-
公开(公告)号：CN116823850A
公开(公告)日：2023-09-29
申请号：CN202310640900.1
申请日：2023-06-01
Applicant: 武汉大学
Abstract: 本发明提供一种基于U‑Net和Transformer融合改进的心脏MRI分割方法及系统，进行数据预处理，包括首先对图像进行零均值标准化，并进行数据增强处理以扩充训练数据；利用Transformer优化U‑Net跳跃连接，基于多粒度特征优化U‑Net跳跃连接，基于交叉注意力机制优化U‑Net跳跃连接，根据构建好的模型对心脏MRI数据进行训练，将得到的心脏左心室、右心室、心肌以及背景相应像素概率值再按照不同的像素值进行分类，从而达到不同区域的分割效果，最终得到分割好的标注结果。本发明在捕获更丰富的全局特征的同时也能够降低计算复杂度，以此提高浅层编解码器之间的特征融合的全局性，实现更丰富的特征融合效果，最终实现更高精度的心脏MRI分割效果。
-
公开(公告)号：CN112287066A
公开(公告)日：2021-01-29
申请号：CN202011140053.5
申请日：2020-10-22
Applicant: 武汉大学
IPC: G06F16/31 , G06F16/335 , G06N3/08 , G06Q50/18
Abstract: 本发明涉及一种基于倒排索引与Seq2Seq模型的法律法规推荐方法及系统，属于推荐系统的研究范畴，涉及倒排索引、RNN神经网络、Seq2Seq模型等领域，主要针对审计中涉及的法律法规、案例等数据构建倒排索引以及Seq2Seq神经网络模型，利用已经训练好的模型实现法律法规及相关案例的智能推荐任务。本发明的优点：可以自动根据场景、关键词智能推荐相关的法律法规以及案例，降低从业者的劳动负荷，提高劳动效率。
-
公开(公告)号：CN116612843B
公开(公告)日：2024-07-19
申请号：CN202310236368.7
申请日：2023-03-10
Applicant: 武汉大学
IPC: G16H10/20 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/096 , G06F18/213 , G06F18/24 , G06F18/25 , A61B5/16 , G06F123/02
Abstract: 本发明提供一种心理测评掩饰性行为识别方法及系统，属于机器学习技术领域，包括：通过将用户答题时间数据和答题条目选项数据，融入计算方法，从时间间隔和答题选项结果来识别用户在心理测评中是否存在掩饰性行为。本发明基于多行为特征图的transformer网络模型，通过注意力聚合策略获取用户问题之间的高阶行为异构性，使用嵌入时态上下文感知解决行为动态性和用户交互的动态特征、基于通道模型依赖网络改进卷积网络，通过迁移学习方法进行网络与训练以解决样本不足问题，能有效地分析用户心理活动中的掩饰性行为，相比于传统的心理测评行为分析方法，具备高效的智能化自动处理流程，无需人工进行辅助分析，具有运算速度更快、分析结果更客观的特点。
-
公开(公告)号：CN117113202A
公开(公告)日：2023-11-24
申请号：CN202311075326.6
申请日：2023-08-24
Applicant: 武汉大学
IPC: G06F18/2411 , G06F18/214 , G06N3/0442 , G06N3/06
Abstract: 本发明涉及时间序列异常检测技术，具体涉及基于联合误差堆叠模型的电力回路异常能耗检测方法及设备，该方法收集能耗数据进行预处理；构建标准的以小时为间隔的回路能耗时序数据；构建多变量能耗预测网络，利用能耗历史数据单点预测待检测时刻的回路小时能耗数值；构建对抗自编码器重构模型，学习能耗时序数据的全局分布规律，重构待检测时序窗口；根据预测值计算预测误差，利用重构时序窗口计算小时能耗重构误差并联合训练OCSVM单分类器；将待检测时刻能耗的预测误差和重构误差输入训练好的OCSVM单分类器中进行回路异常能耗的检测。该方法在考虑能耗多影响因子以及数据全局分布规律的同时避免了传统异常检测算法人为异常阈值的设定。
-
Patent Agency Ranking
公开(公告)号：CN116612843A
公开(公告)日：2023-08-18
申请号：CN202310236368.7
申请日：2023-03-10
Applicant: 武汉大学
IPC: G16H10/20 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/096 , G06F18/213 , G06F18/24 , G06F18/25 , A61B5/16 , G06F123/02
