-
公开(公告)号：CN111538559A
公开(公告)日：2020-08-14
申请号：CN202010158120.X
申请日：2020-03-09
申请人： 西安电子科技大学 , 西安电子科技大学宁波信息技术研究院
摘要： 本发明公开了一种虚拟机迁移方法、装置、电子设备及其存储介质，该虚拟机迁移方法，包括：获取虚拟机的性能数据；根据所述虚拟机的性能数据构建虚拟机的分段线性性能模型；根据所述虚拟机的分段线性性能模型将所述虚拟机迁移到N台物理机中的目标物理机上，N为大于0的整数。本发明提供的虚拟机迁移方法，通过构建虚拟机的性能模型来实现虚拟机的迁移，由于考虑了虚拟机的性能，保障了虚拟机的性能，进而提高了用户体验感。
-
公开(公告)号：CN111538559B
公开(公告)日：2023-06-02
申请号：CN202010158120.X
申请日：2020-03-09
申请人： 西安电子科技大学 , 西安电子科技大学宁波信息技术研究院
摘要： 本发明公开了一种虚拟机迁移方法、装置、电子设备及其存储介质，该虚拟机迁移方法，包括：获取虚拟机的性能数据；根据所述虚拟机的性能数据构建虚拟机的分段线性性能模型；根据所述虚拟机的分段线性性能模型将所述虚拟机迁移到N台物理机中的目标物理机上，N为大于0的整数。本发明提供的虚拟机迁移方法，通过构建虚拟机的性能模型来实现虚拟机的迁移，由于考虑了虚拟机的性能，保障了虚拟机的性能，进而提高了用户体验感。
-
公开(公告)号：CN114764564B
公开(公告)日：2024-08-06
申请号：CN202210465093.X
申请日：2022-04-25
申请人： 西安电子科技大学
IPC分类号： G06F40/284 , G06F40/253 , G06F18/241 , G06F18/25 , G06F18/214 , G06N3/042 , G06N3/084
摘要： 本发明公开了一种基于融合语言学知识的方面级情感极性分类方法，包括下述步骤：(1)建立训练样本集和测试样本集；(2)搭建基于融合语言学知识的方面级情感分类模型；(3)对方面级情感极性分类模型进行迭代训练；(4)获取方面级情感极性分类结果。本发明构建了基于融合语言学知识的方面级情感极性分类网络，利用现有的SOTA模型分析并提取评论数据中所特有的语言学知识，搭建基于图神经网络和注意力机制的语言学知识融合网络，将评论数据中所蕴涵的语言学知识融入到最终的单词表示中，提高了方面级情感极性分类的准确率。
-
公开(公告)号：CN118244901A
公开(公告)日：2024-06-25
申请号：CN202410451693.X
申请日：2024-04-16
申请人： 西安电子科技大学
IPC分类号： G06F3/01 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/08
摘要： 本发明公开了一种动态融合多模信息的关节角度估计方法，主要解决现有技术关节角度估计精度低，计算时间长，估计值可能偏离真实运动情况的问题。其实现方案是：获取肌电信号、加速度信号和手部运动学数据并构建数据集；针对多模信息的三种不同输入方式，分别构建三个关节角度估计网络模型及其损失函数；通过损失函数最小化分别训练三个关节角度网络估计模型；使用门控决策网络和三个训练好的模型构建动态融合关节角度估计模型并对其进行训练；通过训练好动态融合关节角度估计模型实现对手部关节角度的估计。本发明显著提高了关节角度的估计精度，降低了估计时间，使得关节角度估计值更符合真实自然的运动，可用于人机交互过程中的手部动作识别。
-
公开(公告)号：CN118228806A
公开(公告)日：2024-06-21
申请号：CN202410296454.1
申请日：2024-03-15
申请人： 西安电子科技大学
IPC分类号： G06N3/096 , G06N3/0499 , G06N3/0464 , G06N3/084 , G06N3/048
摘要： 本发明公开了一种基于超网络的动态模块化持续学习方法，主要解决现有技术计算资源浪费，模块复用率低及灾难性遗忘的问题。其方案是：获取任务流训练集；设计包含超网络及模块化网络的模型网络并定义其损失函数；将任务流训练集输入到模型网络中，使用任务流中的第一个任务训练初始化模型网络，并冻结完成该训练后的模块化网络；利用当前任务流的其他任务训练超网络及冻结模块化网络。所有训练均在模态不变正则化投影及模态不变正则化两阶段完成，即在不同阶段迭代计算模型损失函数和梯度，更新模型网络参数，直到达到设定的长度得到训练好的模型网络。本发明能克服灾难性遗忘，提升模块复用率，节约计算资源，可用于机器人学习，医疗诊断与辅助治疗。
-
公开(公告)号：CN118153626A
公开(公告)日：2024-06-07
申请号：CN202410331911.6
申请日：2024-03-22
申请人： 西安电子科技大学
IPC分类号： G06N3/045 , G06N3/0464 , G06N3/084 , G06F18/15 , G06F18/25 , G06F18/2415 , A61B5/389
