“徐晓滨”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果178个，建议您升级VIP下载更多相关专利

[发明专利]基于深度学习的电压成像神经活动信息增强方法-CN202310659359.9在审
发明人：朱之京;曾玲晖;蔡搏搏;徐晓滨;王德鹏 -专利权人：浙大城市学院
申请日： 2023-06-05 - 公布日： 2023-10-27 - 主分类号： G06T3/40 文献下载
摘要：本发明涉及基于深度学习的电压成像神经活动信息增强方法，包括：电压成像视频数据获取；神经元分割及活动信息提取；构建深度学习网络并进行训练；利用已训练网络对神经活动信息增强。本发明的有益效果是：本发明可以解决电压成像在记录神经活动中的时间分辨率受限问题，能够以更高的时间分辨率复现电压成像数据中的神经活动曲线，对于电压成像在脑科学领域的应用研究及拓展具有指导意义。
基于深度学习电压成像神经活动信息增强方法

[发明专利]基于同步压缩变换的深度学习辅助心脏药物分类方法-CN202310656023.7在审
发明人：朱之京;张迪鸣;徐晓滨;曾玲晖 -专利权人：浙大城市学院
申请日： 2023-06-05 - 公布日： 2023-10-10 - 主分类号： G06F18/24 文献下载
摘要：本发明涉及基于同步压缩变换的深度学习辅助心脏药物分类方法，包括：心肌细胞机械搏动信号数据获取；心肌细胞机械搏动信号分割与特征提取；构建深度学习网络并进行训练；利用已训练网络对心脏药物分类。本发明的有益效果是：本发明可以准确地对不同药物诱导的心脏毒性和药物浓度进行分类，同时提高药物诱导心脏毒性评估的效率，对于药物研发中高通量筛选识别心脏毒性特征具有重要意义。
基于同步压缩变换深度学习辅助心脏药物分类方法

[发明专利]一种基于云边端平台的高处作业安全智能风险评估方法-CN202310780679.X在审
发明人：张泽辉;张乾隆;徐晓滨;侯平智;陈博洋;何宏;王海泉;宋开荣 -专利权人：杭州电子科技大学
申请日： 2023-06-29 - 公布日： 2023-10-10 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于云边端平台的高处作业安全智能风险评估方法，涉及人工智能和安全技术领域。在高处作业安全智能风险评估中，获取与实验对象攀爬相关的视频数据，利用人体姿态估计深度学习模型检测人体关键点，根据人体关键点检测实验对象的左手、右手、左脚、右脚、左肘和右肘在垂直方向位移的时间序列数据的斜率和几何中心点坐标、头部关键点坐标以及安全带挂钩坐标在垂直方向的位置的其中之一，评估高处作业人员的跌落风险，方法简单且精度高。
一种基于端平高处作业安全智能风险评估方法

[发明专利]基于监督器改进U-Net分割网络的肺结节检测方法及系统-CN202310822847.7在审
发明人：李星;李轶;侯平智;冯静;徐晓滨 -专利权人：杭州电子科技大学
申请日： 2023-07-06 - 公布日： 2023-10-03 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于监督器改进U‑Net分割网络的肺结节检测方法及系统。本发明根据已有分割模型与生成式对抗网络的基本思想相结合，在传统的训练网络中仅对比网络输出与真实标签之间的不同用以反向传播调整网络参数，本申请结合判别网络为分割网络提供了反向传播的另一条途径，利用更高维度的信息，辨别输入输出的匹配程度，为分割模型的参数优化提供更多元的方式。本发明在原有的U‑Net分割模型基础上添加监督器，从而使分割模型输出的分割图更加合理，其分割结果与CT样本输入匹配度更高，分割准确率更高假阳性率更低。
基于监督改进 net 分割网络结节检测方法系统