Abstract: 本发明提供一种心理测评掩饰性行为识别方法及系统，属于机器学习技术领域，包括：通过将用户答题时间数据和答题条目选项数据，融入计算方法，从时间间隔和答题选项结果来识别用户在心理测评中是否存在掩饰性行为。本发明基于多行为特征图的transformer网络模型，通过注意力聚合策略获取用户问题之间的高阶行为异构性，使用嵌入时态上下文感知解决行为动态性和用户交互的动态特征、基于通道模型依赖网络改进卷积网络，通过迁移学习方法进行网络与训练以解决样本不足问题，能有效地分析用户心理活动中的掩饰性行为，相比于传统的心理测评行为分析方法，具备高效的智能化自动处理流程，无需人工进行辅助分析，具有运算速度更快、分析结果更客观的特点。
-
公开(公告)号：CN113379125B
公开(公告)日：2022-05-13
申请号：CN202110653522.1
申请日：2021-06-11
Applicant: 武汉大学
Abstract: 本发明提供了一种基于TCN和LightGBM组合模型的物流仓储销售量预测方法，属于时序分析和分类回归的研究范畴，涉及TCN，LightGBM等技术领域，主要针对历史销售分配记录信息，分别构建TCN和LightGBM模型，最后采用加权组合的方式，找出最优组合方式作为最终的预测模型，并利用已经训练好的模型进行分类任务。本发明的优点：可以自动对过去十二个月的历史销售分配数据以及其他外部影响销量的因素进行模型训练，并对接下来三天的门店销售量进行预测，提高了仓储物流中对各类资源的利用率。同时采用两种模型的组合预测，提高了预测的准确性。
-
公开(公告)号：CN117293803B
公开(公告)日：2024-08-13
申请号：CN202311244927.5
申请日：2023-09-25
Applicant: 武汉大学
IPC: H02J3/00 , G06F18/10 , G06F18/213 , G06F18/2113 , G06F18/2115 , G06F18/27 , G06N3/0442 , G06N3/082
Abstract: 本发明涉及一种基于多特征建模与注意力增强的电力回路短期能耗预测方法，针对实际环境采样的电力回路能耗感知数据进行数据预处理和多特征建模构造回路能耗多特征数据集，随后构建双注意力增强的能耗预测网络，在双向GRU神经网络提取的时序特征的基础上，分别在时间和特征维度上进行注意力计算，最后融合构造表达效果更强的回路能耗时序特征完成电力回路短期能耗预测。本发明使得实际采集的回路能耗数据可以直接用于模型预测，同时构建注意力增强的能耗预测网络对回路能耗影响因子进行时序特征提取，并同时在时间步和多特征两个维度进行注意力的集成，捕捉待预测能耗最相关的时间步以及影响较大的特征维度，进而提高短期预测准确率。
-
公开(公告)号：CN116935045B
公开(公告)日：2024-07-12
申请号：CN202310770757.8
申请日：2023-06-27
Applicant: 武汉大学
IPC: G06V10/26 , G06V10/82 , G06V10/764 , G06V10/80 , G06V40/14 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0985
Abstract: 本发明涉及一种基于混合注意力和多尺度级联的视网膜血管分割方法和系统，利用U‑Net网络作为基础，对其层级进行改进，采用三层上下采样的网络作为基础网络，降低模型复杂度，减少模型过拟合风险，然后引入混合注意力，并且采用混合池化模块来构建多尺度信息，最后构建级联细化网络对主干网络的输出进行修正，构建出最终的分割模型。本发明可以自动对视网膜眼底图像进行模型训练，并对新输入的视网膜眼底图像进行视网膜血管分割，提高了眼底视网膜图像分割的效率。采用混合注意力机制来增加模型对特定区域的关注能力，提高模型的计算效率，利用多尺度和级联网络来提高模型对于不同尺寸血管的更好分割，提升模型分割连通性更好血管的能力。
-
公开(公告)号：CN112288152A
公开(公告)日：2021-01-29
申请号：CN202011138157.2
申请日：2020-10-22
Applicant: 武汉大学
Abstract: 本发明涉及一种基于蚁群算法和多目标函数模型的应急资源调度方法，属于数据分析的研究范畴，涉及蚁群算法，匈牙利算法，最优路径，资源调度等技术领域，主要针对地震期间应急资源调度方案的选取，构建两点间最优路径选择模型以及多目标函数数学模型，采用蚁群优化算法，匈牙利算法进行数据的分析训练，利用已经训练好的模型得到最优化的应急资源调度方案。本发明的优点：在时间效率为第一要务的情况下能够考虑到路径费用尽可能小，并且还可以细化应急物资运输的特点——时效性、伤亡性和经济性等并将它们用权重区分重要程度，能够得到总体最为合理的调度方案。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.033 seconds)
