-
公开(公告)号：CN114817758B
公开(公告)日：2025-01-03
申请号：CN202210388268.1
申请日：2022-04-13
Applicant: 南通大学
IPC: G06F16/9536 , G06F16/9535 , G06F18/25 , G06F18/2433 , G06F18/2415 , G06N3/0442 , G06N3/045 , G06N3/0985
Abstract: 本发明涉及推荐系统技术领域，具体涉及一种基于NSGC‑GRU集成模型的推荐系统方法。本发明包含以下步骤：S1：收集公开数据集，对数据集中异常值处理；统一进行归一化处理；对于每个数据集，随机将其划分为培训、验证和测试集，设置每个用户的比率为80:10:10；S2：设置模型的超参数，如最大训练数，学习率，批处理大小，L2正则项系数等；S3：基于数据集构建用户与商品的关系二部图生成对应图的邻接矩阵A，然后放入N‑SGC训练；S4：将S3中得到的特征融合结果放入GRU模型进行训练；S5：将S4中得到的结果用softmax线性模型进行预测；S6：通过S5中得到的预测数据，计算召回率recall和归一化折损累计增益NDCG用来衡量模型性能。
-
公开(公告)号：CN118016308A
公开(公告)日：2024-05-10
申请号：CN202410066350.1
申请日：2024-01-17
Applicant: 南通大学
IPC: G16H50/70 , G16H50/20 , G06F18/214 , G06F18/243 , G06F18/213
Abstract: 本发明属于临床决策技术领域，具体涉及一种基于NGBoost算法的血肿扩张的概率预测方法。本发明包括以下步骤：S1、数据预处理，针对分类特征和连续特征进行处理；筛选特征作为数据集，进行数值规约、属性规约以及数据变换等数据预处理；S2、分别采用稳定筛选的距离相关系数、最大互信息系数和非稳定筛选的随机森林与弹性网络计算特征对于血肿扩张概率的重要度，将结果融合后，构建加权集成的特征筛选模型；S3、考虑到变量间可能存在的高相关性，对高重要度的变量通过斯皮尔曼相关系数进行独立性分析，获得多个最具代表性和独立性的变量；S4、通过KDE图得出特征在训练集以及测试集分布一致；S5、基于获取的高重要性变量构建NGBoost回归预测模型。
-
公开(公告)号：CN117670904A
公开(公告)日：2024-03-08
申请号：CN202311700740.1
申请日：2023-12-12
Applicant: 南通大学
IPC: G06T7/11 , G06N3/045 , G06T3/4076 , G06V10/77 , G06V10/40 , G06T3/4038 , G06T5/50
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于渐进式收缩策略与移位窗口结合的跳跃连接方法。本发明方法使用渐进式收缩策略和Swin Transformer块作为基本单元来构建u型编码器采用跳跃式连接的架构进行医学图像分割，从而为Transformer在医学图像领域的发展提供基准比较。本发明将提取到的上下文特征通过跳跃连接与编码器的多尺度特征融合，通过引入特征重构和上采样操作，将来自编码器和解码器的特征信息进行融合，以弥补下采样造成的空间信息丢失。这一方法使得高级别的多尺度特征和上采样特征从编码器传递到解码器，有助于解码器充分利用不同尺度的信息，恢复图像的空间分辨率，更好地理解图像的上下文和语义结构，缓解梯度消失问题。
-
公开(公告)号：CN117127563A
公开(公告)日：2023-11-28
申请号：CN202311184647.X
申请日：2023-09-14
Applicant: 南通大学
Abstract: 本发明公开了一种水利工程水闸装置，属于水利设备技术领域，包括水坝，所述水坝的上部固定连接有电机和束缚架，所述电机的转子上固定连接有蜗杆，所述蜗杆的外部啮合有蜗轮，所述束缚架滚动束缚在蜗轮和蜗杆的外部，所述水坝的后部活动密封有弧形阀板，所述弧形阀板的上端与蜗轮固定连接，所述弧形阀板的后侧设有轴柱，使弧形阀板沿水坝内壁向后转动打开，使水坝后侧的水通过水坝的开口向前排出，同理反向驱动电机带动蜗杆反转，通过蜗杆带动蜗轮反转，使蜗轮带动弧形阀板重新与水坝闭合，封闭水坝的开口，利用弧形阀板公转方式降低水压对弧形阀板的影响，同时也降低了弧形阀板的自重影响，降低了电机的运转负荷，提高了实用性。
-
公开(公告)号：CN116628332A
公开(公告)日：2023-08-22
申请号：CN202310606146.X
申请日：2023-05-26
Applicant: 南通大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/2458 , G06N3/0499 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明属于信息推荐技术领域，具体涉及一种基于提示学习的个性化推荐方法。本发明包含以下步骤：S1：将用户属性和历史行为数据组织成序列形式，并进行序列填充；S2：根据用户属性设计提示模板构建个性化提示并生成嵌入表征，并将其插入到S1中历史行为序列的开头，生成用户行为序列；S3：将S1中的用户属性序列，S2中的用户行为序列进行拼接，获得最终的输入表示并进行嵌入操作，获得嵌入矩阵；S4：在自注意力层中学习和集成项目间的注意力权重，通过叠加注意力层学习更加复杂的项目间注意力权重；S5：将用户嵌入与最终的项目进行运算，将排名Top‑K的项目推荐给用户。本发明可以适应不同领域和场景的个性化推荐需求，具有更大的灵活性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN115841297A
