“姜廷松”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13个，建议您升级VIP下载更多相关专利

[发明专利]基于注意力引导的自适应动量偏差对抗攻击方法-CN202310124957.6在审
发明人：张小亚;姚雯;姜廷松;周炜恩;李超 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2023-02-07 - 公布日： 2023-06-30 - 主分类号： G06F30/18 文献下载
摘要：本发明公开了一种基于注意力引导的自适应动量偏差对抗攻击方法，包括：根据目标模型，选取代理模型，获取输入图像；构建输入图像的邻域，确定输入图像梯度和邻域中每个图像的梯度；计算邻域中图像的平均梯度，根据平均梯度和输入图像梯度计算动量偏差和输入图像动量；获取输入图像的热力图，对热力图中所有像素点的像素值进行降序排序，确定关键像素点；将输入图像动量输入符号函数，获取攻击方向，在攻击方向上添加预设干扰值，获得干扰矩阵，根据干扰矩阵对输入图像中的关键像素点添加干扰；对输入图像中的关键像素点的位置上进行概率稀疏，得到输入图像对应的对抗样本。本发明能够降低生成对抗样本所需的计算资源，并提高对抗样本的泛化性。
基于注意力引导自适应动量偏差对抗攻击方法

[发明专利]基于模型不确定性和半监督学习的卫星舱内温度场重建方法-CN202211725538.X在审
发明人：龚智强;夏宇峰;李昱;张小亚;姜廷松 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2022-12-30 - 公布日： 2023-06-06 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于模型不确定性和半监督学习的卫星舱内温度场重建方法，包括：获取第一训练数据和第二训练数据；对训练数据进行预处理；构建深度学习神经网络模型；对深度学习神经网络模型进行随机初始化，利用第一训练数据对模型进行训练，重复多次初始化和训练过程，得到多个训练好的模型；确定待更新模型和辅助模型；将第二训练数据中的预设温度测点的温度输入辅助模型，计算预设温度测点的温度对应的预测温度场和预测不确定性；利用第一训练数据、第二训练数据及其对应的预测温度场和预测不确定性对待更新模型进行训练；进行卫星舱内温度场重建。本发明能够利用有限温度测点的温度实现卫星舱内温度场的快速重建，且所需的计算成本低。
基于模型不确定性监督学习卫星温度场重建方法

[发明专利]不确定性指导集成自训练的半监督流场重建方法-CN202211725295.X在审
发明人：周炜恩;张云阳;龚智强;彭伟;姜廷松 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2022-12-30 - 公布日： 2023-04-28 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种不确定性指导集成自训练的半监督流场重建方法，包括：获取多个有标签数据和多个无标签数据；构建具有不同初始化模型参数的多个第一深度学习模型、以及具有初始化模型参数的第二深度学习模型；利用有标签数据分别对多个第一深度学习模型进行训练；利用完成训练的多个第一深度学习模型获取每个无标签数据对应的完整流场及其对应的不确定性，并计算不确定性对应的不确定性权值；利用无标签数据及其对应的完整流场和不确定性权值对第二深度学习模型进行预训练；利用有标签数据对第二深度学习模型进行再训练。本发明的方法能够利用少量的有标签数据得到具有高预测精度的深度学习模型，降低流场重建成本，并提高流场重建精度。
不确定性指导集成训练监督重建方法

[发明专利]反视觉智能的对抗攻击纹理生成方法-CN202211277605.6在审
发明人： 姜廷松;王冬华;周炜恩;姚雯;张小亚 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2022-10-19 - 公布日： 2023-04-07 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种反视觉智能的对抗攻击纹理生成方法，包括：根据目标物体的不同类别，构建对应的三维模型；构建仿真环境，利用三维模型和仿真环境，获取训练数据；将待优化对抗攻击纹理覆盖在目标物体的三维模型上，获取与对应的采样图片具有相同方位信息的二维渲染图片；利用仿真环境的背景替换二维渲染图片的背景，获取对抗样本；选取目标检测网络，构建多尺度对抗损失函数；将对抗样本输入目标检测网络，根据多尺度对抗损失函数的梯度对待优化对抗攻击纹理进行更新优化，获取优化好的对抗攻击纹理。本发明能够针对不同目标物体、不同场景、不同目标检测网络生成不同的对抗攻击纹理，使涂装有对抗攻击纹理的目标物体具有较好的攻击效果。
视觉智能对抗攻击纹理生成方法

