-
公开(公告)号：CN112800292B
公开(公告)日：2022-10-11
申请号：CN202110053038.5
申请日：2021-01-15
Applicant: 南京邮电大学
IPC: G06F16/9032 , G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于模态特定和共享特征学习的跨模态检索方法，包括：步骤S1、获取跨模态检索数据集，划分为训练集和测试集；步骤S2、对文本和图像分别进行特征提取；步骤S3、提取模态特定特征和模态共享特征；步骤S4、通过哈希网络生成对应模态样本的哈希码；步骤S5、联合对抗自编码器网络的损失函数以及哈希网络的损失函数训练网络；步骤S6、利用步骤S5中训练完成的网络对测试集中的样本进行跨模态检索。本发明设计了一个哈希网络，将图像通道的编码特征和文本通道编码特征以及模态共享特征投影到汉明空间中，并且利用标签信息、模态特定和共享特征进行建模，使得输出的哈希码在模态间和模态内具有更好的语义区分性。
-
公开(公告)号：CN114579783A
公开(公告)日：2022-06-03
申请号：CN202210232828.4
申请日：2022-03-09
Applicant: 南京邮电大学
IPC: G06F16/58 , G06V10/32 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明是一种基于最近邻与困难样本挖掘的无监督图像嵌入学习方法，包括步骤1：搭建深度学习框架运行环境；步骤2：搭建执行无监督嵌入学习任务的网络模型；步骤3：使用数据集通过端到端的方式对网络进行训练；步骤4：将步骤3完成训练后的图像输入到无监督嵌入学习任务的网络模型中，根据图像特征之间的余弦相似性检索出相似度最近的图像，如检索到的图像属于同一类别，则检索成功。该方法利用深度神经网络对图像提取特征，然后根据特征之间的余弦相似性，挖掘样本的最近邻域，从而将图像分为若干个邻域，邻域内的样本图像共享伪类别信息，使得模型能够学习到图像的高判别性特征。
-
公开(公告)号：CN109884895B
公开(公告)日：2022-03-11
申请号：CN201910179402.5
申请日：2019-03-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于饱和受限情况下的无人机自适应跟踪控制算法，本发明方法包括以下步骤：首先，基于牛顿—欧拉模型建立非线性、欠驱动的四旋翼无人机模型，实现四旋翼无人机模型数学化处理；然后，基于输入饱和受限函数模型，建立系统框架和选取输入受限函数；其次，基于滑模变结构控制方法，实现四旋翼无人机位置子系统的控制处理；最后，基于自适应跟踪控制方法，引入自抗扰控制处理无人机不可控的扰动，实现四旋翼无人机姿态子系统的控制处理。本文所提方法能在无人机输入饱和受限、系统扰动不知且不可控等复杂情况下，采用双闭环的控制模型，实现无人机位置和姿态的自适应跟踪控制，最终使无人机飞行状态达到稳定。
-
公开(公告)号：CN114022362A
公开(公告)日：2022-02-08
申请号：CN202111364295.7
申请日：2021-11-17
Applicant: 南京邮电大学
Abstract: 一种基于金字塔注意力机制和对称网络的图像超分辨率方法，首先对于待训练数据集处理，制作与真实图像对应的低分辨率图像；然后对真实图像输入进行特征提取，经过卷积‑池化操作后，通过金字塔注意力模块进行计算，获取图像的多层次信息分布与细节特征；再计算得到误差损失，用来更新网络参数与梯度；再进行重构得到重构的结果图，与真实图像进行计算损失，并反向更新网络的参数和梯度；最后将低分辨率图像输入进第二个网络，逐分辨率的扩大低分辨率图像，最后得到生成的高分辨率图像，并于真实图像计算损失，再次对网络的参数进行更新。本方法通过注意力机制和损失函数，对网络进行参数更新与迭代，极大提升网络的生成能力与泛化能力。
-
公开(公告)号：CN113568419A
公开(公告)日：2021-10-29
申请号：CN202110538638.0
申请日：2021-05-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种变载四旋翼无人机容错控制方法，包括：建立变载四旋翼无人机非线性动力学模型；建立自适应质量估计算法和扰动估计算法；建立位置子系统的非奇异快速终端滑模面，设计位置子系统控制器；建立姿态故障模型；根据姿态故障模型建立自适应非线性故障观测器，得到故障估计值；根据故障估计值，在姿态故障模型基础上利用积分滑模建立姿态子系统控制器。本发明通过自适应质量估计机制，精确计算出四旋翼无人机在整体质量变化瞬间的实际值；通过外部扰动自适应机制，有效降低外部扰动对变载飞控系统的影响；利用自适应非线性故障观测器精确地估计故障的时变信息，有效包容未知执行器故障对飞控系统的影响。
-
Patent Agency Ranking