摘要： 本发明公开了一种表面肌电信号手势识别的轻量化网络模型及其构建方法，解决了现有网络结构庞大复杂，难有效捕捉肌电信息的问题。本发明的轻量化网络模型，为两层轻量化特征融合结构，一层两个串接的轻量化多流特征和二层的轻量化多尺度特征融合模块融合输出。模型构建步骤：获取肌电信号数据；预处理；构建网络模型；训练模型；输入肌电信号，获取手势类型。本发明依肌电采集位置和肌群间协同设计特征融合模块，轻量化残差注意力加入到多流特征融合模块，不增加额外计算开销，有效提取特征。捕获多尺度特征，增强特征传播，提高识别准确率。将深度可分离卷积引入多流特征融合模块，大幅减少参数量和计算量。用于临床医学、机器人等领域。
-
公开(公告)号：CN117860275A
公开(公告)日：2024-04-12
申请号：CN202410105304.8
申请日：2024-01-25
申请人： 西安电子科技大学 , 中国航天员科研训练中心
发明人： 万波 , 李圭印 , 苏柯嘉 , 刘锦辉 , 杨鹏飞 , 乔寒冰 , 李昕泰 , 霍继旺 , 赵辉 , 王春慧 , 姜昌华 , 王飞 , 罗楠 , 王笛 , 王义峰 , 刘刚 , 王泉 , 艾俊利 , 樊璐 , 刘凯
IPC分类号： A61B5/389
摘要： 本发明公开了一种基于表面肌电信号的可穿戴上肢肌肉负荷强度评估方法。主要解决现有技术适用性差和肌肉负荷强度评估不准确的问题。其实现方案是：结合定性评估的RULA量表和定量评估的表面肌电信号，建立上肢姿态到肌电信号再到负荷强度的映射关系；构建高集成度可自定义扩展的低功耗可穿戴信号采集设备，以采集人体上肢信号；基于迁移学习和上肢信号建立适用不同用户的高鲁棒性神经网络模型，以评估用户的肌肉负荷强度；搭建肌肉负荷强度评估可视化平台，以展示上肢信号和肌肉负荷强度评估结果。本发明增提高了可穿戴设备的便携性、集成度和能耗比，提升了对不同人群上肢肌肉负荷强度评估的整体准确度，可用于评估人体上肢肌肉负荷强度等级。
-
公开(公告)号：CN116842116A
公开(公告)日：2023-10-03
申请号：CN202310698896.4
申请日：2023-06-14
申请人： 西安电子科技大学
IPC分类号： G06F16/29 , G06F16/387 , G06F40/30 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0442
摘要： 本发明公开了一种基于社交媒体数据的台风定位方法，主要解决现有技术在处理海量、复杂的社交媒体数据时，台风定位准确性低的问题。其实现方案为：获取社交媒体数据中的时空信息，并将其编码为时空编码数据集；利用BERT模型提取时空编码数据集的文本语义特征，根据时空编码对语义特征进行语义和空间重构，得到重构语义特征数据集；构建基于三维卷积层和卷积‑长短期记忆人工神经层的卷积神经网络，利用重构语义特征数据集预测每个网格中心到台风中心的距离；通过基于位置服务的时空网格定位算法，利用卷积神经网络的预测结果确定台风中心的纬度和经度位置。本发明通过对社交媒体数据特征重构提高了对台风的定位的准确度，可用于对自然灾害的防御。
-
公开(公告)号：CN111538560B
公开(公告)日：2023-06-02
申请号：CN202010159013.9
申请日：2020-03-09
申请人： 西安电子科技大学
IPC分类号： G06F9/455
摘要： 本发明公开了一种虚拟机部署方法、装置、电子设备及其存储介质，该虚拟机部署方法，包括：获取虚拟机的性能数据、N台物理机的能耗数据，N为大于0的整数；根据虚拟机的性能数据构建虚拟机的分段线性性能模型；根据每台物理机的能耗数据构建每台物理机的非线性能耗模型；根据虚拟机的分段线性性能模型、每台物理机的非线性能耗模型构建每台物理机的效能比模型；根据每台物理机效能比模型将虚拟机部署在N台物理机中目标物理机上。本发明提供的虚拟机部署方法，同时考虑了物理机的能耗和虚拟机的性能，从而减少了物理机的能耗，保障了虚拟机的性能，提高了用户体验感。
-
公开(公告)号：CN113375665B
公开(公告)日：2022-12-02
申请号：CN202110675571.5
申请日：2021-06-18
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于多传感器松紧耦合的无人机位姿估计方法，解决在无先验信息的环境中，无人机移动时对无人机进行位姿估计的问题。本发明的实现步骤是：分别构建与融合视觉、IMU和GPS传感器信息对应的视觉残差、IMU残差和GPS残差，通过紧耦合优化使残差和最小，得到紧耦合优化后的无人机位姿，再使用紧耦合优化后的位姿和GPS信息，分别构建绝对残差和相对残差，进行松耦合优化，使两个残差项的和最小，得到松耦合优化后的无人机位姿。本发明利用松紧耦合融合多传感器信息的无人机位姿估计方法，有效解决了无人机位姿中存在累积误差的问题，可以鲁棒的估计得到高精度的无人机位姿。
-
-
-
-
-
-
-
-
-
搜索结果
130 条记录 (耗时 0.043 秒)
