-
公开(公告)号：CN112196723A
公开(公告)日：2021-01-08
申请号：CN202011071712.4
申请日：2020-10-09
申请人： 中国人民解放军国防科技大学
IPC分类号： F03B13/20
摘要： 本发明涉及一种基于波浪滑翔器的自发电装置，采用全新动能传动结构，应用波浪滑翔器主浮体（1）与波浪滑翔器滑翔体（2）随水流的上下运动，获得两者之间对所设计非弹性柔性缆绳（3）的往复拉升，进而经齿条（7），并结合单向齿轮（9）与随动齿轮（10）之间的单向联动，针对机械发电机（12）实现机械能的输入，获得机械发电机（12）的工作供电，进而为浪滑翔器所搭载设备提供电能，保障所搭载设备能够持续稳定工作。
-
公开(公告)号：CN109001736A
公开(公告)日：2018-12-14
申请号：CN201810599816.9
申请日：2018-06-12
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开了一种基于深度时空预测神经网络的雷达回波外推方法，包括：步骤1，数据预处理：对给定的多普勒天气雷达基数据，通过数据插值得到等高平面位置显示(Constant Altitude Plan Position Indicator，CAPPI)数据，将CAPPI数据转换为归一化灰度数据，基于归一化灰度数据集划分得到测试序列样本集；步骤2，雷达回波外推：将测试序列样本集输入深度时空预测神经网络，通过网络的前向传播输出预测序列。
-
公开(公告)号：CN108427989A
公开(公告)日：2018-08-21
申请号：CN201810599921.2
申请日：2018-06-12
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开了一种用于雷达回波外推的深度时空预测神经网络训练方法，包括：步骤1，模型构造：构造初始化网络、编码网络和预测网络；步骤2，设置训练超参数；步骤3，输入训练序列样本；步骤4，初始化网络将输入序列前2个数据作为输入，前向传播输出编码网络所需的隐藏态和初始记忆；编码网络将输入序列的后续数据和初始化网络的输出作为输入，前向传播输出编码输入得到的隐藏态和记忆；预测网络将编码网络的输出作为输入，最终解码输出预测序列；步骤5，对步骤4前向传播得到的预测序列，根据损失函数计算所有网络参数的梯度，最后根据梯度和学习率更新所有网络参数；步骤6，迭代训练深度时空预测神经网络。
-
公开(公告)号：CN108875794A
公开(公告)日：2018-11-23
申请号：CN201810515767.6
申请日：2018-05-25
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开了一种基于迁移学习的图像能见度检测方法，包括：能见度检测模型训练：对训练集图像区域划分，通过预训练的VGG‑16深度神经网络编码，提取各子区域图像特征，利用各子区域图像特征和能见度标注值训练支持向量回归机，得到能见度的回归模型。能见度检测模型测试：对测试图像区域划分，通过预训练的VGG‑16深度神经网络编码，提取各子区域图像特征，利用子区域图像特征和回归模型计算子区域能见度估计值，融合各子区域能见度估计值，得到整幅图像能见度检测值。
-
公开(公告)号：CN112196723B
公开(公告)日：2024-11-05
申请号：CN202011071712.4
申请日：2020-10-09
申请人： 中国人民解放军国防科技大学
IPC分类号： F03B13/20
摘要： 本发明涉及一种基于波浪滑翔器的自发电装置，采用全新动能传动结构，应用波浪滑翔器主浮体（1）与波浪滑翔器滑翔体（2）随水流的上下运动，获得两者之间对所设计非弹性柔性缆绳（3）的往复拉升，进而经齿条（7），并结合单向齿轮（9）与随动齿轮（10）之间的单向联动，针对机械发电机（12）实现机械能的输入，获得机械发电机（12）的工作供电，进而为浪滑翔器所搭载设备提供电能，保障所搭载设备能够持续稳定工作。
-
公开(公告)号：CN109001736B
公开(公告)日：2022-04-05
申请号：CN201810599816.9
申请日：2018-06-12
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开了一种基于深度时空预测神经网络的雷达回波外推方法，包括：步骤1，数据预处理：对给定的多普勒天气雷达基数据，通过数据插值得到等高平面位置显示(Constant Altitude Plan Position Indicator，CAPPI)数据，将CAPPI数据转换为归一化灰度数据，基于归一化灰度数据集划分得到测试序列样本集；步骤2，雷达回波外推：将测试序列样本集输入深度时空预测神经网络，通过网络的前向传播输出预测序列。
-
公开(公告)号：CN108875794B
公开(公告)日：2020-12-04
申请号：CN201810515767.6
申请日：2018-05-25
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开了一种基于迁移学习的图像能见度检测方法，包括：能见度检测模型训练：对训练集图像区域划分，通过预训练的VGG‑16深度神经网络编码，提取各子区域图像特征，利用各子区域图像特征和能见度标注值训练支持向量回归机，得到能见度的回归模型。能见度检测模型测试：对测试图像区域划分，通过预训练的VGG‑16深度神经网络编码，提取各子区域图像特征，利用子区域图像特征和回归模型计算子区域能见度估计值，融合各子区域能见度估计值，得到整幅图像能见度检测值。
-
-
公开(公告)号：CN109214470B
公开(公告)日：2020-11-03
申请号：CN201811249423.1
申请日：2018-10-25
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开了一种基于编码网络微调的图像能见度检测方法，包括：训练能见度检测模型：对训练集图像划分区域，并通过修改后的网络编码，提取各子区域图像特征向量，利用各子区域图像特征向量和能见度标注值训练支持向量回归机，并估计子区域能见度值，通过微调后的网络对各子区域图像重新编码，利用新的各子区域图像特征向量和能见度标注值重新训练支持向量回归机，得到新的能见度与特征向量的回归模型。测试能见度检测模型：对测试图像划分区域，利用微调后的深度神经网络进行编码，提取各子区域图像特征向量，利用子区域图像特征和重新训练的回归模型计算子区域能见度估计值，按权重融合各子区域能见度估计值，得到整幅图像能见度检测值。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.048 秒)
