和退化问题，进一步提高网络的稳定性；在测试集测试模型，得到模型的分割结果。本发明解决了医学图像目标区域与背景边界模糊的问题，能够在提高图像分割精度的同时有效减少网络的参数量。
📄 2023102139588
📂 G06T7_00
👤 江苏科技大学
📅 2023-03-08
本发明公开了一种深度注意力网络的胎儿小脑超声图像分割方法，包括如下步骤：首先将胎儿超声数据集按照4:1的比例随机划分为训练集和测试集，对胎儿超声数据集进行预处理；然后搭建DA‑Net网络模型，构造一个六层的U形网络，将残差级联块和改进的三重注意力模块封装成一个复合模块嵌入到网络的编码器和解码器中，用来进行有效特征提取；接下来，在训练集上采用像素位置感知损失来训练网络模型；最后，在测试集上测试模型，根据测试的结果，选择出性能最优的模型为最终模型；使用该模型进行胎儿小脑超声图像分割。本发明利用一个深度注意力网络DA‑Net，能够准确实现胎儿小脑超声图像的定位与分割，获得了较好的分割性能和鲁棒性。
📄 2023107247841
📂 G06T7_10
👤 江苏科技大学
📅 2023-06-19
本发明涉及一种面向强稀疏性移动社交网络的链路预测方法、系统及存储介质，方法包括：图自编码器GAE中的编码器接收输入的移动社交网络的图序列，进行特征提取，得到特征矩阵；矩阵聚合模块对所述编码器输出的特征矩阵和图序列的度矩阵进行聚合，得到聚合后的特征矩阵；长短期记忆LSTM模块接收所述矩阵聚合模块输出的聚合后的特征矩阵，进行时序特征提取，将提取的时序特征输入到所述图自编码器GAE中的解码器；所述解码器进行解码，得到预测的链路图。本方法能够降低模型学习的成本，消除移动社交网络强稀疏性对深度神经网络的负面影响，提高链路预测精度。
📄 2024106204985
📂 G06Q10_04
👤 南京邮电大学
📅 2024-05-17
本发明涉及视觉重建技术领域，公开了基于人脑fMRI重建视觉刺激图像的方法及系统，方法包括获取fMRI数据集，从fMRI数据集中提取fMRI体素数据进行patch遮罩，对fMRI体素数据的空间冗余进行稀疏编码处理，得到体素小块；体素小块通过一维卷积层转化成嵌入token，并随机遮罩至编码器中，在编码器的末端添加掩码符号、位置嵌入、patch编码，线性投影转化为解码器的嵌入空间，得到fMRI的潜在特征；获取fMRI对应的图像和文本数据集，在fMRI图像和文本数据集中利用训练好的CLIP模型提取CLIP的视觉和文本特征，对CLIP的视觉特征进行解码，得到初步图像；通过自编码器进行编码，利用fMRI的潜在特征和CLIP的文本特征通过线性插值混合，得到像素重建，实现了结构清晰的初步重建图像的快速生成。
📄 2024105594353
📂 G06T11_00
👤 南京邮电大学
📅 2024-05-08
本发明公开了一种基于CNN‑Transformer并行编码器的医学图像分割方法，包括如下步骤：使用卷积神经网络捕捉到局部信息，Transformer捕捉到远程全局信息；通过特征筛选，调整注意力的分布和去除无用信息；通过双层融合模块融合多尺度特征并输出。本发明通过卷积神经网络和Transformer的混合架构，能够提取到多尺度、更丰富的信息，从而显著提升医学图像分割的精度。
📄 2024104623772
📂 G06T7_10
👤 南京邮电大学
📅 2024-04-17
本发明属于自然语言处理技术领域，公开了一种面向热点话题的基于自监督表示学习的观点挖掘方法，包括：获取文本语料库并进行数据预处理；语料中的文本用词袋模型进行表示；对文档的词袋表示进行数据增强得到成对的相似文档向量表示；将成对的相似文档向量表示输入编码器网络得到输出，作为输入文档的观点分布的向量表示；从狄利克雷分布中采样获得观点分布的先验；最小化编码器网络输出的不变性、方差、协方差正则化损失和狄利克雷先验分布对齐的先验损失，以此进行模型的训练。本发明利用自监督学习的优势，得到了文档的观点表示，获得了高质量的观点，挖掘出了多样的观点表示。
