-
公开(公告)号：CN118397687A
公开(公告)日：2024-07-26
申请号：CN202410355394.6
申请日：2024-03-27
申请人： 湖北工业大学
IPC分类号： G06V40/20 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/045
摘要： 本发明提供了一种基于加权融合模型的下肢外骨骼人体运动模式识别方法，包括以下步骤：采集多名穿戴下肢外骨骼的受试者在不同运动模式下行走的运动特征数据后进行组合，以构建运动特征数据集；构建神经网络模型并训练；将TCN模型和GRU模型输出加权融合得到目标函数；对目标函数的权重系数优化得到AWF‑IPTGNet模型并训练后，将训练结果转换为多任务识别的概率分布，输出最终的运动模式识别结果。使用IPSO优化算法自适应调节神经网络模型中TCN模型和GRU模型的参数后，通过将TCN模型和GRU模型输出得到的均方根误差RMSE加权融合得到目标函数，可以快速自适应不同受试者的运动特点，提高模型的鲁棒性与泛化性。
-
公开(公告)号：CN113568727B
公开(公告)日：2024-05-10
申请号：CN202110835323.2
申请日：2021-07-23
申请人： 湖北工业大学
摘要： 本发明提供了一种基于深度强化学习的移动边缘计算任务分配方法，旨在将深度强化学习策略引入到移动边缘计算任务分配，以期实现移动边缘计算任务的智能分配。首先，考虑到用户设备的计算能力和能量容量有限，本专利提出多边缘云协作移动边缘计算系统模型。其次，通过联合设计多边缘云的计算任务分配和计算资源管理，建立延迟和能量消耗的总和最小化的任务分配优化问题模型。再次，为了解决上述非凸优化任务分配问题，将移动边缘计算任务分配问题建模为马尔可夫决策过程。最后，针对上述马尔可夫决策过程中高维连续动作空间特点，提出双延迟深度确定性策略梯度算法，以获得多边缘云的计算任务分配和计算资源管理的近似最优联合策略。
-
-
公开(公告)号：CN117686935A
公开(公告)日：2024-03-12
申请号：CN202410123299.3
申请日：2024-01-30
申请人： 湖北工业大学
IPC分类号： G01R31/392 , G01R31/385 , G01R31/378 , G01R31/367 , G01R31/396 , G01R19/00
摘要： 本发明提供了一种基于电压概率密度的电池RUL预测方法，包括：以多条电压概率密度曲线a的峰值对应电压的正负0.05V范围作为特征电压区间，计算不同循环周期下且在特征电压区间内的电压概率密度分布，并绘制电压概率密度曲线b；提取不同循环周期下电压概率密度曲线b的峰值，并绘制出电压概率密度峰值曲线，将其作为健康特征HF；将健康特征HF作为电池的特征数据序列#imgabs0#，并利用特征数据序列#imgabs1#和电池容量数据构建岭回归容量预测模型，得到容量预测值C。本方案通过绘制电池的电压概率密度峰值曲线作为健康特征HF，实现了预测过程只需收集特征电压区间内的数据，大大降低了数据计算量，从而提高了处理效率。
-
公开(公告)号：CN117455722A
公开(公告)日：2024-01-26
申请号：CN202311798004.4
申请日：2023-12-26
申请人： 湖北工业大学
摘要： 本发明公开了基于个性化差分隐私保护的智能电网数据聚合方法及系统，其中的方法首先根据智能电网终端用户的个性化隐私保护需求，将其划分为多个隐私群体，同一群体中的用户隐私保护需求相同。其次，每个群体中的智能终端用户根据其个性化隐私需求，对其用电数据进行个性化的离散化处理，再进行个性化随机响应进行扰动处理，将扰动后的用电数据发送给网关。然后，网关分别对收到的不同群体的数据进行统计分析和数据矫正，并将来自不同群体的统计信息进行有效合并，将合并后的结果发送给控制中心。相较于已有的基于本地化差分隐私的智能电网数据聚合方案，本发明可以实现个性化的隐私保护，同时具有较好的统计分析效用。
-
-
公开(公告)号：CN115588030B
公开(公告)日：2023-09-12
申请号：CN202211182814.2
申请日：2022-09-27
申请人： 湖北工业大学
IPC分类号： G06T7/246 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种基于孪生网络的视觉目标跟踪方法及设备。所述方法包括：分别输入作为跟踪目标的模板图像及作为搜索范围的检测图像；采用残差网络分别提取所述模板图像的特征和所述检测图像的特征，将提取的特征输入到建立的模型预测器，得到目标样本的背景信息；将得到的目标样本的背景信息与当前帧的池化结果进行对比，最后生成目标框。本发明在特征提取优化方案设计引入ResNet网络，极大地提高有效训练的深度神经网络层数，相较传统孪生网络算法中CNN模型取得很大的精度提升，通过模型预测器充分采用背景信息，算法在迭代优化的过程中会模拟出更加靠的目标模板，为模型预测器提供强大的数据支持。
-
公开(公告)号：CN115601833A
公开(公告)日：2023-01-13
申请号：CN202211252124.X
申请日：2022-10-13
申请人： 湖北工业大学(CN)
摘要： 本发明提出了一种融合双层注意力与多流卷积的肌电手势识别记忆网络方法及系统。以多流卷积神经网络(MS‑CNN)为基准模型，在此加入通道注意力层(CAM)，使每个单流CNN模型在提取特征时能够学习到更为细化的特征，并滤除无用的特征信息，提升了网络的泛化能力。同时，将加入时序注意力层(TSA)的长短期记忆网络(LSTM)应用至手势识别方法中，以解决CNN模型忽略时序信息的问题，并减少无关特征。
-
公开(公告)号：CN110555283B
公开(公告)日：2022-11-29
申请号：CN201910859200.5
申请日：2019-09-11
申请人： 湖北工业大学
IPC分类号： H03M13/37
摘要： 本发明属于信道编码技术领域，公开了一种高效的LT码度分布的设计方法及系统，将二进制指数分布和固定度分布的度进行修正；将修正的二进制指数分布和固定度分布的度通过一个比例系数进行联合，形成一种联合的度分布；运用蝙蝠优化算法再结合蒙特拉罗模拟实验求得比例系数的最优值。本发明对已知的度分布进行优化改进，相较于业界广泛使用的经典度分布如鲁棒孤子分布、固定度分布等，在译码性能上有大的提高；本发明将多种不同的度分布进行联合使用，运用本方法能设计出多种不同的高效的联合度分布，通过将特定的某些度分布进行改进和联合，能保证在不同情境下也有优良的性能；本发明实施简单，不需要复杂的操作，原理通俗易懂。
-
公开(公告)号：CN115334551A
公开(公告)日：2022-11-11
申请号：CN202211264605.2
申请日：2022-10-17
申请人： 湖北工业大学
摘要： 本发明涉及一种基于契约理论的任务卸载与资源分配优化方法及系统。首先建立基站和边缘服务器的模型，针对任务卸载场景，计算基站和边缘服务器的效用；然后构建基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数，最后通过数学方法和遗传优化算法求解基于契约理论的边缘计算网络任务卸载与资源分配联合优化目标函数，获取最优的契约项。本发明提出的基于契约理论的激励方法以实现任务卸载和资源分配，并保证基站效用的最大化。同时，本发明还首次引入计算激励来平衡计算任务卸载和资源分配，可以实现实时高效的任务卸载和资源分配。
-
-
-
-
-
-
-
-
-
搜索结果
49 条记录 (耗时 0.033 秒)