[发明专利]基于参数约束条件下的结直肠癌BRB模型优化方法及装置-CN202310741360.6在审
发明人：刘珂舟;杜晓松;叶芳旭;俞杉杉;徐晓滨;常雷雷 -专利权人：杭州电子科技大学
申请日： 2023-06-21 - 公布日： 2023-10-03 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种基于参数约束条件下的结直肠癌BRB模型优化方法及装置。本发明结合结直肠癌医学专家临床诊断经验分析病例输入症状与诊断疾病类型之间的复杂非线性关系，建立BRB系统。然后，在专家知识和历史数据的共驱动下设计对于疾病类型置信度更完备的约束条件，构建优化模型，并通过GA对BRB中参数进行加约束优化。本发明通过结合专家知识和历史数据设计约束条件，有效的提升了BRB模型诊断结直肠癌的准确度。
基于参数约束条件下直肠癌 brb 模型优化方法装置

[发明专利]基于联邦学习的化工生产操作流程分割方法-CN202310818471.2在审
发明人：黄蔚栋;俞越;张泽辉;徐晓滨;侯平智;王海泉;陈博洋 -专利权人：杭州电子科技大学
申请日： 2023-07-05 - 公布日： 2023-09-22 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于联邦学习的化工生产操作流程分割方法，通过联邦学习策略对各训练节点的数据集进行聚合，训练得到可用的动作分割模型，再将模型部署到物联网系统云服务器上；端服务器在检测到动作分割需求，实地拍摄化工生产操作视频并发送给边处理器；边处理器对化工生产操作视频进行预处理得到特征序列并将序列发送给云服务器；云服务器通过动作分割模型对特征序列进行识别得到信度序列；对信度序列进行处理得到实际化工生产操作流程，再与标准流程进行对比分析后，生成分析报告。本发明采用动作分割模型对视频数据中的每帧图像的动作进行精准分类，可以在整个未裁剪的长视频中进行每帧图像的动作分类，极大地减少了人力浪费。
基于联邦学习化工生产操作流程分割方法

[发明专利]一种单向串联YOLOV5网络的小目标检测方法-CN202310817171.2在审
发明人：周浩杰;李轶;侯平智;冯静;徐晓滨 -专利权人：杭州电子科技大学
申请日： 2023-07-05 - 公布日： 2023-09-22 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种单向串联YOLOV5网络的小目标检测方法。本发明方法采用两个串联的YOLOV5作为检测器获取视频场景内的目标检测结果，通过两层YOLOV5网络对视频流进行吸烟行为检测，前一个YOLOV5网络负责初筛，对输入视频帧进行实时检测，筛选出类吸烟行为目标，后一个YOLOV5网络负责精筛，对输入的类吸烟行为目标再次进行检测，精确检测出视频帧中存在的吸烟行为目标。本发明在降低网络的体积和参数量的同时提高网络检测准确率和检测速度，通过串联YOLOV5网络实现更高的目标检测精度和准确率，改善了现有的网络中由于目标特征提取能力不足造成的误检、漏检问题，提高了检测效果。
一种单向串联 yolov5 网络目标检测方法

[发明专利]一种化粪池粪污资源化利用装置及方法-CN202310697102.2在审
发明人：黄进刚;温诗林;张力天;吕挺;徐晓滨;侯平智 -专利权人：杭州电子科技大学
申请日： 2023-06-13 - 公布日： 2023-09-05 - 主分类号： C02F9/00 文献下载
摘要：本发明公开了一种化粪池粪污资源化利用装置，包括顺次连接的粪污泵吸模块、磁性絮凝模块、氮磷回收模块和排放模块；所述磁性絮凝模块包括磁絮凝反应罐、磁‑粪分离装置、磁种回收装置、粪渣储罐，所述氮磷回收模块包括磷酸铵镁反应罐、镁源‑磷源投加系统、机械搅拌系统和离心分离系统。本发明创新性地将磁性絮凝模块与氮磷回收模块进行组合，所采用的磁絮凝技术，降低絮凝剂用量和固液分离时间，磁种可回收利用，粪渣中无絮凝剂残留，提高了粪污固液分离效果和资源化安全性；固液分离上清液采用磷酸铵镁结晶法回收氮磷资源用于制备缓释肥，避免了氮磷资源浪费和环境污染。
一种化粪池资源利用装置方法

