-
公开(公告)号：CN113096037A
公开(公告)日：2021-07-09
申请号：CN202110350173.6
申请日：2021-03-31
申请人： 北京交通大学
摘要： 本发明提供了一种基于深度学习的轮对光条图像的修复方法。该方法包括：采集待修复的轮对光条图像，将待修复的轮对光条图像输入循环网络中；在循环网络中，利用软编码Pconv层和非对称相似度模块对待修复的轮对光条图像进行循环渐进式的修复处理；将所述循环网络输出的多个修复特征图进行特征融合，得到融合特征图，利用损失函数结合MS‑SSIM损失项计算所述融合特征图与真值图像之间的差异值，根据差异值调整所述融合特征图，得到修复后的轮对光条图像。本发明实施例的方法能够对轮对多线激光光条图像进行有效的光斑修复和局部断裂修补，能准确还原断裂区域的光条；并且本发明在光斑区域的修复效果也很不错，能够达到当前实际工业环境下的精度要求。
-
公开(公告)号：CN110263257A
公开(公告)日：2019-09-20
申请号：CN201910547320.1
申请日：2019-06-24
申请人： 北京交通大学
IPC分类号： G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 近年来深度学习被广泛应用在了图像和音频识别、文本分类和表示学习等领域，基于深度学习的推荐系统也成为学者们的研究热点。深度学习模型在图像、文本等特定数据的表示学习中都取得了极好的效果，避免了复杂的特征工程，可以得到异构数据的非线性多层次的抽象特征表示，克服了多种数据的异质性。目前，融合评分、评论和社交网络的深度学习推荐模型尚未提出。本专利基于深度学习算法，给出了一个具有较强拓展性的推荐流程，分析了不同数据适合使用的相关算法及原理，根据不同数据的损失函数推出了结合评论、评分和社交信息的最终损失函数，提高了推荐结果的准确度。
-
公开(公告)号：CN110263257B
公开(公告)日：2021-08-17
申请号：CN201910547320.1
申请日：2019-06-24
申请人： 北京交通大学
IPC分类号： G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 近年来深度学习被广泛应用在了图像和音频识别、文本分类和表示学习等领域，基于深度学习的推荐系统也成为学者们的研究热点。深度学习模型在图像、文本等特定数据的表示学习中都取得了极好的效果，避免了复杂的特征工程，可以得到异构数据的非线性多层次的抽象特征表示，克服了多种数据的异质性。目前，融合评分、评论和社交网络的深度学习推荐模型尚未提出。本专利基于深度学习算法，给出了一个具有较强拓展性的推荐流程，分析了不同数据适合使用的相关算法及原理，根据不同数据的损失函数推出了结合评论、评分和社交信息的最终损失函数，提高了推荐结果的准确度。
-
公开(公告)号：CN113096037B
公开(公告)日：2023-08-22
申请号：CN202110350173.6
申请日：2021-03-31
申请人： 北京交通大学
摘要： 本发明提供了一种基于深度学习的轮对光条图像的修复方法。该方法包括：采集待修复的轮对光条图像，将待修复的轮对光条图像输入循环网络中；在循环网络中，利用软编码Pconv层和非对称相似度模块对待修复的轮对光条图像进行循环渐进式的修复处理；将所述循环网络输出的多个修复特征图进行特征融合，得到融合特征图，利用损失函数结合MS‑SSIM损失项计算所述融合特征图与真值图像之间的差异值，根据差异值调整所述融合特征图，得到修复后的轮对光条图像。本发明实施例的方法能够对轮对多线激光光条图像进行有效的光斑修复和局部断裂修补，能准确还原断裂区域的光条；并且本发明在光斑区域的修复效果也很不错，能够达到当前实际工业环境下的精度要求。
-
公开(公告)号：CN110175656A
公开(公告)日：2019-08-27
申请号：CN201910479120.7
申请日：2019-06-04
申请人： 北京交通大学
IPC分类号： G06K9/62
摘要： 本发明涉及基于城市群白货流量的提高列车编组效率的城市聚类模型。该城市聚类模型通过聚类算法找出热点区域对，得到白货运量较大的运输区间，从而为铁路列车编组和开行固定班列提供数据支持。首先利用k-means聚类算法，使用经纬度输入算法，可以得到彼此之间距离较近的城市簇；然后从历史数据中取出所有的开行路线并将它们归类到对应的城市簇对中，并可得到城市簇之间的距离和吨数；最后通过一定的条件过滤得到符合要求的城市簇，即可以开行的班列。目前算法设置的距离为大于800千米，吨数大于100万吨，聚类得到的城市簇数量可以手动调节，通过观察得到较好的类别数。
-
公开(公告)号：CN110175656B
公开(公告)日：2021-08-31
申请号：CN201910479120.7
申请日：2019-06-04
申请人： 北京交通大学
IPC分类号： G06K9/62
摘要： 本发明涉及基于城市群白货流量的提高列车编组效率的城市聚类模型。该城市聚类模型通过聚类算法找出热点区域对，得到白货运量较大的运输区间，从而为铁路列车编组和开行固定班列提供数据支持。首先利用k‑means聚类算法，使用经纬度输入算法，可以得到彼此之间距离较近的城市簇；然后从历史数据中取出所有的开行路线并将它们归类到对应的城市簇对中，并可得到城市簇之间的距离和吨数；最后通过一定的条件过滤得到符合要求的城市簇，即可以开行的班列。目前算法设置的距离为大于800千米，吨数大于100万吨，聚类得到的城市簇数量可以手动调节，通过观察得到较好的类别数。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.027 秒)