-
公开(公告)号：CN112712548B
公开(公告)日：2023-07-07
申请号：CN202011629288.0
申请日：2020-12-31
Applicant: 大连海事大学
Abstract: 本发明公开了一种水下鱼群运动模式分析方法，包括以下步骤：构建光流场；确定特征区域；计算特征图；分析粒子运动模态；分析鱼群场景运动模式。本发明采用光流逼近鱼群运动策略。原始鱼群运动视频经过光流特征提取，像素粒子有效刻画场景运动场。无论视频的清晰度和鱼群的个体运动姿态，本发明都能够有效捕捉鱼群整体的运动模式，具有较高的精确度。本发明建立鱼群视频光流场分析模型，构建目标像素粒子的运动特征，以与邻域粒子的相对光流运动分析该粒子的运动模态，可分为五种运动模态：聚合态、扩散态、环绕态、并行态、混乱态，有效展现鱼群的活动状态。本发明更加快速、简便，计算成本较现有方案更低，从而提高经济效益。
-
公开(公告)号：CN110797123A
公开(公告)日：2020-02-14
申请号：CN201911033766.9
申请日：2019-10-28
Applicant: 大连海事大学
Abstract: 本发明公开了一种动态脑结构的图卷积神经网络演化方法，采用图卷积神经网络来模拟正常人脑结构网络演变为抑郁症的演化过程。演化过程中引入了方向向量，该向量既包含了正常人的脑结构网络信息，又包含了抑郁症患者脑结构网络的信息，通过图卷积操作可以同时提取两者的特征，而且可以控制演化的方向以及演化的程度。本发明提出了脑结构网络演化的图卷积神经网络模型，利用基于tensorflow框架下的深度学习方法，通过计算第一次演化结果与真实的抑郁症患者脑网络的交叉熵，利用梯度下降的优化方法使网络的演化始终朝着抑郁症患者脑网络的方向进行。最终输出接近于真实抑郁症患者的脑结构网络，并得到更接近于真实的网络的演化模型。
-
公开(公告)号：CN119740639A
公开(公告)日：2025-04-01
申请号：CN202510258379.4
申请日：2025-03-06
Applicant: 大连海事大学
IPC: G06N3/098 , G06F9/50 , G06N3/045 , G06N3/0464 , G06N3/096 , G06F18/213 , G06F18/23
Abstract: 本发明提供一种面向工业物联网的高效异构联邦学习方法，属于联邦学习技术领域。将神经网络模型分割为边缘特征提取器和全局分类器；边缘特征提取器部署在边缘设备上，全局分类器部署在服务器上；边缘设备上还集成有边缘分类器，与边缘特征提取器结合构成边缘模型；服务器基于同步时间聚合本轮边缘训练中边缘特征提取器的权重参数，更新全局模型；同时，通过运行时间模型计算每个边缘设备的运行时间；根据运行时间以及同步时间定制每个边缘模型的规格参数；将更新后的全局模型和边缘模型规格参数下发至对应边缘设备；各边缘设备根据下发的全局模型和模型规格参数生成用于下一轮边缘训练的边缘模型。通过上述步骤实现兼具效率与效能的异构联邦学习。
-
公开(公告)号：CN116858883A
公开(公告)日：2023-10-10
申请号：CN202310698336.9
申请日：2023-06-13
Applicant: 大连海事大学
IPC: G01N27/00
Abstract: 本发明提供一种判定水下目标物体硬度的装置及水下目标物体硬度判别方法。本发明装置，包括：密封盒、电动夹手、导电电极、电流检测与采集电路、单片机。导电电极固定在电动夹手的一个夹侧面，导电电极通过导线连接电流检测与采集电路。当电极接触到水下目标物体时，固‑液(电极‑水)界面就变成固‑固(电极‑物体)界面，在电极表面双电层动态变化的过程中，产生电流信号，电流幅值随接触面积的增大而增大。当夹手夹住物体并以相同的夹取速度夹取水下物体时，由于不同硬度物体的在电极表面的形变速率不同，因此电流变化率也不同。电流检测与采集电路将电流信号实时传输给单片机，单片机分析电流变化率并判定目标物体的硬度。
-
公开(公告)号：CN113139656B
公开(公告)日：2023-06-30
申请号：CN202110453835.2
申请日：2021-04-26
Applicant: 大连海事大学
IPC: G06V20/50 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/084 , G06V20/17
Abstract: 本发明公开了一种类脑快慢双通路无人自主决策方法，构建一种基于类脑多任务时序预测的能量对抗模型，其中包含一个生成网络和一个能量网络两部分；引入一种概率分布裁剪机制，用于轨迹潜在空间的高概率密度区域采样，进而设计有效的能量网络来确定最能代表未来的一条轨迹；本发明通过预训练的卷积神经网络模块识别视觉信息中目标并通过自编码器编码其空间特征。然后将每个目标特征按时间顺序输入行为快照长短记忆网络，用以建模目标的时间动态变化。利用时间动态排序机制，设定目标优先级，以甄别冗余信息，降低模型复杂度。本发明提出的类脑快慢双通路模型依靠串联与并联的简洁的类脑结构，可以在少量参数调整的低功耗环境下进行训练。
