“赵语杭”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5个，建议您升级VIP下载更多相关专利

[发明专利]基于决策边界及信赖域的对抗样本优化方法-CN202210225326.9在审
发明人：王亚杰;李元章;邱克帆;赵语杭;武上博 -专利权人：北京理工大学
申请日： 2022-03-09 - 公布日： 2022-07-01 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及一种基于决策边界及信赖域的对抗样本优化生成方法，属于深度学习以及图像识别领域。本发明利用白盒攻击方法生成对抗样本，之后基于决策边界及信赖域对对抗样本进行多层次优化，引导生成扰动最小的对抗样本。进一步通过选取合适的适应度函数评价对抗样本，从众多添加了对抗噪声的样本中优选出精英样本。进一步通过迭代对精英样本向原始样本在L∞限制范围内投影优选扰动最小的对抗样本。对比现有技术，本发明生成的对抗样本扰动明显减小，并且对抗样本更符合人类视觉认知。
基于决策边界信赖对抗样本优化方法

[发明专利]一种基于NB-IoT和LoRa的通信方法及通信设备-CN201810592831.0有效
发明人：张喜海;张明明;许绥佳;乔岳;李想;赵语杭 -专利权人：东北农业大学
申请日： 2018-06-08 - 公布日： 2021-06-11 - 主分类号： H04L29/08 文献下载
摘要：一种基于NB‐IoT和LoRa的通信方法及通信设备，涉及通信技术领域，为了实现既提高传输距离，又降低广域信息监测系统的运行成本而提出的。主节点判断是否接收到子节点传来的LoRa帧数据，如果主节点接收到子节点传来的LoRa帧数据，则存入接收缓存区，按照改进LRU算法对该帧数据进行有效数据读取，将读取之后的有效数据存入发送缓存区；通过NB‑IoT将发送缓存区的数据上报给服务器，判断是否链接；如果已链接将发送缓存区的数据发送至服务器；未链接回到接收起点。子节点硬件系统用于实现传感信息采集和LoRa通信；主节点硬件系统用于实现LoRa通信、NB‐IoT通信、传感器信息采集、液晶屏显示。本发明能同时融合LoRa和NB‐IoT通信协议。
一种基于 nb iot lora 通信方法设备

[发明专利]一种面向低功耗广域网的LoRa通信方法、装置及系统-CN201810589046.X在审
发明人：张喜海;张明明;乔岳;许绥佳;赵语杭;李想 -专利权人：东北农业大学
申请日： 2018-06-08 - 公布日： 2018-11-09 - 主分类号： H04W52/02 文献下载
摘要：本发明具体涉及一种面向低功耗广域网的LoRa通信方法、装置及系统，是为了解决现有的LoRa通信系统的通信距离难以进行拓展，并且为解决通信节点在野外环境使用时功耗较高、续航时间较短的问题而提出的。面向低功耗广域网的LoRa通信装置包括：数据接收模块，用于接收通信数据；解析模块，用于对所述通信数据进行解析，以判断出通信数据中的通信方式为单跳通信方式或跳通信方式；数据处理模块，用于当通信方式为单跳通信方式时，将通信数据存储至数据存储区；还用于当通信方式为多跳通信方式时，将通信数据发送至下一个通信节点，直至发送到目标节点。本发明还包括一种面向低功耗广域网的LoRa通信方法和系统。本发明适用于工业控制领域的远距离无线传输。
通信方式低功耗广域网装置及系统通信节点通信数据单跳通信远距离无线传输多跳通信方式工业控制领域数据处理模块数据接收模块通信数据存储通信数据发送数据存储区接收通信解析模块目标节点通信距离通信装置野外环境续航通信系统功耗解析拓展

[发明专利]基于改进卷积神经网络模型Cifar10的玉米叶片病害识别方法-CN201810001659.7在审
发明人：张喜海;乔岳;孟繁锋;许绥佳;张明明;赵语杭;李想;宋伟先;范成国;许永花 -专利权人：东北农业大学
申请日： 2018-01-02 - 公布日： 2018-05-15 - 主分类号： G06K9/62 文献下载
摘要：基于改进卷积神经网络模型Cifar10的玉米叶片病害识别方法，本发明涉及玉米叶片病害识别方法。本发明为了解决现有技术病害种类识别精确度低以及系统的鲁棒性差的缺点。本发明包括：一：将收集的玉米叶片图像数据集进行扩大后，进行图像数据集的预处理；预处理后的图像数据集分为训练集和测试集；二：在卷积神经网络模型Cifar10的两个全连接层之间添加Relu与Dropout操作，得到最优测试精度的Dropout概率值；三：确定三个卷积层后的最优池化组合方式，得到改进后的卷积神经网络模型；四：将测试集输入改进后的卷积神经网络模型中，完成对玉米叶片病害种类的识别。本发明用于图像识别技术领域。
基于改进卷积神经网络模型 cifar10 玉米叶片病害识别方法

[发明专利]基于卷积神经网络模型GoogleNet的玉米叶片病害识别方法-CN201810001661.4在审
发明人：张喜海;乔岳;孟繁锋;张明明;许绥佳;李想;赵语杭;范成国;宋伟先;许永花 -专利权人：东北农业大学
申请日： 2018-01-02 - 公布日： 2018-04-20 - 主分类号： G06T7/00 文献下载
摘要：基于卷积神经网络模型GoogleNet的玉米叶片病害识别方法，本发明涉及玉米叶片病害识别方法。本发明为了解决现有玉米叶片病害识别技术中网络模型参数较多、病害种类识别精确度低的缺点。本发明包括一进行玉米叶片图像数据集的收集，将收集的玉米叶片图像数据集进行扩大后，进行图像数据集的预处理；预处理后的图像数据集分为训练集和测试集；二将训练集和测试集输入到卷积神经网络模型GoogleNet中利用第一个分类器进行训练和测试，得到优化的卷积神经网络模型GoogleNet；三将测试集输入优化后的卷积神经网络模型GoogleNet中，完成对玉米叶片病害种类的识别。本发明用于图像识别技术领域。
基于卷积神经网络模型 googlenet 玉米叶片病害识别方法

1
共 5 条