-
公开(公告)号：CN118296517A
公开(公告)日：2024-07-05
申请号：CN202310000857.2
申请日：2023-01-03
申请人： 四川大学
IPC分类号： G06F18/2433 , G06F18/23 , G06N3/0442 , G06N3/045
摘要： 本发明针对上述问题，提出了一种基于最大信息系数的离线工控异常检测算法MICHC‑NN。针对皮尔逊积矩系数不能识别非线性关系的缺陷，本发明首先引入了最大信息系数来计算传感器之间的相关性，基于层次聚类算法，本发明将传感器之间的相关性作为逻辑距离，选出系统中的关键传感器，最后，本发明利用轻量级神经网络模型拟合关键传感器的正常运行状态以进行异常检测。测试结果表明，本发明提出的算法由于使用少量传感器，因此能够部署在算力极为有限的工控环境中，并获得了与使用所有传感器接近的异常检测效果。
-
公开(公告)号：CN116092189A
公开(公告)日：2023-05-09
申请号：CN202310010763.3
申请日：2023-01-05
申请人： 四川大学
IPC分类号： G06V40/20 , G06V40/70 , G06V20/40 , G06T7/73 , G06V10/764 , G06V10/82 , G06V40/10 , G06N3/045 , G06N3/048
摘要： 本发明涉及一种基于RGB数据和骨骼数据的双模态人体行为识别方法，通过使用不同的网络结构，能够精准捕捉骨架中的动作信息和RGB模态中的空间信息，解决了Transformer框架中骨骼信息和RGB信息难以融合发挥最大效果的难题。首先，为骨骼数据生成伪热图，这可以避免将骨骼表达为图形造成的稳固性不足，无法处理多人场景的问题。然后设计了拥有不同注意力层，不同视窗大小的双流Transformer架构，并将伪热图和RGB帧以不同的时间和空间分辨率输入双流结构。最终，通过实验验证，所提出的行为识别方法，准确率更高，可以解决多人场景下的行为识别。基于该方法的双流结构和骨骼热图生成方式，适用于多种公共监控中的行为识别。
-
公开(公告)号：CN117237983A
公开(公告)日：2023-12-15
申请号：CN202311031292.0
申请日：2023-08-16
申请人： 四川大学
IPC分类号： G06V40/10 , G06V10/764 , G06V10/44
摘要： 本发明针对现实场景中一些行为识别任务需要短时或实时地给出结果，提出了以RGB和骨骼双模态为输入的在线人体行为检测算法SRLSTR(Skeleton‑RGB LSTR)。针对先前研究使用LSTM难以实现并行化的问题，本发明使用长短期Transformer(Long Short‑Term Transformer，LSTR)对输入序列进行建模。针对现阶段大部分在线行为检测研究使用光流法捕捉动态信息极为耗时的问题，本发明提出了三种骨骼特征提取方式代替光流法用以动态信息捕捉。同时，本发明针对监控系统中的异常行为检测需求创建了异常行为数据集。最后，在自建数据集上，以RGB和骨骼为输入的SRLSTR与以光流为输入的LSTR相比，平均精度均值提升了3.09\％，且用时仅占据LSTR的三分之一。
-
公开(公告)号：CN113067861A
公开(公告)日：2021-07-02
申请号：CN202110282979.6
申请日：2021-03-16
申请人： 四川大学
摘要： 本发明公开了基于区块链的分布式可扩展访问控制授权系统和方法。本方案以区块链智能合约为载体，提出了新架构，结合传统的访问控制模型，引入属性序号值对和前缀标识的概念对系统策略检索方法进行了优化。架构层面，方案在区块链网络和各管理域的中间引入智能网关作访问请求和数据请求代理，由管理员对设备注册、属性进行管理；智能合约层面，本方案设计了策略实施合约、策略合约和策略管理合约，共同对访问控制进行授权管理；策略检索方法层面，为访问请求和策略生成前缀标识，通过对两者进行位计算，进行策略初步匹配，同时引入策略冲突配置，大大优化了策略检索速度。故本方案相较于其他的访问控制解决方案有一定的优势。
-
公开(公告)号：CN118536723A
公开(公告)日：2024-08-23
申请号：CN202310157070.7
申请日：2023-02-23
申请人： 四川大学
IPC分类号： G06Q10/0631 , G06Q10/0639 , G06N3/08 , G06N3/0464
摘要： 本发明涉及一种基于深度Q学习的动态多目标柔性车间作业调度方法，具体包括：公开了一种全新的DMFJSP(Dynamic Multi‑objective Flexible Job Shop Scheduling Problem)问题，该问题包含六种动态事件、三种性能指标以及一系列约束条件，并结合实际掌握的生产资料，对每种动态事件提供了对应的细节描述；同时，本发明采用目前最先进的双重深度Q学习算法，创新性地结合多种动态事件特性，设计并引入了一种实时动态事件处理流程，并在设计调度规则的时候考虑组合调度规则的设计思想、工件订单权重值设计思想、估计工件加工完成进度值概念，最终提出了一种新型的动态多目标双重深度Q学习算法(Dynamic Multi‑Objective Dual Deep Q‑Learning，DMDDQN)。并通过大量的对比试验成功证明了本研究提出的算法在动态数据集上的优越性。
-
公开(公告)号：CN111832293B
公开(公告)日：2023-05-26
申请号：CN202010589302.2
申请日：2020-06-24
申请人： 四川大学
IPC分类号： G06F40/279 , G06F40/216
摘要： 本发明公开了一种基于头实体预测的实体和关系联合抽取方法。本发明通过只将关系融入尾实体标签的标注策略，将实体和关系抽取任务分解为两个序列标注任务，即头实体识别标注和尾实体识别标注，并且将头实体的向量作为尾实体标注识别任务的输入，用先验概率的思想提高模型的效果。尾实体的标注标签在完成尾实体识别的同时，确定实体对间的关系，从而解决了存在实体重叠现象时抽取不完全的问题和存在实体嵌套时传统方法无法抽取的问题。
-
公开(公告)号：CN111832293A
公开(公告)日：2020-10-27
申请号：CN202010589302.2
申请日：2020-06-24
申请人： 四川大学
IPC分类号： G06F40/279 , G06F40/216
摘要： 本发明公开了一种基于头实体预测的实体和关系联合抽取方法。本发明通过只将关系融入尾实体标签的标注策略，将实体和关系抽取任务分解为两个序列标注任务，即头实体识别标注和尾实体识别标注，并且将头实体的向量作为尾实体标注识别任务的输入，用先验概率的思想提高模型的效果。尾实体的标注标签在完成尾实体识别的同时，确定实体对间的关系，从而解决了存在实体重叠现象时抽取不完全的问题和存在实体嵌套时传统方法无法抽取的问题。
-
公开(公告)号：CN113065143A
公开(公告)日：2021-07-02
申请号：CN202110287809.7
申请日：2021-03-17
申请人： 四川大学
摘要： 本发明基于区块链实现工业大数据的隐私保护共享方案，在系统用户间建立联盟链。基于可扩展性和易部署性，考虑云存储的替补方案。建立基于进化博弈论的激励机制，构建智能合约，鼓励数据共享者进行数据共享。另外，基于联邦学习建立去中心化机器学习模型，以尊重共享数据时的隐私问题，基于区块链的架构则允许将训练数据保密，分发并在系统内共享生成的模型。通过这种方式，所有参与用户可观察到统一模型，同时保留敏感输入数据的隐私。在此基础上，设计和实现了基于区块链的工业数据共享平台。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.027 秒)