[发明专利]基于ER规则的船舶电力推进系统关键功能单元辨识方法-CN202010877992.1有效
发明人：章振杰;胡家豪;高海波;马枫;徐晓滨 -专利权人：杭州电子科技大学;武汉理工大学
申请日： 2020-08-27 - 公布日： 2023-09-05 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种基于ER规则的船舶电力推进系统关键功能单元辨识方法。本发明首先基于复杂网络对船舶电力推进系统进行抽象化建模，构建系统级复杂网络，并将其划分成多个模块级子网络。其次，分别计算系统级网络与模块级子网络的多个节点重要度指标，并转化为证据。然后，通过计算证据之间的支持度得到证据重要性权重，利用证据源的波动计算得到证据可靠性因子，进而通过ER规则将多个证据进行融合，得到融合后的证据。最后，建立节点重要度排序评价函数，得到节点的综合重要度。本发明在复杂网络的基础上进行船舶电力推进系统关键功能单元的评估，利用多指标的证据融合与多粒度评价提高了船舶电力推进系统的关键功能单元辨识的准确性。
基于 er 规则船舶电力推进系统关键功能单元辨识方法

[发明专利]基于深度学习的荧光扫描成像时域矫正方法-CN202310659396.X在审
发明人：朱之京;蔡搏搏;曾玲晖;张迪鸣;王德鹏;徐晓滨 -专利权人：浙大城市学院
申请日： 2023-06-05 - 公布日： 2023-09-01 - 主分类号： G06T11/00 文献下载
摘要：本发明涉及基于深度学习的荧光扫描成像时域矫正方法，包括：针对已使用化学染料或基因编码探针制备的生物组织样本或活体，进行双光子或共聚焦荧光扫描成像；建立基于循环卷积和时域传播矩阵的对称型深度学习网络，并使用图像组成训练集对网络进行训练得到权重；将成像结果通过深度学习网络和权重进行插帧重建，并利用算法将相应像素进行提取排列。本发明的有益效果是：本发明可以解决荧光扫描成像中尤其是大视场观测时像素间的时间延迟问题，对于实现荧光扫描成像在快速变化、大视场和高分辨率场景中的应用具有指导意义。
基于深度学习荧光扫描成像时域矫正方法

[发明专利]一种滚动轴承剩余使用寿命预测的信息融合方法-CN202310632918.7在审
发明人： 徐晓滨;周嘉豪;翁旭;张泽辉;郭豪豪;章振杰;侯平智 -专利权人：杭州电子科技大学
申请日： 2023-05-31 - 公布日： 2023-08-25 - 主分类号： G06F30/20 文献下载
摘要：本发明涉及一种滚动轴承剩余使用寿命预测的信息融合方法，属于可靠性评估与系统安全领域。本发明所用的方法主要是将水平方向和竖直方向振动信号的均方根值作为两个输入特性，并根据其历史数据分别构造置信度分布表。在线获得的两个输入特征变量的实时样本分别激活对应的置信度分布表，得到每一时刻下的关于轴承剩余寿命的证据。利用证据融合规则对这两个证据进行动态融合，获得最终证据。最后根据最终证据计算出轴承剩余使用寿命。本发明能更加全面判断轴承的健康状况，从而提高轴承寿命预测的准确率。
一种滚动轴承剩余使用寿命预测信息融合方法

[发明专利]基于置信规则库推理的器质性肠病类型评定方法及装置-CN202310715234.3在审
发明人：刘珂舟;俞杉杉;徐晓滨;杜晓松;高玉才;常雷雷 -专利权人：杭州电子科技大学
申请日： 2023-06-16 - 公布日： 2023-08-22 - 主分类号： G06F18/24 文献下载
摘要：本发明涉及一种基于置信规则库推理的器质性肠病类型评定方法及装置。本发明根据器质性肠病的临床数据，确定BRB‑ER模型的输入、输出特征；将采集的患者的临床数据进行编码转化并赋予语义值，建立初始规则库，并设置置信规则库的规则权重和输出结果置信度参数；将输入特征向量转化为对应的匹配度计算；计算被激活规则相对应的激活权重；通过ER算法将激活的规则进行推理融合，得到置信度分布结果；根据类型评定的结果，对结直肠癌和缺血性肠病的置信规则库进行分析优化，更新获得最优的评定结果。本发明能够建立器质性肠病输入特征与评定结果的非线性复杂关系，并且向医生提供了积极的辅助建议，有效提高了器质性肠病类型评定的准确率。
基于置信规则推理器质性类型评定方法装置

