-
公开(公告)号:CN112949783A
公开(公告)日:2021-06-11
申请号:CN202110471512.6
申请日:2021-04-29
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明公开了一种基于改进U‑Net神经网络的道路裂缝检测方法,包括:1)采集道路裂缝图像,构建道路裂缝数据集,并进行预处理操作,形成训练集和测试集;2)构建改进U‑Net神经网络模型;3)基于所述训练集,对所述改进U‑Net神经网络模型进行训练;4)基于所述测试集,对训练完成的改进U‑Net神经网络模型进行测试,输出检测结果,并对模型进行评估,得出模型性能。本发明方法构建的改进U‑Net神经网络引入带扩张率的空洞卷积,可以减少卷积层的层数,减少模型的参数,同时节省了计算资源,降低了计算成本。本发明方法构建的改进U‑Net神经网络在每个卷积层后,加入BN层,加速模型的训练,防止梯度爆炸。
-
公开(公告)号:CN110989942A
公开(公告)日:2020-04-10
申请号:CN201911394186.2
申请日:2019-12-30
Applicant: 南京信息工程大学滨江学院
IPC: G06F3/06
Abstract: 本发明具体涉及一种数据存储扩展接口系统及其控制方法,属于数据存储技术领域。包括主控制单元、译码器、与门电路、延时触发器、N个I/O扩展芯片、数据存储器;主控制单元的低位数据线与第N个I/O扩展芯片的数据输入端相连;第N个I/O扩展芯片的数据输出端与数据存储器的数据线连接;主控制单元的高位数据线分别与第1个I/O扩展芯片至第N-1个I/O扩展芯片的数据输入端相连;第1个I/O扩展芯片至第N-1个I/O扩展芯片的数据输出端分别与数据存储器的地址线连接;主控制单元的地址线与译码器的输入端连接。本发明突破了主控制单元的地址线限制,数据存储传统扩展构建的容量限制,满足了超大容量的实时存取需求。
-
公开(公告)号:CN110470481A
公开(公告)日:2019-11-19
申请号:CN201910746595.8
申请日:2019-08-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于BP神经网络的发动机故障诊断方法,包括(1)采集发动机故障数据,列出发动机故障原因;(2)确定BP神经网络模型的最佳隐含层节点数,建立BP神经网络模型;(3)根据已有的故障数据训练BP神经网络模型;(4)利用训练得到的BP神经网络模型,对采集的发动机数据进行分析,确定数据所对应的故障原因。以往发动机故障诊断存在机理复杂、检测精度低、成本高、不能显示故障原因等缺陷,本发明主要应用在发动机的故障诊断诊断方面,比以往的方法更具优势性,节省了成本,提升建模效率,可以快速锁定最优的隐含层节点数。
-
公开(公告)号:CN110989942B
公开(公告)日:2024-05-14
申请号:CN201911394186.2
申请日:2019-12-30
Applicant: 南京信息工程大学滨江学院
IPC: G06F3/06
Abstract: 本发明具体涉及一种数据存储扩展接口系统及其控制方法,属于数据存储技术领域。包括主控制单元、译码器、与门电路、延时触发器、N个I/O扩展芯片、数据存储器;主控制单元的低位数据线与第N个I/O扩展芯片的数据输入端相连;第N个I/O扩展芯片的数据输出端与数据存储器的数据线连接;主控制单元的高位数据线分别与第1个I/O扩展芯片至第N‑1个I/O扩展芯片的数据输入端相连;第1个I/O扩展芯片至第N‑1个I/O扩展芯片的数据输出端分别与数据存储器的地址线连接;主控制单元的地址线与译码器的输入端连接。本发明突破了主控制单元的地址线限制,数据存储传统扩展构建的容量限制,满足了超大容量的实时存取需求。
-
公开(公告)号:CN110470481B
公开(公告)日:2020-11-24
申请号:CN201910746595.8
申请日:2019-08-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于BP神经网络的发动机故障诊断方法,包括(1)采集发动机故障数据,列出发动机故障原因;(2)确定BP神经网络模型的最佳隐含层节点数,建立BP神经网络模型;(3)根据已有的故障数据训练BP神经网络模型;(4)利用训练得到的BP神经网络模型,对采集的发动机数据进行分析,确定数据所对应的故障原因。以往发动机故障诊断存在机理复杂、检测精度低、成本高、不能显示故障原因等缺陷,本发明主要应用在发动机的故障诊断诊断方面,比以往的方法更具优势性,节省了成本,提升建模效率,可以快速锁定最优的隐含层节点数。
-
公开(公告)号:CN113499079A
公开(公告)日:2021-10-15
申请号:CN202110681366.X