[发明专利]基于采样分位数回归的温度场重建方法-CN202211206055.9在审
发明人：张小亚;李昱;郑小虎;龚智强;姜廷松;李星辰 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2022-09-30 - 公布日： 2023-01-31 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于采样分位数回归的温度场重建方法，包括：确定卫星舱板上的温度测点的位置；根据卫星舱板结构、温度测点的位置和温度传感器的温度监测数据，生成温度测点图；采样分位数，基于采样的分位数，生成与温度测点图相对应的分位点图，获取包括温度测点图和分位点图的训练数据；构建深度学习模型；基于温度测点图和分位点图，构建测点温度损失函数，基于卫星舱板温度场满足的热传导方程和边界条件，构建微分方程损失函数；利用训练数据和损失函数对深度学习模型进行无监督训练；利用训练后的深度学习模型进行温度场重建。本发明能够对传感器测量的温度存在的噪声数据进行量化，充分考虑噪声数据的影响，显著提高重建的温度场的精度。
基于采样位数回归温度场重建方法

[发明专利]基于图神经网络的卫星温度场数字孪生体模型构建方法-CN202211023973.8在审
发明人：李星辰;李桥;姚雯;姜廷松;陈小前 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2022-08-24 - 公布日： 2023-01-24 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于图神经网络的卫星温度场数字孪生体模型构建方法，包括：确定布置有温度传感器的第一类位置点和未布置传感器的第二类位置点；根据各个位置点之间的距离关系构建图模型；获取多组历史数据；根据历史数据和图模型，生成包括训练数据集；构建图卷积神经网络，利用训练数据集训练图卷积神经网络；根据传感器采集的第一类位置点的温度数据，利用图卷积神经网络获取第二类位置点的温度，对第一类位置点的温度和第二类位置点的温度进行可视化处理，获取卫星温度场数字孪生体模型。本发明能够利用有限温度敏感点测量的温度得到所有温度敏感点的温度，获取相应的卫星温度场数字孪生体模型，并且能够适用于非结构化的二维或三维场景。
基于神经网络卫星温度场数字孪生模型构建方法

[发明专利]基于神经网络架构搜索技术的温度场代理模型构建方法-CN202210258055.7在审
发明人：张小亚;孙家亮;王象;彭伟;姜廷松 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2022-03-16 - 公布日： 2022-07-01 - 主分类号： G06F30/18 文献下载
摘要：本发明公开了一种基于神经网络架构搜索技术的温度场代理模型构建方法，包括：根据组件布局设计要求，生成训练数据；对训练数据进行预处理；确定神经网络基准模型，根据神经网络基准模型设定搜索参数，构建包含所有可能路径的超级网络模型；基于超级网络模型，随机选择搜索参数以得到一个子模型，利用训练数据对子模型进行训练以更新其模型参数，重复随机选择子模型和训练过程，直至训练次数达到预设值；基于训练后的超级网络模型，利用多目标优化算法搜索近似最优子模型；利用训练数据对近似最优子模型进行重新训练，获取温度场代理模型。本发明能根据组件布局设计要求实现神经网络结构的自动设计，得到的模型参数量少，预测精度高，预测时间短。
基于神经网络架构搜索技术温度场代理模型构建方法

[发明专利]基于多保真深度学习代理模型的组件布局温度场预测方法-CN202210258156.4在审
发明人： 姜廷松;张云阳;龚智强;周炜恩;李星辰 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2022-03-16 - 公布日： 2022-07-01 - 主分类号： G06F30/18 文献下载
摘要：本发明公开了一种基于多保真深度学习代理模型的组件布局温度场预测方法，包括：获取低保真训练数据和高保真训练数据；对训练数据进行预处理；构建包括主体神经网络、连接在主体神经网络输出端的低保真映射模块和高保真映射模块的多保真深度学习代理模型；将高保真映射模块设置为关闭状态，利用低保真训练数据对多保真深度学习代理模型进行训练；将低保真映射模块设置为关闭状态，将高保真映射模块设置为打开状态，利用高保真训练数据对多保真深度学习代理模型进行训练以更新模型参数；将训练得到的多保真深度学习代理模型作为最终代理模型进行温度场的预测。本发明能够在保证模型具有高预测精度的情况下，显著降低模型训练对于高保真数据的需求。
基于保真深度学习代理模型组件布局温度场预测方法

[发明专利]基于差分进化算法的近似梯度符号对抗攻击方法-CN202210144908.4在审
发明人： 姜廷松;李超;李星辰;张小亚;龚智强 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2022-02-17 - 公布日： 2022-06-24 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于差分进化算法的近似梯度符号对抗攻击方法，包括：S1：获取预输入图片，根据预输入图片建立与预输入图片对应的邻域图片集；S2：计算邻域图片集中每张邻域图片预输入图片的像素差，生成像素差矩阵；S3：为每个像素差矩阵随机分配一个权重；S4：将每个像素差矩阵与其对应的权重进行相乘，生成像素差权重矩阵；S5：将像素差权重矩阵进行相加，生成总像素差矩阵；S6：根据总像素差矩阵利用符号函数计算攻击方向；S7：根据攻击方向对预输入图片生成扰动，形成对抗样本；S8：利用对抗样本对分类网络进行攻击，若攻击成功，则输出对抗样本；若未攻击成功，通过差分进化算法对权重进行更新，重复执行S4‑S8，更新对抗样本，直至攻击成功。
基于进化算法近似梯度符号对抗攻击方法