公开(公告)日：2023-03-24
申请号：CN202211320107.5
申请日：2022-10-26
Applicant: 南通大学
Abstract: 本发明提供一种基于智能合约的项目实施进度监管方法，包括如下步骤：S1、以ubantu系统作为搭建基底，通过Go‑Ethereum软件对区块链进行创世区块的初始化以及私人网络的构建；S2、以Remix ide为开发平台，通过solidity语言对企业项目实施进度的上链提交撰写智能合约；S3、反复测试智能合约的性能与安全性，用户上链确权，进行项目进度提交，成功确权。本发明针对企业实施项目的进度监管，提供了一种基于智能合约的项目实施进度监管方法，通过上链确权，用户将每日项目进度如实提交，达到项目按计划定时定量完成的目标。
-
公开(公告)号：CN115661538A
公开(公告)日：2023-01-31
申请号：CN202211362909.2
申请日：2022-11-02
Applicant: 南通大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/0455 , G06N3/047 , G06N3/084
Abstract: 本发明涉及计算机视觉技术领域，特别涉及一种基于多粒度Transformer的图像分类方法。本发明包括以下步骤：步骤1、将图片送入到渐进标记模块，通过堆叠的多种尺寸的卷积层将图片标记为图片向量；步骤2、将图片向量送入到第一个stage的令牌聚合模块，利用卷积运算调整图片向量的数量和维度；步骤3、将调整好的图片向量送入到该stage的多粒度Transformer模块中，提取图片的特征向量；步骤4、重复进行步骤2和步骤3，从最后一个stage的多粒度Transformer模块中的到最终输出向量；步骤5、将最终输出向量送入到分类单元中，得到该图片所属类别，完成图像分类。本发明即能够有效的降低Transformer模块的计算复杂度，又能够高效的提取图片特征。
-
公开(公告)号：CN114817758A
公开(公告)日：2022-07-29
申请号：CN202210388268.1
申请日：2022-04-13
Applicant: 南通大学
IPC: G06F16/9536 , G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及推荐系统技术领域，具体涉及一种基于NSGC‑GRU集成模型的推荐系统方法。本发明包含以下步骤：S1：收集公开数据集，对数据集中异常值处理；统一进行归一化处理；对于每个数据集，随机将其划分为培训、验证和测试集，设置每个用户的比率为80:10:10；S2：设置模型的超参数，如最大训练数，学习率，批处理大小，L2正则项系数等；S3：基于数据集构建用户与商品的关系二部图生成对应图的邻接矩阵A，然后放入N‑SGC训练；S4：将S3中得到的特征融合结果放入GRU模型进行训练；S5：将S4中得到的结果用softmax线性模型进行预测；S6：通过S5中得到的预测数据，计算召回率recall和归一化折损累计增益NDCG用来衡量模型性能。
-
公开(公告)号：CN113742574A
公开(公告)日：2021-12-03
申请号：CN202110891216.1
申请日：2021-08-04
Applicant: 南通大学
IPC: G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于二阶聚合的图卷积循环神经网络的会话推荐方法，包含以下步骤：步骤S0,根据会话序列构建有向会话图，所述会话图中每个节点代表一个点击项；步骤S1,对每一个点击项进行编码，获得各点击项的低维嵌入向量；步骤S2，将各点击项的低维嵌入向量输入到融合二阶协同信号的图卷积网络及循环神经网络中获得各点击项的潜在向量；步骤S3，根据各点击项的潜在向量学习获得会话的潜在向量；步骤S4，将各点击项的潜在向量和会话的潜在向量相乘，输入至softmax层得到预测点击项。本发明的一种基于二阶聚合的图卷积循环神经网络的会话推荐方法抗噪声能力强、准确性高。
-
公开(公告)号：CN107577756A
公开(公告)日：2018-01-12
申请号：CN201710773342.0
申请日：2017-08-31
Applicant: 南通大学
Abstract: 本发明公开了一种基于多层迭代的改进递归数据流匹配方法，具体包含如下步骤；步骤1，将规则库分割成几个规则子集；步骤2，将每个规则子集中的规则存储在一个RFC数据结构中，每个规则子集用一个索引规则来进行描述，将所有的索引规则存储在一个RFC索引中，将RFC索引指向相应的RFC数据结构对RFC进行改进以减少内存消耗，通过把规则库分成几个子集，每个规则存储在一个独立的子集中，另外本发明采用了多种方法对RFC数据结构进行了精简以便进一步改善算法的速度和内存性能,本发明对RFC的改进算法大大降低了RFC总体内存消耗，极大提高了包匹配的性能。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.031 seconds)
