-
公开(公告)号：CN118509153A
公开(公告)日：2024-08-16
申请号：CN202410605597.6
申请日：2024-05-15
申请人： 广东技术师范大学
IPC分类号： H04L9/00
摘要： 本发明属于保密通信领域，公开了基于零化神经网络的混沌组合同步保密通信方法，包括S1、定义双驱动系统#imgabs0#以及双响应系统#imgabs1#的数学表达式，并构造出两个系统之间的误差函数ε(t)；S2、根据所构造的误差函数ε(t)，分别利用IEZNN模型和CZNN模型设计相应的组合同步控制器u(t)；S3、利用组合同步控制器u(t)实现双驱动系统#imgabs2#和双响应系统#imgabs3#之间的组合同步；S4、将已经同步的双驱动系统#imgabs4#和双响应系统#imgabs5#运用到保密通信中以实现对信息信号的加密和解密。本发明提克服了传统单驱动‑单响应同步控制架构技术的不足，提供更高水平的安全和机密性。本发明克服了传统方法无法抵抗噪声的缺点。
-
公开(公告)号：CN118486458A
公开(公告)日：2024-08-13
申请号：CN202410540311.0
申请日：2024-04-30
申请人： 人工智能与数字经济广东省实验室(广州) , 广东技术师范大学
摘要： 本发明公开了一种基于超图聚合对比学习网络的癌证病理图像预后预测方法及装置，涉及病理图像预后预测领域，包括：获取癌证病理图像并对所述癌证病理图像进行预处理，得到所述癌证病理图像反映的患者的空间特征；根据所述空间特征构造反映癌证患者网络的超图；将所述空间特征和所述反映癌证患者网络的超图输入到预构建的超图聚合对比学习网络中，获得患者的嵌入向量；调用分类器根据所述患者的嵌入向量对患者进行预后预测，以此判断所述癌证病理图像所表示的癌证复发还是不复发。本发明可以解决预后预测的准确率和模型的准确率偏低的问题。
-
公开(公告)号：CN118486313A
公开(公告)日：2024-08-13
申请号：CN202410924703.7
申请日：2024-07-11
申请人： 广东技术师范大学
IPC分类号： G10L17/18 , G10L17/02 , G10L17/04 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/08
摘要： 本发明公开一种基于参数动态调整的生成对抗网络语音转换方法，在特征提取阶段，提取语音的基频、频谱包络及非周期性特征。训练时，对特征张量进行批量归一化和自注意力处理，再经卷积、Sigmoid激活及Dropout正则化得到gamma调整参数。随后，通过自适应池化和卷积生成动态gamma值，强化频谱特征间的相关性，提升语音质量。在转换阶段，使用训练模型结合声码器合成目标语音。本方案利用频谱包络与动态gamma值，增强特征间长距离依赖，提高语音转换性能。
-
公开(公告)号：CN118473760A
公开(公告)日：2024-08-09
申请号：CN202410628778.0
申请日：2024-05-21
申请人： 广东技术师范大学
IPC分类号： H04L9/40 , G06F40/289 , G06F40/117 , G06F18/213 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/094 , G06N7/01
摘要： 本申请涉及网络安全领域，尤其是涉及一种网络威胁情报数据的关键信息提取方法、装置、设备、介质和计算机程序产品，其采集网络威胁情报数据，对其进行预处理，得到输入数据；将所述输入数据输入预训练的提取模型的RoBERTa‑wwm层，得到所述输入数据的特征表示数据；将所述特征表示数据输入BiLSTM层，得到序列特征；将所述序列特征输入PGD层后，使用CRF层预测标签序列，得到预测标签；根据预测标签，从所述网络威胁情报数据中提取关键信息。本申请能够提高对网络威胁情报数据的关键信息提取的精确度，以及提高基于BERT及其变体模型构建的识别模型的泛化能力。
-
公开(公告)号：CN118472963A
公开(公告)日：2024-08-09
申请号：CN202410570801.5
申请日：2024-05-09
申请人： 广东技术师范大学
IPC分类号： H02J3/14 , H02J3/06 , H02J3/32 , H02J3/28 , H02J3/00 , G06N3/045 , G06N3/092 , G06Q10/0631 , G06Q50/06
摘要： 本发明涉及智能电网技术领域，且公开了一种多园区微电网需求响应方法及系统，包括园区系统环境模型的构建，构建包括柔性负载模型、电化学储能模型、电力效用模型和冷热储能模型的园区微电网系统环境模型；基于多头注意力特征提取，利用多头注意力机制，动态地选择需要关注的其他园区所共享的信息；深度强化学习，用于协调园区对柔性负载、电冷热储能的控制，重塑电力需求的总体曲线。本发明可以通过自主学习获取最优控制策略，有效提高多园区微电网的灵活性和能源效率，同时降低用电成本，通过与已有的系统基线进行比较评估，确保当前系统的强化学习工作策略的有效性。