申请日:2021-06-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种心电图中的房颤检测方法,具体涉及信号识别与医学疾病诊断领域。所述方法为:首先采用快速终止滤波和小波分解重构方法对ECG信号的混合噪声进行滤除,同时最大程度地留保原ECG信号中的特征。接着采用小波变换的方法对ECG信号中地波形进行检测,将ECG信号中的所有波形位置进行定位。然后基于医学诊断逻辑设计针对房颤检测的方法,并提取出算法所需要的特征,将特征表示出来。最后将所提取出的特征应用于算法中,完成房颤检测算法的实现。本发明可以对房颤的具体类型进行诊断,以及特殊类型的房颤也可以被检测出,有效地提升房颤检测的准确率和速度。
-
公开(公告)号:CN112949783B
公开(公告)日:2023-09-26
申请号:CN202110471512.6
申请日:2021-04-29
Applicant: 南京信息工程大学滨江学院
IPC: G06V10/774 , G06V10/82 , G06V20/10 , G06N3/0464
Abstract: 本发明公开了一种基于改进U‑Net神经网络的道路裂缝检测方法,包括:1)采集道路裂缝图像,构建道路裂缝数据集,并进行预处理操作,形成训练集和测试集;2)构建改进U‑Net神经网络模型;3)基于所述训练集,对所述改进U‑Net神经网络模型进行训练;4)基于所述测试集,对训练完成的改进U‑Net神经网络模型进行测试,输出检测结果,并对模型进行评估,得出模型性能。本发明方法构建的改进U‑Net神经网络引入带扩张率的空洞卷积,可以减少卷积层的层数,减少模型的参数,同时节省了计算资源,降低了计算成本。本发明方法构建的改进U‑Net神经网络在每个卷积层后,加入BN层,加速模型的训练,防止梯度爆炸。
-
公开(公告)号:CN113499079B
公开(公告)日:2023-12-08
申请号:CN202110681366.X
申请日:2021-06-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种心电图中的房颤检测方法,具体涉及信号识别与医学疾病诊断领域。所述方法为:首先采用快速终止滤波和小波分解重构方法对ECG信号的混合噪声进行滤除,同时最大程度地留保原ECG信号中的特征。接着采用小波变换的方法对ECG信号中地波形进行检测,将ECG信号中的所有波形位置进行定位。然后基于医学诊断逻辑设计针对房颤检测的方法,并提取出算法所需要的特征,将特征表示出来。最后将所提取出的特征应用于算法中,完成房颤检测算法的实现。本发明可以对房颤的具体类型进行诊断,以及特殊类型的房颤也可以被检测出,有效地提升房颤检测的准确率和速度。(56)对比文件贾国伟.动态心电图波形检测与心律失常分类关键技术研究《.中国优秀硕士学位论文全文数据库》.2017,第1-58页.Tu Cheng-yuan.Nonlinear science andits applications in medical science.《Journal of Beijing University ofTechnology》.2003,第348-351页.
-
公开(公告)号:CN112765521B
公开(公告)日:2023-06-23
申请号:CN202110082407.3
申请日:2021-01-21
Applicant: 南京信息工程大学
IPC: G06F18/2413 , G06F16/958
Abstract: 本发明公开了一种基于改进K近邻的网站用户分类方法,该方法以网站数据库原始数据为依托,在利用K近邻算法进行用户分类时,不是采用原有的均等权重的方法进行计算,而利用不同的数据类型权重代入到K近邻进行计算,使得分类结果更加贴近实际。本发明将不均等的权重代入K近邻算法进行聚类计算,不采用均等权重的K近邻方法,更有益于分类,更具可移植性。本发明的分类方法可以得到更精确高效的分类结果,该分类结果给网站提供更精准的用户评估数据。
-
公开(公告)号:CN211014455U
公开(公告)日:2020-07-14
申请号:CN201921284789.2
申请日:2019-08-09
Applicant: 南京信息工程大学滨江学院
IPC: G01R21/133 , G01R22/10 , G08B21/18
Abstract: 本实用新型提供了一种功率容量监测装置,属于供电电路装置技术领域。装置包括数据采集转换模块,该数据采集转换模块包括压降模块和采集模块,压降模块和所述采集模块电连接,数据采集转换模块与进户线相连;处理模块,为单片机处理器,处理模块与数据采集转换模块相连;以及显示模块,与处理模块相连,显示模块用于显示处理模块的结果。功率容量检测装置有效地解决了各种场所电路功率容量的难监控的问题,而且结构简单,适用范围广。
-
-
-
-
-
-
-
-
-