“虞斌超”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]一种抗侧信道攻击的无线充电系统及方法-CN202211664894.5在审
发明人：马龙华;吴若禹;马宏宇;徐鸣;虞斌超;王乙亿 -专利权人：浙江中创天成科技有限公司
申请日： 2022-12-23 - 公布日： 2023-04-25 - 主分类号： H04L9/00 文献下载
摘要：本发明公开了一种抗侧信道攻击的无线充电系统及方法，包括核心控制器及硬件加密模块、有源通信功能模块、反馈模块和限流模块；核心控制器及硬件加密模块用于加密传输数据，有源通信功能模块用于获取无线充电发射端和无线充电接收端信息，并传入核心控制器及硬件加密模块实现加密过程，反馈模块用于采集无线充电发射端的传输电流并反馈回核心控制器及硬件加密模块，将充电过程分为恒流充电阶段、恒压充电阶段和其它阶段；限流模块用于当无线充电处于恒压充电阶段和其它阶段时启用，削减无线充电能量传输中的信息。本发明提出通过无线充电接收端限流的方法，抑制无线充电电流的变化，以防止用户能量轨迹泄露导致的无线充电能量轨迹侧信道攻击。
一种信道攻击无线充电系统方法

[发明专利]一种用于图像分类的神经网络联合量化方法-CN202211664911.5在审
发明人：马龙华;杨颖青;马宏宇;田冠中;徐鸣;虞斌超 -专利权人：浙江中创天成科技有限公司
申请日： 2022-12-23 - 公布日： 2023-03-28 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种用于图像分类的神经网络联合量化方法，解决了用于图像分类的深度神经网络难以在资源受限的嵌入式设备上高效存储和运行的问题，实现了神经网络的压缩和加速。本发明利用标量量化将乘积量化得到的映射码本的元素值转换为8位整型数。再配合8位整型的激活值，实现神经网络的定点运算，达到计算加速的目的。为了消除由不同输入引起的激活值分布误差，利用饱和截断法缩小激活值的量化区间，实现激活值的8位标量量化。最后向神经网络插入伪量单元，引入标量量化误差，通过反向传播更新参数并消除误差。本发明充分结合了标量量化与乘积量化的优势，能在显著减小模型体积的同时降低网络运算量。
一种用于图像分类神经网络联合量化方法

[发明专利]一种基于GRU-RNN的电动汽车锂离子电池的SOC估计方法-CN202011495488.1在审
发明人：马龙华;冯火青;张震;虞斌超;陈照锋 -专利权人：杭州六纪科技有限公司
申请日： 2020-12-17 - 公布日： 2021-03-26 - 主分类号： G01R31/367 文献下载
摘要：本发明公开了一种基于GRU‑RNN的电动汽车锂离子电池的SOC估计方法，采集锂离子电池充放电过程中的历史数据并进行预处理，构建训练集和测试集；使用训练集训练GRU‑RNN网络模型，使用测试集评估训练后的GRU‑RNN网络模型，如果未达到要求，则调整参数重复训练模型，直至SOC估计精度和鲁棒性满足要求。将训练好的网络模型部署在电池管理系统中，估计电动汽车锂离子电池SOC。本发明无需针对具体的电池建立等效电路模型，直接在电池测量值和SOC之间建立映射关系，使得SOC估计更加方便，能够在各种工况下在线估计锂离子电池的SOC值，电池能量管理更加有效，在延长电池寿命以及提高续航里程方面具有重大的意义。
一种基于 gru rnn 电动汽车锂离子电池 soc 估计方法

[发明专利]一种基于模糊自适应神经网络的盾构机姿态控制方法-CN202010063111.2在审
发明人：苏宏业;马龙华;章海超;虞斌超 -专利权人：浙江中创天成科技有限公司
申请日： 2020-01-19 - 公布日： 2020-06-12 - 主分类号： E21D9/093 文献下载
摘要：本发明公开了一种基于模糊自适应神经网络的盾构机姿态控制方法。首先选择测量盾构机的位置和方位的绝对坐标系，描述和测量盾构机姿态；计算盾构机与隧道设计轴线之间的位置偏差和角度偏差；初始化盾构机姿态模型；确定盾构机姿态模型中偏角和偏差的初始值及采样距离；计算上下区油压差；构建针对水平、竖直方向的模糊自适应神经网络控制器；分别训练水平、竖直方向的控制器的控制规则；在盾构机实时姿态控制时，将实时获取的盾构机的水平角度偏差和俯仰角偏差输入训练好的控制器输出上下区油缸油压差。本发明通过应用模糊控制理论解决了盾构机姿态控制过度依靠操作员经验的问题，有效的提高了模糊控制器设计效率，计算量小、可操作性较高。
一种基于模糊自适应神经网络盾构姿态控制方法

[发明专利]一种基于卷积神经网络的火灾检测方法-CN201911400304.6在审
发明人：苏宏业;马龙华;陆哲明;虞斌超 -专利权人：浙江中创天成科技有限公司
申请日： 2019-12-30 - 公布日： 2020-05-19 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的火灾检测方法，该方法构建卷积神经网络进行训练，卷积神经网络的输入为采集的火灾图片，输出为输入图片是否是火灾图片的概率值。该方法对输入的待预测图片进行验证是否为火灾图片，用超像素检测方式进行检测，对待预测图片进行超像素分割，对分割后的每个超像素区域内的像素点执行二分类检测，根据每个网格的检测结果，得到待预测图片上火灾的形状。相对于传统目标检测定位方法，本发明方法不需要具有标注的训练集就实现了目标定位，在准确度方面，火灾二分类检测在图片中具有最高93％的正确率并且复杂度较低。
一种基于卷积神经网络火灾检测方法

[发明专利]一种结合烟雾运动趋势和纹理特征的火灾检测方法-CN201911405413.7在审
发明人：苏宏业;马龙华;陆哲明;虞斌超 -专利权人：浙江中创天成科技有限公司
申请日： 2019-12-30 - 公布日： 2020-05-12 - 主分类号： G06T7/254 文献下载
摘要：本发明公开了一种结合烟雾运动趋势和纹理特征的火灾检测方法，该方法首先采集火灾烟雾视频，构建训练视频集；然后构建由烟雾纹理特征深度网络、全连接网络和Softmax层构成的火灾视频烟雾检测模型，并通过提取HOG特征的方法计算训练视频集中火灾烟雾各方向上的运动剧烈程度以及整体趋势。然后将烟雾纹理特征深度网络输出的特征向量和HOG特征进行拼接，共同输入全连接网络中，输出判断火灾烟雾概率的置信度。将待测视频逐帧输入到火灾视频烟雾检测模型中，通过输出结果的置信度是否达到设定的阈值，来判断当前帧中有无火灾产生的烟雾。本方法能够很好的区分出自然界云雾与火灾烟雾的区别，并准确识别出火灾烟雾，提高了火灾烟雾识别的准确率。
一种结合烟雾运动趋势纹理特征火灾检测方法