公开(公告)号：CN111421024B
公开(公告)日：2021-08-10
申请号：CN202010179767.0
申请日：2020-03-16
Applicant: 南京邮电大学
IPC: B21D5/02
Abstract: 本发明公开了一种基于复合驱动的随动托料装置及其运动学反解方法，包括固定底座、倾斜设置在固定底座上的固定轨道、可沿固定轨道来回移动的升降架以及与升降架一端相铰接用于承托板材的翻转台板；在升降架与翻转台板铰接处的连接轴上固连有连接板，连接板的一端依次连接有第一连杆和第一曲柄，连接板的另一端依次连接有第二连杆和第二曲柄，第一曲柄和第二曲柄均与固定底座相铰接；驱动第一曲柄和第二曲柄可实现翻转台板上下运动的同时进行翻转运动。本发明利用二自由度的曲柄连杆机构协调驱动移动副和转动副动作，翻转台板承托板材跟随板材运动；本发明的运动学反解方法可实现了运动学逆解，使得随动轨迹精确，随动效果好，适合重载折弯过程。
-
公开(公告)号：CN112884893A
公开(公告)日：2021-06-01
申请号：CN202110275614.0
申请日：2021-03-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于非对称卷积网络和注意力机制的跨视角图像生成方法，该网络结构由两个部分组成：一阶段生成网络和二阶段生成网络。首先，将原始输入送到一阶段生成网络中生成粗略的结果，然后将一阶段网络生成的粗略结果作为输入送到二阶段生成网络中生成精细的结果，将其作为最终的结果输出。本方法在U‑net网络中嵌入非对称卷积来提高网络在不同尺度上提取对象特征的能力，并且使用空间自适应归一化代替传统的批归一化。此外，为了更好地学习来自不同视图的图像之间的对应关系，本方法使用SE模块来细化中间特征图，从而生成更真实的图像。最后，本方法还设计了一个额外的损失函数来增强网络的学习能力，从而实现更稳定的优化过程。
-
公开(公告)号：CN108762069B
公开(公告)日：2021-06-01
申请号：CN201810432605.6
申请日：2018-05-08
Applicant: 南京邮电大学
IPC: G05B13/04
Abstract: 本发明公开了一种刚性航天器姿控系统飞轮故障辨识与调节方法，解决了航天器姿控系统存在执行器或称反作用飞轮效率损失故障和控制输入饱和情况下的容错控制方案设计难题。针对故障姿态系统设计了滑模故障估计观测器，通过所设计的自适应参数更新算法，获得执行器效率损失故障的估计值。然后，设计出一个采用滑模控制方案的姿态容错控制器，它可以保证执行器效率损伤故障和控制输入饱和都存在情况下的闭环姿态系统渐近稳定。最后仿真验证了本专利的容错方法有效性。本发明可使刚性航天器姿态系统在发生执行器效率损失故障和控制输入饱和的情况下姿态稳定，同时充分考虑了刚性航天器模型的不确定性和外部扰动对其本身造成的影响。
-
公开(公告)号：CN112564965A
公开(公告)日：2021-03-26
申请号：CN202011397145.1
申请日：2020-12-03
Applicant: 南京邮电大学
IPC: H04L12/24
Abstract: 本发明公开了一种多层复杂动态网络的拓扑辨识方法，包括如下步骤：动力学建模：建立被辨识网络的状态方程；辨识器设计：根据被辨识网络的节点状态信息，设计自适应辨识器；构建响应端网络：建立含有自适应辨识器的响应端网络的状态方程；构建状态误差网络：将驱动端网络和响应端网络的状态方程做差获得误差动态网络方程，并验证误差动态网络方程的渐进稳定性；构建更新律：根据状态误差网络方程推导获得拓扑更新律及自适应反馈参数更新律，响应端网络与驱动端网络同步；拓扑辨识：通过响应端网络辨识被辨识网络的拓扑结构。根据上述技术方案的拓扑辨识方法，可以稳定准确地辨识出多层复杂动态网络的拓扑结构，便于对现实复杂网络的研究。
-
公开(公告)号：CN112532475A
公开(公告)日：2021-03-19
申请号：CN202011318630.5
申请日：2020-11-23
Applicant: 南京邮电大学
Abstract: 本发明公开一种多层复杂动态网络的状态估计方法，包括以下步骤：(1)建立各层节点数量不同，节点类型不同，层间节点非一一对应多层动态网络的数学模型；(2)建立与多层动态网络具有相同的拓扑结构和节点动力学的状态观测器网络；(3)建立状态观测器网络与多层动态网络的误差动力学；所述误差为多层动态网络的节点状态与状态观测器网络节点状态的差值；(4)根据误差动力学的渐进稳定性，设计状态观测器网络的控制参数；(5)获得多层动态网络的状态估计值。本发明实现了对各层节点数量不同、节点类型不同，层间节点非一一对应的多层动态网络的状态估计，实现的状态观测器网络的节点状态与原多层动态网络的节点状态之间的误差可在1.5秒之内收敛至零并保持稳定。
-
-
-
-
-
-
-
-
-
Search Results
299
records
(took 0.043 seconds)