[发明专利]基于采样分位数回归的卫星框架结构可靠性分析方法-CN202210004486.0在审
发明人：姚雯;郑小虎;张俊;张小亚;姜廷松 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2022-01-04 - 公布日： 2022-05-13 - 主分类号： G06F30/23 文献下载
摘要：本发明公开了一种基于采样分位数回归的卫星框架结构可靠性分析方法，包括：构建用于预测卫星框架结构一阶频率的深度神经网络模型；获取待分析的卫星框架结构的多组基于有限元模型分析卫星框架结构一阶频率的输入参数值，确定每组输入参数值对应的一阶频率，在一阶频率中添加随机噪声，获取一阶频率修正值，得到多个包括输入参数值和输入参数值对应的一阶频率修正值的训练数据；设定分位数，利用分位数构建损失函数，利用训练数据和损失函数训练深度神经网络模型；利用深度神经网络模型进行卫星框架结构可靠性分析。本发明能够避免采用有限元模型分析时所存在的计算时间长、计算成本高的问题，并降低计算机噪声对神经网络模型预测精度的影响。
基于采样位数回归卫星框架结构可靠性分析方法

[发明专利]基于数据驱动深度学习的温度场重建方法-CN202111622701.5在审
发明人：周炜恩;彭兴文;姚雯;姜廷松;李昱 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2021-12-28 - 公布日： 2022-05-06 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于数据驱动深度学习的温度场重建方法，包括：根据电子设备的布局区域和电子设备在布局区域中的位置，生成多个样本数据；利用样本数据，生成多个训练数据，训练数据包括从样本数据的温度场中提取的多个指定位置的温度信息及对应的温度场；构建深度神经网络模型，利用训练数据训练深度神经网络模型以拟合多个指定位置的温度信息与温度场的映射关系；获取电子设备的布局区域中的多个指定位置的温度信息，根据获取的温度信息，利用深度神经网络模型预测当前电子设备布局对应的温度场。本发明能够利用少量监测点的温度信息重建当前温度信息下的电子设备布局对应的温度场，能够利用少量温度传感器实现各个电子设备的温度监测。
基于数据驱动深度学习温度场重建方法

[发明专利]基于不确定性的卫星组件布局可靠性分析方法-CN202111532969.X在审
发明人：张俊;姚炜杰;彭伟;姜廷松;张小亚 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2021-12-15 - 公布日： 2022-04-29 - 主分类号： G06F30/15 文献下载
摘要：本发明公开了一种基于不确定性的卫星组件布局可靠性分析方法，包括：S1，构建深度神经网络模型；S2，获取训练数据集和池数据集；S3，训练深度神经网络模型；S4，对每个池数据的卫星组件布局重复进行多次温度场预测；S5，根据池数据对应的方差将池数据进行降序排列，选取位于前序的池数据作为新训练数据添加到训练数据集中；S6，继续训练深度神经网络模型；S7，判断模型预测精度是否达到预设要求，若否，返回S4；S8，基于待分析的卫星组件布局中的组件位置，获取多个随机卫星组件布局，利用模型对随机卫星组件布局重复进行多次温度场预测；S9，对卫星组件布局进行可靠性分析。本发明能够考虑组件功率会随环境波动的情况，提高可靠性分析的准确性。
基于不确定性卫星组件布局可靠性分析方法

[发明专利]针对车辆目标检测模型的对抗补丁攻击方法-CN202111332103.4在审
发明人：张小亚;唐贵建;姚雯;姜廷松;龚智强 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2021-11-11 - 公布日： 2022-03-11 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种针对车辆目标检测模型的对抗补丁攻击方法，该方法包括：S1：获取包含车辆图像的图像数据集；S2：给定对抗补丁；S3：将对抗补丁进行变换；S4：将变换后的对抗补丁粘贴至图像数据集选定的粘贴区域；S5：将粘贴有对抗补丁的图像数据集传递至车辆目标检测模型进行检测，输出检测结果；S6：设计优化损失函数，并通过车辆目标检测模型输出检测结果计算损失；S7：根据损失通过反向传播更新对抗补丁像素值；S8：重复执行S2至S7，直至车辆目标检测模型到达收敛条件；S9：测试对抗补丁对车辆目标检测模型的攻击效果。本发明将行人目标对抗补丁攻击方法迁移至车辆目标，保证对抗补丁在真实世界中的可行性，有效提高对抗补丁攻击效果。
针对车辆目标检测模型对抗补丁攻击方法

1
共 13 条