-
公开(公告)号：CN118378732A
公开(公告)日：2024-07-23
申请号：CN202410397202.8
申请日：2024-04-03
申请人： 天津大学
摘要： 本发明涉及一种基于多链合作模式的可扩展区块链联邦学习架构，包括一个协调链和多个过滤链，协调链部署在分布式区块链节点上并支持智能合约；所述过滤链部署在学习节点上且利用链内的数据资源进行协作学习并定期将聚合的学习结果提交给所述协调链。本发明有效解决了单点故障问题，并显著提升了系统的学习可扩展性；贡献证明联邦学习PoCFL解决了学习过程中中毒攻击引起的干扰，并通过根据参与者对BCFL过程的贡献确定他们的权益奖励来确保激励公平性；本发明表现出更好的学习可扩展性，并且能够有效抵御至少40％的恶意参与者发起的特定中毒攻击；此外，在基于区块链的联邦学习过程中，本发明表现出良好的激励公平性。
-
公开(公告)号：CN111488917A
公开(公告)日：2020-08-04
申请号：CN202010198397.5
申请日：2020-03-19
申请人： 天津大学
摘要： 本发明涉及一种基于增量学习的垃圾图像细粒度分类方法方法，包括下列步骤：第一步，构建新旧类别垃圾图像数据库；第二步，分别训练深度卷积特征提取网络和增量分类器：首先，利用所挑选的旧类别垃圾图像数据集训练基于resnet18的深度卷积神经网络，称之为resnet18网络；将训练好的resnet18网络去掉全连接层作为增量学习的深度卷积特征提取网络；最后，利用深度卷积特征提取网络提取旧类别垃圾图像的深度卷积特征，作为增量SVM分类器的负类样本数据集，利用深度卷积特征提取网络提取新增类别垃圾图像的深度卷积特征，作为增量SVM分类器的正类样本数据集，并训练增量SVM分类器；第三步，建立分类增量学习模型。
-
公开(公告)号：CN110852944A
公开(公告)日：2020-02-28
申请号：CN201910967482.0
申请日：2019-10-12
申请人： 天津大学
摘要： 本发明提供一种基于深度学习的多帧自适应融合的视频超分辨方法及其电子设备，包括下列步骤：第一步，构建训练本发明的网络所需的数据集；第二步，通过深度学习框架TensorFlow搭建多帧自适应融合的视频超分辨网络，多帧自适应融合的视频超分辨网络被划分为两个部分：多帧自适应配准网络和超分辨网络，其中多帧自适应配准网络能够将需要超分辨的关键帧的相邻帧进行扭曲，使其和关键帧的内容趋于相同，以提供给算法更多的细节信息，而超分辨网络则将多帧自适应配准网络的输出超分辨为高分辨率帧图像；训练。
-
公开(公告)号：CN110443276A
公开(公告)日：2019-11-12
申请号：CN201910582213.2
申请日：2019-06-30
申请人： 天津大学
IPC分类号： G06K9/62
摘要： 一种基于深度卷积网络与灰度递归图分析的时间序列分类方法，将原始时间序列切分成若干长度相同且互不重叠的片段，并将这些片段分别进行二维灰度递归图转换，得到片段灰度递归图，将片段灰度递归图分成训练集和测试集，将训练集中的灰度递归图用于深度卷积神经网络端到端的训练，获得训练好的深度卷积神经网络模型，对训练好的深度卷积神经网络模型进行测试，在测试过程中，将测试集中的灰度递归图输入至训练好的深度卷积网络进行分类预测。本发明是一种非常快速的分类方法，不仅在表征效果上有显著的提升，同时是一种自动的特征提取方法，减少了复杂的人工设计过程。
-
公开(公告)号：CN116702880A
公开(公告)日：2023-09-05
申请号：CN202310518516.4
申请日：2023-05-10
申请人： 天津大学
摘要： 本发明涉及一种基于DAG区块链的联邦学习系统，包括云服务层、边缘服务器层及移动设备层。本发明还涉及一种基于DAG区块链的联邦学习方法。本发明在基于DAG区块链的联邦学习中，客户端可以根据自身需求通过主动发布保存机器学习模型的区块来参与联邦学习，实现从传统联邦学习中被动参与到主动参与的转变；客户端及其他区块链网络内的节点通过仅保存部分DAG账本来代替保存全量DAG账本，在保证数据可靠性的同时，降低了节点的存储资源消耗；将DAG区块链与联邦学习系统进行融合，实现了一个用户可以主动参与的联邦学习系统，并有效的解决了单点故障的问题；通过使移动设备层与边缘服务器层只保存部分DAG账本，降低了DAG区块链网络中节点的存储消耗。