-
公开(公告)号：CN118472649A
公开(公告)日：2024-08-09
申请号：CN202410603032.4
申请日：2024-05-15
申请人： 广东技术师范大学
摘要： 本申请公开了一种用于抑制喇叭天线旁瓣的双极化角度选择表面结构，可广泛应用于喇叭天线技术领域。本申请通过在每层结构上设置频率选择表面单元，从而可以实现在不同入射角下产生不同的电纳值，同时在正常入射下设计的频率选择表面单元具有高透射率，并且通过搭建相同的上层结构和下层结构、不同的中间层结构这三层频率选择表面单元的等效电路模型，以计算出双极化角度选择表面的带通条件，从而实现具有双极化的角度选择特性，进而在不引入其他干扰源的情况下，有效抑制喇叭天线的旁瓣。
-
公开(公告)号：CN118328897B
公开(公告)日：2024-08-09
申请号：CN202410765779.X
申请日：2024-06-14
申请人： 广东技术师范大学
摘要： 本发明涉及机器视觉测量技术领域，公开了一种钣金工件槽孔尺寸的测量方法，包括以下步骤：S1：建立标准参数文件；S2：登录操作系统，进行图像采集；S3：对采集到的图像中待检测轮廓进行测量；S4：将测量结果的实际值与标准参数文件中的标准值进行对比：小于公差值，则输出“OK”；否则输出“NG”；S5：保存测量结果数据；与现有技术相比，本发明的钣金工件槽孔尺寸的测量方法，无需在图像上人工交互操作以确定待测量特征，克服了当工件测量特征数量较多时候通过鼠标选取图像并拟合成特征的繁琐操作，只需将测量结果与标准数据进行比对即可判断是否在精度范围内，能够有效提升该类产品的测量效率。
-
公开(公告)号：CN114723011B
公开(公告)日：2024-08-09
申请号：CN202210386440.X
申请日：2022-04-13
申请人： 广东技术师范大学
IPC分类号： G06N3/0464 , G06N3/082
摘要： 本发明涉及深度学习图神经网络技术领域，具体涉及一种面向动态图链接预测的高阶时序超图卷积网络运行方法。获取动态图数据样本集，并分为训练集、验证集和测试集；将获取动态图构建为时序超图，将时序超图内部的超边进行超边投影；将训练集输入高阶时序超图卷积网络；接着将验证集输入已训练的高阶时序超图卷积网络，对网络进行调整，获取优化后的高阶时序超图卷积网络；将测试集数据输入优化后的高阶时序超图卷积网络，得到优化后的网络节点特征表示，将网络节点特征进行内积打分，得出预测结果。本发明仅使用时序超图卷积操作就可以独立地捕捉动态图中的结构特性和时间动态特性，在链接预测中准确率得到大幅度的提升。
-
公开(公告)号：CN118447063A
公开(公告)日：2024-08-06
申请号：CN202410704847.1
申请日：2024-06-03
申请人： 广东技术师范大学
IPC分类号： G06T7/33 , G06T7/10 , G06V10/40 , G06V10/774
摘要： 本发明公开了一种基于膨胀血管约束和度量学习的视网膜图像配准方法，涉及医学图像处理技术领域，包括：获取原始视网膜图像集，构建初始视网膜图像配准模型；对原始视网膜图像进行预处理和血管分割，分别获得视网膜图像对和膨胀血管掩码图像对，再获得关键点特征图像对，确定关键点特征图像对之间的匹配点对；为保证相似度高的关键点有效区分，添加基于度量学习的描述符损失函数，并构建总训练目标损失函数，利用总训练目标损失函数对初始视网膜图像配准模型进行训练优化，得到训练好的视网膜图像配准模型；将待配准视网膜图像对输入到配准模型中，输出两幅图像之间的配准关系。本发明能够实现视网膜图像关键点的有效识别与表示，能有效提升视网膜图像配准性能。
-
公开(公告)号：CN118447013A
公开(公告)日：2024-08-06
申请号：CN202410704944.0
申请日：2024-06-03
申请人： 广东技术师范大学
IPC分类号： G06T7/00 , G06V10/774 , G06V10/82 , G16H50/20
摘要： 本发明涉及眼部医学影像检测领域，更具体，公开了一种基于多任务学习的早产儿视网膜病变自动分区方法，包括以下步骤：对早产儿视网膜病变图像中视盘和黄斑坐标进行标注；对标注好的早产儿视网膜病变图像进行数据预处理并划分为训练集和验证集，建立网络模型，将数据增强后的数据放入网络中得到输出结果，计算训练的输出结果与真实标签之间的误差，训练完成后，在验证集上评估模型的性能，计算黄斑和视盘定位的平均欧式距离误差，基于早产儿视网膜病变分区定义实现早产儿视网膜病变自动分区，本发明利用一种基于多任务学习的早产儿视网膜病变分区方法实现早产儿视网膜病变自动分区，利用两个任务之间的相关性实现视盘和黄斑中心定位任务之间的相互指导，有助于优化视盘和黄斑中心的定位任务，进而提高了定位的准确性和分区的精度，解决了计算机辅助诊疗早产儿视网膜病变的问题。
-
-
-
-
-
-
-
-
-
搜索结果
2434 条记录 (耗时 0.113 秒)
