西安邮电大学

本发明公开了一种多重条件变分自编码器的锂电池剩余寿命预测方法及系统，属于锂电池剩余使用寿命预测技术领域；所述方法首先通过预训练Transformer模型对历史运行数据进行初步预测，生成初步预测序列；其次基于纯净样本动态构造引导向量，构建联合输入特征，结合条件信息输入至多重条件变分自编码器模型中，通过多级复合编码器与注意力网络交替级联实现特征提取与渐进式校正，输出深层隐变量；随后通过局部加权线性回归模块对隐变量进行平滑处理，抑制异常波动；最终经多级复合解码器与注意力网络重构，输出高精度剩余寿命预测结果。本发明有效解决了高噪声环境下传统模型易学习虚假退化规律的问题，显著提升了预测鲁棒性与精度。

本发明公开了一种基于多视图小波分解和生成对抗网络的时间序列异常检测方法，包括：对原始多变量时间序列进行滑动窗口划分；采用小波分解获取不同尺度的细节分量，构建三视图特征；分别通过三个编码器提取各视图特征，并利用注意力机制进行融合，得到融合特征表示；基于生成对抗网络对融合特征进行重构，通过对抗训练提高模型对正常模式的表征能力；根据重构结果构建综合异常评分，并结合平均误差、最大误差、通道误差和时间误差表征异常程度；基于统计分位数确定判定阈值，对异常评分进行判定，得到异常检测结果。本发明能够充分挖掘多变量时间序列的多尺度特征信息，提高复杂场景下局部异常和突发异常的检测能力，增强异常检测的准确性、鲁棒性和自适应能力。

本发明涉及机器视觉及图像识别技术领域，公开了一种基于频域和空间特征双重检测的印刷包装品视觉检测方法。该方法获取印刷包装品表面图像，通过选择性状态空间模型进行二维交叉扫描，得到深层空域特征图；对表面图像进行二维快速傅里叶变换，根据幅值谱中各频率位置的幅值响应生成动态掩膜，经复数频谱调制、逆傅里叶变换及卷积映射得到频域抑制特征图；将两类特征对齐、拼接后输入多头自注意力全局推理模块，依据频域异常与空域图文布局、边界轮廓及周期纹理的匹配关系调整聚合权重，并利用三项损失联合训练，输出缺陷位置、类别及置信度。本发明能够随当前图像抑制周期纹理响应，减少正常高频边缘误报，并保留随机、细长或微弱缺陷响应。

一种面向域偏差场景的少样本图像分割方法，在模型参数冻结条件下，利用支持集图像及其掩码构建目标统计先验合集，通过交叉注意力机制增强查询图像中的目标相关语义特征。对支持集图像和查询图像进行多尺度特征提取、对齐与融合，生成尺度不变特征图，并结合支持集掩码得到目标类别统计原型。根据统计原型与查询特征间的相似度生成全局相似度响应图，通过空间均衡采样获得正负提示点，构建空间均衡提示点集。将该提示点集与查询图像输入预训练分割基础模型生成粗分割掩码，并转换为掩码提示，经提示编码后与增强查询特征协同解码，最终输出目标分割结果；本发明有效提升了域偏差场景下少样本分割任务的目标定位准确性、提示稳定性与模型鲁棒性。

本申请公开一种波长可操控的自动锁模方法及系统，涉及光纤激光器控制技术领域，该方法获取用户输入的目标状态参数；向被动锁模光纤激光器的可控腔内调节模块加载候选控制参数，并采集时域脉冲序列和频域光谱数据；提取时域基础锁模特征、频域目标波长特征和频域光谱结构特征；根据目标类型确定当前目标适应度函数和目标锁模判定条件；基于当前目标适应度函数计算目标适应度，并根据目标适应度和目标锁模判定条件判断当前输出状态是否为目标波长锁模状态；当当前输出状态为目标波长锁模状态时，保持当前候选控制参数。本申请能够实现单波长、双波长或多波长目标波长锁模状态的自动搜索。

本申请公开了一种基于物理知情强化学习的海上ISAC波束赋形方法及装置，该方法包括：对海上ISAC信道系统进行电波传播仿真，结合蒸发波导大气折射与海面粗糙散射机理提取角度衰落物理先验；将其与稀疏导频观测、环境信息融合生成低维系统级状态向量，进而定义状态空间，构建包含通信波束赋形、感知波束赋形与URIS反射相移的连续动作空间，定义奖励函数，以训练TD3强化学习智能体，输入实时低维系统级状态向量，输出原始联合优化动作，对其进行解码、物理映射、波束功率归一化，用最大发射功率约束，得到通信波束赋形矩阵、感知波束赋形向量及URIS反射相移对角矩阵。解决了URIS辅助ISAC的通感资源联合优化在非平稳信道面临精度、实时性与鲁棒性难以兼顾的问题。

本发明涉及软件开发技术领域，具体涉及一种基于动态调整算法的编程学习平台。通过浏览器提供登录界面，以供用户进行注册和登录到平台主界面；主界面根据平台内置数据库提供编程题目列表，用于提供用户自行选择编程题目进行学习；通过判题模块接收用户完成学习后提交的编程题目，并根据用户提交的编程题目类型对用户能力进行评价；通过收集用户多次的能力评价结果结合用户行为记录建立用户画像，根据用户画像对用户进行编程题目推荐。本发明提供了一个高效、便捷的学习环境，通过对用户能力进行评价，同时收集用户学习行为，能够帮助用户更有针对性的学习，提高编程能力。