📄 2024102266145
📂 G06N5_04
👤 南京邮电大学
📅 2024-02-29
本发明公开了人工智能技术领域的一种具有风格个性化的图像生成方法、装置及存储介质，旨在解决图像生成的质量与准确性的技术问题。所述方法包括：选取风格图像，将其输入预构建的VGG19_f3网络模型中，获得不同大小特征图；计算特征图的Gram矩阵，以提取出特征图的风格信息；将经过文本编码器得到的文本的编码、噪音图像、风格信息输入预构建的具有风格引导模块的噪音预测网络进行噪音预测，获得预测噪音并对噪音图像进行重复去噪，获得潜空间图像，以及将其通过图像解码器进行解码，获得最终生成风格个性化图像。本发明能够使模型端到端生成风格个性化图像，使模型具有更强的风格个性化能力，同时保证生成图像的质量以及准确性。
📄 2024102176219
📂 G06T11_00
👤 南京邮电大学
📅 2024-02-28
本发明属于自然语言处理技术领域，公开了一种基于互信息和对抗神经网络的增强主题多样性方法，包括：语料库中词语预处理作为真实文本词分布；将随机采样的语料作为编码器的输入，生成真实文本主题分布向量；将真实文本词分布与主题分布构成分布对且批内随机打乱作为负样本分布对；将狄利克雷分布随机采样的假文本主题分布为生成器输入，并转换为假文本词分布向量；以真实分布对和假分布对在对抗训练过程中生成主题词；以判别器损失函数和最大化互信息的正则化损失为目标进行训练。本发明对文本主题进行建模，挖掘高质量主题，将互信息最大化技术融入到对抗神经主题建模过程，增强主题多样性，具有更高的主题同一性和多样性指标。
📄 2023115245443
📂 G06F40_289
👤 南京邮电大学
📅 2023-11-16
本发明公开了一种电网中虚假数据识别方法及系统，其中方法包括：获取待识别样本；预处理获取的待识别样本，获得待识别样本序列；将待识别样本序列输入训练好的自动编码器模型获得重构数据Ⅰ，并计算重构数据Ⅰ与待识别样本序列的重构误差Ⅰ；判断重构误差Ⅰ与预设的动态阈值序列的大小，若重构误差Ⅰ大于等于动态阈值序列中对应的阈值，则输出虚假数据告警信号；所述预设的动态阈值序列包括全天各采样时刻对应的阈值。本发明能够实时识别检测电力系统中的虚假数据。
📄 2022104106438
📂 G06F18_20
👤 南京邮电大学
📅 2022-04-19
本发明提供一种基于记忆增强未来视频帧预测的监控视频异常检测方法，属于视频异常检测技术领域。该方法，首先搭建并优化学习异常检测模型，异常检测模型包括生成器网络和判别器网络；其中，生成器网络包括编码器、记忆模块和解码器，生成下一时刻的视频帧，即未来视频帧；判别器网络通过计算未来视频帧的异常分数，使用异常分数作为判断未来视频帧是否异常的标准；通过强度损失、梯度损失、光流损失、对抗损失和交叉熵损失对搭建的异常检测模型进行优化学习；然后对监控视频中的异常事件进行检测；该方法能显著提高监控视频中的异常检测精度；生成器网络具有较高的通用性和鲁棒性，能够嵌入到大多数异常检测方法中，提高其异常检测的性能。
📄 202210254979X
📂 G06V20_40
👤 南京邮电大学
📅 2022-03-15
本发明公开了一种基于变分生成对抗网络的个体处理效应评估方法，采用变分自编码器推断观测特征的隐表示，来获取完整的潜在因素，设计生成对抗网络推断反事实结果并指导变分自编码器更好地解耦潜在因素为工具因素，混淆因素以及调整因素，同时引入了一种自适应加权的方法基于解耦的混淆因素进一步控制数据偏差。本发明基于变分自编码器与生成对抗网络设计协同学习策略，提出变分生成对抗网络模型来估计个体处理效应，与现有方法相比，提高了个体处理效应评估的准确率。
📄 2021115768273
📂 G06F18_214
👤 南京邮电大学
📅 2021-12-21
柿子坊 · 知识产权运营
柿子坊知识产权运营平台