-
公开(公告)号：CN117479191A
公开(公告)日：2024-01-30
申请号：CN202311434451.1
申请日：2023-10-31
Applicant: 东南大学
IPC: H04W24/02 , H04W24/04 , G06N5/022 , G06N3/042 , G06N3/0464 , G06N3/0985 , G06N3/084 , G06F16/36
Abstract: 本发明公开了一种基于知识图谱和深度学习的无线通信网络智能优化架构及方法，架构主要包括：基于图神经网络构建的知识图谱表征模块依据无线通信数据的多源异质特性，构建无线通信网络通信性能指标的知识表示；基于关联关系的关联关系学习模块依据无线通信网络通信性能指标的知识表示，对通信性能指标之间的关联关系进行重新刻画；基于图注意力机制的异常检测模块考虑不同种类节点的权重，检测各个节点发生异常与否；基于统计特性的异常度评估模块对每一个节点进行评估，检测和解释节点的异常。本发明所提的无线通信网络智能优化架构以及方法，能够检测到并解释无线通信网络中的异常通信性能指标，实现无线通信网络内生智能。
-
公开(公告)号：CN116896754A
公开(公告)日：2023-10-17
申请号：CN202310406751.2
申请日：2023-04-17
Applicant: 东南大学
Abstract: 本发明公开了基于知识图谱因果效应估计的无线通信网络参数调优方法。方法包括：从无线通信网络参数测量数据出发，根据无线通信网络协议的内生因素构建相应的局部知识图谱，从测量数据中分离出研究对象、干预变量、协变量、观测结果，利用观察数据构造随机试验，使用反事实推理的方法评估干预变量对网络性能指标的影响效果，推广到整个图谱，能够得到各个可调参数对各个网络性能指标的影响效果，从而给出无线通信网络性能调整的方向，在现有网络基础上给出网络优化的调整选项。系统包括知识图谱构建模块、环境交互模块以及因果推理模块。本发明在有限的计算资源和人工成本下，从无线通信网络全局最优出发对无线通信网络参数进行辅助优化。
-
公开(公告)号：CN116703819A
公开(公告)日：2023-09-05
申请号：CN202310399454.X
申请日：2023-04-14
Applicant: 东南大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明提供一种基于知识蒸馏的铁路货车钢地板破损检测方法，包括以下步骤：获取铁路货车钢地板区域图像，构建训练集；搭建钢地板破损检测教师网络和学生网络，并进行训练，利用教师网络对学生网络进行蒸馏，通过调整参数得到最终的故障检测模型；获取待检测图像，处理后输入所述故障检测模型，得到钢地板破损检测结果。以深度卷积神经网络和知识蒸馏为基础，采取了编码器与解码器的结构，通过渐进式多级知识蒸馏建立查询之间的预测匹配，以逐步向学生模型传递有用的知识。本发明准确率高、精度高的自动化检测方法，其解决了现阶段只能通过动态检车员肉眼识别图像判断故障带来的视觉疲劳造成误检漏检的问题。
-
公开(公告)号：CN116647873A
公开(公告)日：2023-08-25
申请号：CN202310437542.4
申请日：2023-04-21
Applicant: 网络通信与安全紫金山实验室 , 东南大学
IPC: H04W28/06 , H04B7/0413 , H04B7/0456 , G06N3/0985
Abstract: 本发明提供一种无线网络资源管理优化方法、装置、电子设备及存储介质，该方法包括：确定无线网络资源管理优化问题，并获取无线网络资源管理优化问题的输入参数向量；将输入参数向量输入至目标深度展开网络，得到无线网络资源管理优化问题的求解结果；根据求解结果，进行无线网络资源的管理优化；目标深度展开网络是基于无线网络资源管理优化问题的样本输入参数向量和样本输入参数向量对应的优化问题求解结果，对目标深度展开网络的超参数进行训练得到的；超参数包括优化变量的迭代步长、对偶变量的迭代步长和惩罚参数中的一种或多种。扩展了优化问题求解的适用性，提高了小样本优化问题求解的准确度。
-
公开(公告)号：CN116578819A
公开(公告)日：2023-08-11
申请号：CN202310427994.4
申请日：2023-04-20
Applicant: 东南大学
Abstract: 本发明公开了一种稀疏分数傅里叶变换FPGA实现方法及系统，属于数字信号处理和嵌入式领域。首先，将外部输入信号f(n)乘以chirp1信号，得到调频后的信号x(n)，并将信号x(n)缓存进DDR3存储芯片以便后续的循环计算；接着对信号x(n)进行稀疏傅里叶变换；最后将稀疏傅里叶变换的计算结果与chirp2信号相乘，从而得到原始输入信号f(n)的分数傅里叶变换结果。相比较于传统的分数傅里叶变换，本方法可以更快速的进行分数傅里叶变换，并可以降低FPGA器件的硬件资源消耗量。
-