-
公开(公告)号：CN114178198A
公开(公告)日：2022-03-15
申请号：CN202111489283.7
申请日：2021-12-08
申请人： 天津大学
摘要： 本发明涉及一种阵列式流水线垃圾物品智能精分拣装置，包括流水线皮带传送机构，阵列式滑台，垃圾物品抓取单元和视觉检测单元。其中，阵列式滑台，包括系统支架，多个滑台模块和多个垃圾桶；多个滑台模块设置在流水线皮带传送机构的上方，并行排列在系统支架上，每个滑台模块包括丝杠，滑轨，滑块，电机，丝杠和滑轨平行布置且与皮带传送方向一致，电机用于驱动丝杠运动；滑块固定在滑轨上并能够随着丝杠的运动沿着滑轨移动。垃圾物品抓取单元，通过垃圾物品抓取单元支撑件固定连接在滑块的下部，包括气动伸缩杆，负压发生器，吸盘和空压机。本发明具有种结构和控制简单，易于实现小型化的优点。
-
公开(公告)号：CN110895790A
公开(公告)日：2020-03-20
申请号：CN201910967484.X
申请日：2019-10-12
申请人： 天津大学
摘要： 本发明提供一种获取真实场景成像过程参数的方法，给出一种利用所获取到的真实场景的成像过程参数实现的基于后验降质信息估计的场景图像超分辨方法及电子设备。基于后验降质信息估计的场景图像超分辨方法包括以下步骤：创建图像超分辨网络，网络共由多个残差网络块串联组成，并在最后通过连接两个反卷积层实现上采样功能；将高清图像数据集，做模糊操作并做下采样，得到低分辨训练数据集；将低分辨训练数据集的图像作为图像超分辨网络的输入，训练完成后保存网络的参数和结构；将目标场景其他需要超分辨的低质量图像或视频作为训练好的图像超分辨网络的输入，输出则是所需要的质量更佳的高分辨图像或视频。
-
公开(公告)号：CN110852937B
公开(公告)日：2023-06-02
申请号：CN201910982440.4
申请日：2019-10-16
申请人： 天津大学
IPC分类号： G06T3/00 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及一种基于内容与样式解耦的高逼真形变物体的图像生成方法，包括下列步骤：采集图像作为生成网络的数据集：依据图像是否发生形变将数据集分为X类和Y类，X指形变图像，Y指规范图像；构建网络鉴别器、编码器和生成器；训练网络，包含两次图像转换过程；将待处理规范图像输入到已训练好的网络中，内容编码器提取该图像的内容特征后，和由高斯分布所生成的风格编码进行concat连接后输入到生成器中，最终生成形变图像。
-
公开(公告)号：CN112749515A
公开(公告)日：2021-05-04
申请号：CN202110122585.4
申请日：2021-01-29
申请人： 天津大学
IPC分类号： G06F30/27 , G06N3/08 , G06F111/04
摘要： 本发明提供了一种融合生物启发和深度强化学习的损伤状态机器人步态自学习方法，步骤包括：六足机器人建模及强化学习控制系统搭建；设置状态值和动作值；设置奖励函数；搭建Actor‑Critic神经网络；选取强化学习算法进行网络参数优化；六足机器人模型仿生特征约束；典型损伤状态下的六足机器人步态训练。该方法通过使用融合生物启发和深度强化学习的方法来生成机器人步态，使机器人在受到损伤后能够通过步态自学习进行步态调整，这对提高机器人在复杂环境下的生存能力具有重要意义。
-
公开(公告)号：CN112061647A
公开(公告)日：2020-12-11
申请号：CN202011128772.5
申请日：2020-10-21
申请人： 天津大学
摘要： 本发明涉及一种桶盖分离式垃圾桶，包括桶盖和垃圾桶体，桶盖为分离式桶盖，分离式桶盖由伸缩支撑结构所支撑，其中，伸缩支撑结构包括伸缩立柱、开盖电动推杆、伸缩立柱顶推电动推杆、支撑立柱和底座，伸缩立柱的下部置于支撑立柱内，在支撑立柱内设置有伸缩立柱顶推电动推杆，伸缩立柱顶推电动推杆用于顶升伸缩立柱，支撑立柱与底座固定连接，底座的宽度可调节。分离式桶盖包括活动盖板；在伸缩立柱上固定有活动盖板后端支架，活动盖板通过活动盖板转轴与活动盖板后端支架活动连接；活动盖板的开盖动力由开盖电动推杆提供。本发明使得垃圾桶溢满后可以很方便的转运，并且可以适配不同尺寸的垃圾桶体。
-
-
-
-
-
-
-
-
-
搜索结果
31 条记录 (耗时 0.026 秒)
