-
公开(公告)号：CN110290389B
公开(公告)日：2022-12-06
申请号：CN201910623614.8
申请日：2019-07-11
申请人： 东华大学
IPC分类号： H04N19/177 , H04N19/58 , H04N19/132 , H04N19/593 , H04N19/105
摘要： 本发明涉及一种基于长短期参考帧挑选假设匹配块视频压缩感知重构方法。通过充分挖掘图像帧之间的相似性，本发明提出了一种新的视频压缩感知重构策略：长短期参考帧动态挑选多假设匹配块，所提方法主要包括四个阶段：第一阶段，对压缩视频序列中每帧的测量值进行单独的图像重构；第二阶段，为较低采样率的图像帧指定长短期的多个重构参考帧；第三阶段，从多个参考帧中挑选多个假设匹配块；第四阶段，利用多假设匹配块形成残差稀疏模型，进而完成各个图像帧的重构。所提方法在增加一定复杂度的情况下能够获得较好的视频重构质量。
-
公开(公告)号：CN111553297B
公开(公告)日：2022-03-15
申请号：CN202010372329.6
申请日：2020-05-06
申请人： 东华大学
IPC分类号： G06K9/00 , G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04
摘要： 本发明涉及一种基于2D‑CNN和DBN的涤纶长丝生产故障诊断方法和系统，方法流程如下：(1)分别训练2D‑CNN模型和DBN模型得到2D‑CNN分类器和DBN分类器；(2)将2D‑CNN分类器和DBN分类器结合；(3)采集多组故障特征参数数据并进行预处理后将其输入到DBN分类器中，由其输出各组数据及其对应的故障诊断(故障、正常)；(4)将故障诊断标签为故障的数据整合为新的输入数据集，并各自排列成一维时域信号，将一维的时域信号转化为二维的图像后，输入到2D‑CNN分类器中确定故障类型标签，同时将故障诊断标签为正常的数据对应的故障类型标签记为正常合格后输出；系统包括数据获取模块、2D‑CNN模型训练模块、DBN模型训练模块和故障诊断初筛模块。本发明的方法和系统预测精度较高。
-
公开(公告)号：CN110083940A
公开(公告)日：2019-08-02
申请号：CN201910349131.3
申请日：2019-04-28
申请人： 东华大学
摘要： 本发明涉及短期风速预测领域，公开了一种基于SSA-HMD-CNNSVM模型的短期风速预测方法，首先利用奇异谱分析(SSA)降低噪声并提取原始风速数据的趋势信息，然后利用混合模式分解对风速数据进行深度分解，接着采用卷积支持向量机对各个风速子层进行预测，最后对所有分量的预测结果进行叠加，进而得到最终的风速预测结果。本发明对风速时间序列的降噪及深度分解处理，与一般的信号预处理方式相比，能够有效降低风速时间序列的随机波动对预测结果的影响，大大提升了风速预测的准确性和精确性。同时，CNNSVM能结合单一模型卷积神经网络和支持向量机的优点，因此具备强大的泛化能力和鲁棒性能，可大规模应用于风电场风速预测。
-
公开(公告)号：CN110069778A
公开(公告)日：2019-07-30
申请号：CN201910312096.8
申请日：2019-04-18
申请人： 东华大学
摘要： 本发明公开一种中文融入嵌入词位置感知的aspect级的商品情感分析方法，主要包括：输入字嵌入向量采用Laplace概率密度函数进行位置权重加权，采用双向GRU神经网络对文档中所有句子的情感语义及句子间的语义关系进行编码，对词向量集合中的每个词向量获取其上下文的信息，得到隐藏层当前的隐状态；给隐藏层当前的隐状态的添加注意力机制，得到句向量的概率分布；根据句向量的概率分布，用全连接层与soft-max函数判断情感类别。嵌入词向量时同时采用位置感知方法可以有效提高嵌入词的情感信息。采用双向GRU神经网络可以减少训练时间，进一步提升情感分析精确度。
-
公开(公告)号：CN109932900A
公开(公告)日：2019-06-25
申请号：CN201910349572.3
申请日：2019-04-28
申请人： 东华大学
IPC分类号： G05B13/02
摘要： 本发明提出了一种新颖的基于神经网络的使用事件触发状态反馈控制的非线性连续系统的权重更新方法，并保证了系统的稳定性和避免了Zeno效应。反馈控制器是在事件触发机制下，采用神经网络来逼近的。由于控制输入为非线性控制输入，因此比传统线性控制输入应用范围更广。触发机制为利用系统输出值与控制器输出值之差来判断是否满足触发条件。由于采用了事件触发机制，所以与传统控制方法相比，降低了系统的能耗，也节约了资源。
-
公开(公告)号：CN108921003A
公开(公告)日：2018-11-30
申请号：CN201810387696.6
申请日：2018-04-26
申请人： 东华大学
摘要： 本发明涉及一种基于卷积神经网络和图像形态学的无人机障碍物检测方法，包括：对拍摄到的前方图像进行预处理，然后通过简单的特征从图像中定位出无人机可能出现的位置，以提高系统的实时性。接着对图像进行形态学处理，去除图像图像中可能存在的噪声等影响。最后利用已经训练好的卷积神经网络来对前者所获取的无人机假设生成区域进行检验，将卷积神经网络判断为非目标的区域从假设产生区域的集合中去除，最后将判定为目标区域的图像进行标记，输出对应图像。本发明能够有效的提高检测的准确率和实时性，而且卷积神经网络具有从原始图片中自适应提取特征的优点，可以有效规避人工特征提取的局限性。
-
公开(公告)号：CN108665112A
公开(公告)日：2018-10-16
申请号：CN201810470634.1
申请日：2018-05-16
申请人： 东华大学
摘要： 本发明涉及一种基于改进粒子群优化Elman网络的光伏故障检测方法，其特征在于，包括以下步骤：(1)粒子群算法初始化；(2)构建Elman神经网络拓扑结构；(3)确定粒子评价函数，计算粒子适应度值；(4)更新粒子并引入变异算子，获得新的种群粒子：重新确定个体极值和全局极值，在达到设定精度或最大迭代次数时获得最优粒子；(5)根据步骤(4)中得到的最优粒子获得最优权值进行网络训练和结果预测。本发明在改进的粒子群算法下获取神经网络最优权值，克服了Elman神经网络陷于局部最优解的缺陷，使得预测效率更高，速度更快，便于光伏发电系统的维护与管理。
-
-
公开(公告)号：CN108490965A
公开(公告)日：2018-09-04
申请号：CN201810354181.6
申请日：2018-04-19
申请人： 东华大学
摘要： 本发明涉及一种基于遗传算法优化神经网络的旋翼飞行器姿态控制方法，包括以下步骤：创建初始种群T，并对数据进行预处理；确定编码方式；确定适应度函数；遗传算法的遗传操作；将得到的最优解代入BP神经网络模型的权值和阈值；计算误差，若未达到要求，则利用误差反向传播算法更新神经网络模型的权值和阈值；若达到要求，则将BP神经网络模型的输出作用于PID控制器，PID控制器通过调整惯性环节系数Kp、积分环节系数Ki和微分环节系数Kd来调节控制强度和效果，输出理想控制信号；旋翼飞行器的姿态得到理想控制，恢复到理想的飞行姿态。本发明有效地避免了神经网络陷入局部极小值的缺点。
-
-
-
-
-
-
-
-
-
搜索结果
150 条记录 (耗时 0.026 秒)