[发明专利]一种基于信息融合的船舶柴油机磨粒类型辨识方法-CN201811655295.0有效
发明人：徐晓健;赵状状;徐晓滨;胡燕祝;高迪驹;侯平智;盛晨兴 -专利权人：杭州电子科技大学;武汉理工大学
申请日： 2018-12-29 - 公布日： 2023-08-18 - 主分类号： G06F30/17 文献下载
摘要：本发明涉及一种基于信息融合的船舶柴油机磨粒类型辨识方法。本发明从船舶柴油机在线油液监测系统中获得磨粒样本，利用图像处理技术对采集的磨粒图像进行校正去噪并提取磨粒的形貌特征；确定输入特征的参考值集合，并计算它们关于参考值的综合相似度分布；利用样本集合的综合相似度分布构造反映输入信号与五种磨粒类型之间关系的投点统计表；由投点统计表转换得到输入特征信号的证据矩阵表；利用置信规则推理和证据推理规则融合输入样本向量激活的证据并从融合结果推理磨粒样本对应的磨粒类型。本发明可实现对船舶柴油机磨粒类型的智能辨识，降低了辨识的复杂性，提高了辨识的精度。
一种基于信息融合船舶柴油机类型辨识方法

[发明专利]一种基于MIMO证据推理的曝气系统气泵电机端边云协同控制方法-CN202310470504.9在审
发明人：张雪林;韩瑜;徐晓滨;俞武嘉;何宏;黄进刚;韩伟;侯平智;孟建芳 -专利权人：杭州电子科技大学
申请日： 2023-04-27 - 公布日： 2023-08-04 - 主分类号： H02P23/00 文献下载
摘要：本发明公开了一种基于MIMO证据推理的曝气系统气泵电机端边云协同控制方法。本发明在云端构造关于气泵电机转速控制系统PID控制器参数的MIMO证据推理模型，并基于样本投点和似然函数归一化获取参考证据矩阵表；从端设备在线获取某时刻的推理模型输入向量，在边上利用证据推理来估算该时刻模型的输出向量；将从边上获取的PID控制器参数传输到端设备，以调整气泵电机转速控制系统的控制参数，并获取该时刻系统的实时控制量和气泵电机实际转速；在边上构建参数优化模型对云端模型参数进行实时优化并上传更新参数，提高对端设备的控制效果。本发明实现了对曝气系统气泵电机的精准智能控制，降低了污水处理的能耗。
一种基于 mimo 证据推理系统气泵电机端边云协同控制方法

[发明专利]基于无监督图神经网络特征提取的旋转机械故障诊断方法及系统-CN202310399593.2在审
发明人：冯静;鲍守洋;侯平智;徐晓滨;何宏;陈博洋;游世学 -专利权人：杭州电子科技大学
申请日： 2023-04-14 - 公布日： 2023-08-01 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于无监督图神经网络特征提取的旋转机械故障诊断方法及系统。随着人工智能技术的发展，许多基于深度学习的方法被应用到故障诊断中提高设备维修诊断的智能化水平。但该类方法需要大量的标签数据，这不仅造成了资源浪费，而且需要大量的人力劳动。本发明采用K‑近邻法(KNN)将采集的振动加速度信号构建成故障样本图。然后，对GraphSAGE模型以无监督的方式进行训练，旨在不需要标签的情况下提取信号样本的特征。在提取特征的基础上，采用了一些经典的分类器进行故障诊断。本发明提出的故障诊断方法具有较高的精度，同时能够实现在少量有标记样本的情况下，也能实现较高的故障诊断精度。
基于监督神经网络特征提取旋转机械故障诊断方法系统

1
2
3
4
5
6
7
8
9
10
11
12
下一页»
尾页
共 178 条