Patent Agency Ranking
公开(公告)号：CN116309508A
公开(公告)日：2023-06-23
申请号：CN202310324738.2
申请日：2023-03-30
Applicant: 东南大学
IPC: G06T7/00 , G06V10/764 , G06N3/08 , G06V10/82 , G06V10/774 , G06V10/74 , G06V10/77 , G06N3/0464
Abstract: 本发明提出一种基于图像增广和图像重构的异常检测方法，包括以下步骤：S1获取测试图像；S2将测试图像输入生成网络中实现输入样本的无异常重构；S3将测试样本和它经过生成网络得到的无异常重构样本在通道处级联送入判别网络中生成异常分数，实现实例级异常检测；S4基于梯度类加权激活映射方法，使用流向判别网络中最后卷积层的梯度信息生成异常区域的一个定位图，实现异常定位。本发明在基于生成式模型重构无异常样本的基础上，使用数据增广策略，在正常样本的基础上构造伪异常样本加入，转无监督学习为有监督学习，将原本的图像实例级异常检测问题转化为图像分类问题，并进一步提升了异常检测的准确率，且可以实现较为精确的异常定位。
-
公开(公告)号：CN116304502A
公开(公告)日：2023-06-23
申请号：CN202211535221.X
申请日：2022-11-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于插入排序的稀疏快速傅里叶变换FPGA实现方法，属于数字信号处理和嵌入式领域。提出了一种基于插入排序计算幅值的方法，代替了传统方法中求取平均数的方法，实现了幅值计算准确度更高的稀疏快速傅里叶变换。对于频域稀疏的信号，进行缓存、重排、滤波、降采样、FFT/IFFT、阈值选择、定位循环和排序估值，最后输出结果。相比较于传统的稀疏快速傅里叶变换，本方法可以更快速的完成缓存、重排、滤波、降采样和阈值选择等操作，并显著提高计算的容错率。
-
公开(公告)号：CN115964017A
公开(公告)日：2023-04-14
申请号：CN202211567716.0
申请日：2022-12-07
Applicant: 网络通信与安全紫金山实验室 , 东南大学
Abstract: 本发明提供一种基于随机计算多比特有符号除法器和除法运算方法，所述除法器包括：第一随机计算有符号除法器、第二随机计算有符号除法器、第一加法器、第二加法器和第一D触发器；其中，所述第一随机计算有符号除法器和所述第一加法器连接；所述第二随机计算有符号除法器通过所述第一D触发器与所述第二加法器连接；所述第二加法器和所述第一加法器连接。本发明提供的基于随机计算多比特有符号除法器，通过包括第一随机计算有符号除法器、第二随机计算有符号除法器、第一加法器、第二加法器和第一D触发器，可以实现3比特有符号除法的运算，并且用3比特除法器进行计算时，每一位上1出现的概率都会减小，从而可以提升计算精度。
-
公开(公告)号：CN111553841B
公开(公告)日：2023-04-07
申请号：CN202010317225.5
申请日：2020-04-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于最佳缝合线更新的实时视频拼接方法，属于数字图像处理技术领域。本发明提供的实时视频拼接方法使用了基于特征点的图像配准技术，通过不同视角图像的匹配特征点估计出每一目摄像机的内外参数。在进行不同视角间图像融合时，采用了基于最佳缝合线的图像融合算法，针对运动物体可能产生的重影和不连续的问题，使用基于KNN的背景消除算法和基于动态规划的缝合线更新算法以避免运动物体穿过缝合线而产生的不连续和重影。最后，使用基于卷积金字塔的图像融合算法，消除拼接缝。采用我们设计的视频拼接方法可以在保证拼接实时性的情况下提供良好的大视场图像。
-
公开(公告)号：CN110276354B
公开(公告)日：2023-04-07
申请号：CN201910445881.0
申请日：2019-05-27
Applicant: 东南大学
Abstract: 本发明公开了一种图像语义分割模型的训练方法及使用方法，本方法包括训练方法：将预先标注好语义分割信息的训练图像分别输入到网络的特征提取模块，该模块将低分辨率图片的高处理速度和高分辨率图片的高推断质量两种优点相结合，输出计算得到的特征图。随后将特征图送入分割模块进行反卷积，恢复成原图1/4大小。并标注每个像素的类型权重，得到预测的结果。最后依据所训练的图像的预测信息和事先标注好的信息，对网络的参数进行修正。使用方法与训练方法类似，对最后的1/4大小的图进行上采样，恢复到原图大小。该分割方法大大降低了计算量和所耗时间，并能以30帧的速度在1024×2048的高分辨率下运行，同时实现高质量的推断效果。
-
-
-
-
-
-
-
-
-
Search Results
475
records
(took 0.033 seconds)
