-
公开(公告)号：CN110910366A
公开(公告)日：2020-03-24
申请号：CN201911130121.7
申请日：2019-11-18
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于3D CAM的大脑核磁共振异常图像的可视化方法，采集患者的脑核磁共振异常图像作为训练样本-利用训练样本对3D CAM模型进行训练，得到训练后的网络参数即系数矩阵W和偏倚向量b值-根据不同的磁共振图像创建可视化热度图。在传统CAM模型的基础上对患者的大脑核磁共振异常图像进行处理，实现自动识别检测且可视化效果良好的，便于辅助医学研究者定量分析和研究。
-
公开(公告)号：CN108038545A
公开(公告)日：2018-05-15
申请号：CN201711274761.6
申请日：2017-12-06
Applicant: 湖北工业大学
Abstract: 本发明涉及一种Actor‑Critic神经网络连续控制的快速学习算法，经验池初始化、神经网络初始化、构造输出干扰、积累经验池、根据优先数prop采样及训练深度强化学习神经网络，根据由TD_diff、sigmoid_TD和使用迹UT计算出来的优先数prop来优化采样的算法，TD_error的收敛速度加快，使得算法的学习速度加快。
-
公开(公告)号：CN112420174A
公开(公告)日：2021-02-26
申请号：CN202011215985.1
申请日：2020-11-04
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于3D Grad‑CAM的自闭症大脑磁共振图像可视化方法，采集自闭症大脑磁共振图像作为训练样本‑利用训练样本对3D Grad‑CAM模型进行训练，得到训练后的网络参数即系数矩阵W和偏倚向量b值‑根据不同的磁共振图像创建可视化热度图。3D Grad‑CAM在传统CAM模型的基础上对自闭症大脑磁共振图进行处理，实现自动识别检测且可视化效果良好的，较CAM算法有明显的提升，也很好地对反卷积和导向反向传播对类别不敏感问题作出了解释，便于辅助医学研究者定量分析和研究。
-
公开(公告)号：CN108052004A
公开(公告)日：2018-05-18
申请号：CN201711275146.7
申请日：2017-12-06
Applicant: 湖北工业大学
Abstract: 本发明涉及一种基于深度增强学习的工业机械臂自动控制方法，构建深度增强学习模型、构造输出干扰、建立奖励rt计算模型、构建仿真环境、积累经验池、训练深度强化学习神经网络及利用训练好的深度增强学习模型在实际中控制机械臂运动。通过加入深度增强学习网络，解决机械臂在复杂环境的自动控制问题，完成机械臂的自动控制，且训练完成后运行速度快、精度高。
-
公开(公告)号：CN110930379B
公开(公告)日：2023-04-07
申请号：CN201911129224.1
申请日：2019-11-18
Applicant: 湖北工业大学
IPC: G06T7/00 , G06V10/764
Abstract: 本发明公开了一种基于DDPG‑RAM算法的复杂光照条件下织物缺陷检测方法，采集织物缺陷图像作为训练样本‑对织物缺陷图像进行图像增强‑利用图像增强后的训练样本对DDPG‑RAM模型进行训练，确定训练后的网络参数‑利用训练后的DDPG‑RAM模型对织物缺陷图像进行缺陷检测。实现了织物缺陷的自动检测，且运行速度快，具有更高的准确性，效果更好。
-
Patent Agency Ranking
公开(公告)号：CN112420175A
公开(公告)日：2021-02-26
申请号：CN202011217059.8
申请日：2020-11-04
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于STN的自闭症大脑磁共振图像可视化方法，采集自闭症患者的大脑核磁共振图像作为训练样本，然后利用训练样本对STN模型进行训练，得到变换后的图像；根据STN模型训练变换后的图像输送至卷积神经网络训练，实现对自闭症患者的大脑核磁共振图像的可视化。本发明的STN模型在卷积神经网络模型的基础上对自闭症大脑磁共振图进行处理，实现自动识别检测且可视化效果良好的，较卷积神经网络模型有明显的提升，便于辅助医学研究者定量分析和研究。
-
公开(公告)号：CN110956617A
公开(公告)日：2020-04-03
申请号：CN201911129218.6
申请日：2019-11-18
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于循环注意力模型的大脑核磁共振异常图像可视化方法，采集患者的大脑核磁共振异常图像作为训练样本-利用训练样本对循环注意力模型进行训练，得到训练后的网络参数-利用训练后的RAM模型对大脑核磁共振异常图像进行可视化检测。模型简单，速度快、精度高，比传统的CNN网络检测能力强。
-
公开(公告)号：CN110910366B
公开(公告)日：2023-10-24
申请号：CN201911130121.7
申请日：2019-11-18
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于3D CAM的大脑核磁共振异常图像的可视化方法，采集患者的脑核磁共振异常图像作为训练样本‑利用训练样本对3D CAM模型进行训练，得到训练后的网络参数即系数矩阵W和偏倚向量b值‑根据不同的磁共振图像创建可视化热度图。在传统CAM模型的基础上对患者的大脑核磁共振异常图像进行处理，实现自动识别检测且可视化效果良好的，便于辅助医学研究者定量分析和研究。
-
公开(公告)号：CN107992939B
公开(公告)日：2021-11-12
申请号：CN201711275524.1
申请日：2017-12-06
Applicant: 湖北工业大学
IPC: G06N3/04 , G06N3/08 , G06F30/27 , B23F5/12 , G06F119/14
Abstract: 本发明涉及一种基于深度增强学习的等切削力齿轮加工方法，包括构建深度增强学习模型、构造输出干扰、构建仿真环境、建立奖励rt计算模型、积累经验池、训练深度增强学习神经网络及利用训练好的深度强化学习模型控制插齿机等切削力的切削齿轮。本发明基于深度增强学习的等切削力齿轮加工方法，通过加入深度增强学习网络，解决插齿机等切削力的自动插齿问题，充分利用了插齿机的功率，大大加快了插齿机的切削效率并同时保证了工件的加工质量与加工过程的平稳性。
-
公开(公告)号：CN113240706A
公开(公告)日：2021-08-10
申请号：CN202110398724.6
申请日：2021-04-12
Applicant: 湖北工业大学
IPC: G06T7/246 , G06T7/11 , G06T7/136 , G06T7/187 , G06T7/194 , G06T7/62 , G06T7/66 , G06T5/00 , G06T5/40
Abstract: 本发明提出了一种高温环境下熔融铁尾矿的智能跟踪检测方法。本发明利用工业CCD相机采集矿物图像；参照canny方法对其中的去噪滤波环节和阈值分割环节进行优化，确定目标轮廓；通过二次优化的canny方法与形态学处理确定目标轮廓；对获得的二值图像进行形态学处理提取二维图像实际半径，最小外接圆，周长，面积等参数，确定下一帧的ROI处理；通过SFS方法预测目标的实际高度，计算实际体积以及铁尾矿熔化速率；针对之前确定ROI区域进行检测处理，重复参照canny方法对其中的去噪滤波环节和阈值分割环节进行优化以确定目标轮廓，直至铁尾矿完全熔化。本发明对熔化二氧化硅进行精确定位以及实时跟踪，同时测估熔化速度、横截面积等参数，提高了检测的智能化水平。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.022 seconds)