-
Patent Agency Ranking
公开(公告)号：CN112712548A
公开(公告)日：2021-04-27
申请号：CN202011629288.0
申请日：2020-12-31
Applicant: 大连海事大学
Abstract: 本发明公开了一种水下鱼群运动模式分析方法，包括以下步骤：构建光流场；确定特征区域；计算特征图；分析粒子运动模态；分析鱼群场景运动模式。本发明采用光流逼近鱼群运动策略。原始鱼群运动视频经过光流特征提取，像素粒子有效刻画场景运动场。无论视频的清晰度和鱼群的个体运动姿态，本发明都能够有效捕捉鱼群整体的运动模式，具有较高的精确度。本发明建立鱼群视频光流场分析模型，构建目标像素粒子的运动特征，以与邻域粒子的相对光流运动分析该粒子的运动模态，可分为五种运动模态：聚合态、扩散态、环绕态、并行态、混乱态，有效展现鱼群的活动状态。本发明更加快速、简便，计算成本较现有方案更低，从而提高经济效益。
-
公开(公告)号：CN110797123B
公开(公告)日：2023-05-26
申请号：CN201911033766.9
申请日：2019-10-28
Applicant: 大连海事大学
Abstract: 本发明公开了一种动态脑结构的图卷积神经网络演化方法，采用图卷积神经网络来模拟正常人脑结构网络演变为抑郁症的演化过程。演化过程中引入了方向向量，该向量既包含了正常人的脑结构网络信息，又包含了抑郁症患者脑结构网络的信息，通过图卷积操作可以同时提取两者的特征，而且可以控制演化的方向以及演化的程度。本发明提出了脑结构网络演化的图卷积神经网络模型，利用基于tensorflow框架下的深度学习方法，通过计算第一次演化结果与真实的抑郁症患者脑网络的交叉熵，利用梯度下降的优化方法使网络的演化始终朝着抑郁症患者脑网络的方向进行。最终输出接近于真实抑郁症患者的脑结构网络，并得到更接近于真实的网络的演化模型。
-
公开(公告)号：CN110503073A
公开(公告)日：2019-11-26
申请号：CN201910807587.X
申请日：2019-08-29
Applicant: 大连海事大学
Abstract: 本发明公开了一种第三视角下动态链接的密集多智能体轨迹预测方法，利用变分自编码器视觉组件进行数据压缩；输入轨迹帧X进入动态循环单元完成编码网络功能；对于编码的数据进行解码。本发明不仅能根据卷积核采样点的动态变化模拟到多智能体流体时空运动，而且能够提取多智能体所处位置的空间特征，并能根据数据学习到具体在特征图上采样那些像素点，减少了空间特征冗余。本发明采用数据驱动的方式根据固定卷积核在特征图上学习到权重，然后采用sigmoid函数对学习到的权重值操作，得到时空数据的采样幅度，更加符合客观采样规律，提高模型泛化能力。本发明无需采用智能体轨迹点，可以实现多步预测、提高模型泛化能力，减少了计算复杂度。
-
公开(公告)号：CN113139656A
公开(公告)日：2021-07-20
申请号：CN202110453835.2
申请日：2021-04-26
Applicant: 大连海事大学
Abstract: 本发明公开了一种类脑快慢双通路无人自主决策方法，构建一种基于类脑多任务时序预测的能量对抗模型，其中包含一个生成网络和一个能量网络两部分；引入一种概率分布裁剪机制，用于轨迹潜在空间的高概率密度区域采样，进而设计有效的能量网络来确定最能代表未来的一条轨迹；本发明通过预训练的卷积神经网络模块识别视觉信息中目标并通过自编码器编码其空间特征。然后将每个目标特征按时间顺序输入行为快照长短记忆网络，用以建模目标的时间动态变化。利用时间动态排序机制，设定目标优先级，以甄别冗余信息，降低模型复杂度。本发明提出的类脑快慢双通路模型依靠串联与并联的简洁的类脑结构，可以在少量参数调整的低功耗环境下进行训练。
-
公开(公告)号：CN110503073B
公开(公告)日：2023-04-18
申请号：CN201910807587.X
申请日：2019-08-29
Applicant: 大连海事大学
IPC: G06V20/52 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种第三视角下动态链接的密集多智能体轨迹预测方法，利用变分自编码器视觉组件进行数据压缩；输入轨迹帧X进入动态循环单元完成编码网络功能；对于编码的数据进行解码。本发明不仅能根据卷积核采样点的动态变化模拟到多智能体流体时空运动，而且能够提取多智能体所处位置的空间特征，并能根据数据学习到具体在特征图上采样那些像素点，减少了空间特征冗余。本发明采用数据驱动的方式根据固定卷积核在特征图上学习到权重，然后采用sigmoid函数对学习到的权重值操作，得到时空数据的采样幅度，更加符合客观采样规律，提高模型泛化能力。本发明无需采用智能体轨迹点，可以实现多步预测、提高模型泛化能力，减少了计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
