“毛中杰”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6个，建议您升级VIP下载更多相关专利

[发明专利]基于多模态的文档识别方法、装置、设备和存储介质-CN202210386897.0在审
发明人：胡益清;毛中杰;曹浩宇;李倩玉;姜德强 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-04-13 - 公布日： 2022-09-30 - 主分类号： G06V30/41 文献下载
摘要：本申请提供一种基于多模态的文档识别方法、装置、设备和存储介质，涉及人工智能领域，可以应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景，方法包括：对待识别文档对应的文档图像进行图像分割处理，得到文本图像块、非文本图像块和分块位置信息；分别对文本图像块和非文本图像块进行特征提取，得到文本分词的分词特征、分词位置信息、第二图像特征和分词位置特征，以及非文本图像块的第一图像特征和分块位置特征；基于分词位置信息和分块位置信息，对分词特征、第一图像特征、第二图像特征、分词位置特征和分块位置特征进行特征融合处理，对得到的多模态融合特征进行实体识别，得到文档识别结果。本申请显著提高识别准确率，泛化性强。
基于多模态文档识别方法装置设备存储介质

[发明专利]基于博弈的Q学习竞争窗口调整方法、系统及介质-CN202011620219.3有效
发明人：俞晖;毛中杰;王政 -专利权人：上海交通大学
申请日： 2020-12-30 - 公布日： 2022-06-10 - 主分类号： H04W74/08 文献下载
摘要：本发明提供了一种基于博弈的Q学习竞争窗口调整方法、系统及介质，包括：步骤1：初始化网络节点设置，进行自组网并建立路由表；步骤2：全网节点通过路由表获知一跳邻居节点个数，并广播至邻居节点；步骤3：计算节点在网络中的权重大小并进行广播；步骤4：根据网络差异性采取不同退避策略；步骤5：网络中各节点按照步骤4产生的竞争窗口状态集合进行Q学习，输出最优竞争窗口区间，并依此进行通信；步骤6：网络拓扑结构发生改变或业务负载产生较大波动后，重复执行步骤2‑5。本发明使用博弈论对网络场景进行分析，确定不同节点进行Q学习的状态集合，然后利用Q学习算法产生决策，更新竞争窗口区间，以达到优化整体网络性能的大小。
基于博弈学习竞争窗口调整方法系统介质

[发明专利]一种基于孪生网络的针对模糊目标的跟踪方法-CN202010136456.6有效
发明人：陈曦;毛中杰;颜佳;王昱程 -专利权人：武汉大学
申请日： 2020-03-02 - 公布日： 2022-03-04 - 主分类号： G06V10/774 文献下载
摘要：本发明提出了一种基于孪生网络的针对模糊目标的跟踪方法。本发明根据清晰图像集生成模糊图像集，并分别进行预处理；构建去模糊对抗生成网络，通过对抗损失、内容损失构建网络的损失函数，结合预处理后清晰图像集以及模糊图像集进行训练，得到训练后去模糊对抗生成网络；通过对多个标注好的图像序列进行预处理构建训练样本，构建跟踪孪生网络，定义损失函数并进行训练，得到训练后跟踪孪生网络；组合去模糊对抗生成网络和跟踪孪生网络，对图像序列进行跟踪，得到相似度分数矩阵，通过矩阵中最大值计算出目标的位置坐标。本发明提高了在模糊场景下的跟踪精度，并在实际的模糊场景中表现出良好的鲁棒性。
一种基于孪生网络针对模糊目标跟踪方法

[发明专利]基于Q学习的深度神经网络自适应退避策略实现方法及系统-CN202010640594.8有效
发明人： 毛中杰;俞晖;王政;许丽丽;武新波;夏天 -专利权人：上海交通大学;北京东方计量测试研究所
申请日： 2020-07-06 - 公布日： 2022-03-01 - 主分类号： H04W74/08 文献下载
摘要：本发明提供了一种基于Q学习的深度神经网络自适应退避策略实现方法及系统，包括：步骤1：对无人机网络中的网络节点和网络拓扑结构进行初始化，确定树形网络的簇头节点，对退避策略参数初始化后，广播至全网节点；步骤2：全网节点根据初始化后的退避策略参数来更新本地的退避策略；步骤3：簇头节点根据收到的更新信息进行统计，得出网络公平性指标并形成向量，保存进经验池中；步骤4：簇头节点从经验池中提取向量，输入到深度神经网络进行训练，得到真实Q值，将真实Q值与预测Q值进行对比；步骤5：返回步骤2继续执行，当学习策略趋于稳定符合预设条件时，输出退避策略。本发明提高了无人机节点在动态变化网络场景中的通信性能。
基于学习深度神经网络自适应退避策略实现方法系统

[实用新型]一种用于岩土工程勘察的测绘辅助装置-CN202020779427.7有效
发明人：刘鸽;陈俊杰;韩瑞娇;毛中杰 -专利权人：刘鸽
申请日： 2020-05-12 - 公布日： 2021-01-29 - 主分类号： F16M11/24 文献下载
摘要：本实用新型公开了岩土工程勘察技术领域的一种用于岩土工程勘察的测绘辅助装置，包括固定板，所述固定板的内部中端设置有固定块，所述固定块的内部横向贯穿有丝杆，且丝杆的右端通过轴承与固定板转动连接，所述丝杆的左端贯穿固定板，且丝杆的左端设置有把手，所述丝杆的外壁两侧分别设置有旋向相反的螺纹，所述丝杆的外壁两侧均螺接有支撑块，且支撑块的内部横向设置有螺孔，所述丝杆的外壁两侧均螺接有支撑块，且支撑块的内部横向设置有螺孔，所述支撑块的顶端均贯穿固定板，通过连接杆和导向筒调节放置台的高度，从而便于对测绘仪的高度进行调节，使得测绘仪在使用时更加方便，且操作比较简单，方便使用。
一种用于岩土工程勘察测绘辅助装置

[发明专利]基于经验模态分解和深度学习的混合模型风速预测方法及系统-CN201610444160.4有效
发明人：陈分雄;胡凯;凌承昆;唐曜曜;毛中杰;王典洪 -专利权人：中国地质大学（武汉）
申请日： 2016-06-20 - 公布日： 2019-03-22 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种基于经验模态分解和深度学习的混合模型风速预测方法及系统，该方法包括以下步骤:S1、根据经验模态分解对原始风速时间序列进行分解，得到多个本征模态函数；S2、对每个本征模态函数构建各自训练数据集和测试数据集；S3、将训练数据集中各个本征模态函数训练样本送入栈式编码网络进行训练，得到各自的风速预测子模型；S4、将测试数据集送入到各自对应的风速预测子模型进行预测，得到每个风速预测子模型的预测输出值；S5、将每个风速预测子模型的预测输出值进行组合叠加处理，得到最终的整体预测输出值。本发明有效提高预测模型的预测精度和鲁棒性；同时可以获得更高的短期风速预测精度。
基于经验分解深度学习混合模型风速预测方法系统