-
公开(公告)号：CN108805167A
公开(公告)日：2018-11-13
申请号：CN201810417793.5
申请日：2018-05-04
Applicant: 江南大学
CPC classification number: G06K9/6256 , G06K9/6268 , G06K9/6278 , G06N3/0454
Abstract: 本发明提供一种基于Laplace函数约束的稀疏深度置信网络图像分类方法，属于图像处理、深度学习领域。该方法首先基于对灵长类视觉皮层分析的启发，在无监督阶段似然函数中引入惩罚正则项，使用CD算法最大化目标函数的同时，通过Lapalce稀疏约束获得训练集的稀疏分布，可以使无标签数据学习到直观的特征表示。其次，提出一种改进的稀疏深度信念网络，使用拉普拉斯分布诱导隐含层节点的稀疏状态，同时将该分布中的尺度参数用来控制稀疏的力度。最后使用随机梯度下降法对LSDBN网络的参数进行训练学习。本发明所提的方法即使每类在样本很少的情况下，始终达到最好的识别准确度，并且具有良好的稀疏性能。
-
公开(公告)号：CN116596161A
公开(公告)日：2023-08-15
申请号：CN202310807852.0
申请日：2023-07-04
Applicant: 江南大学
IPC: G06Q10/04 , G06Q50/30 , G06F18/213 , G06F18/2337 , G06F18/24
Abstract: 本发明涉及一种多中心小样本场景下目标预测模型构建方法和预测方法。通过结合迁移学习的思想直接用已训练节点的知识对新节点的训练集进行预测，借助预测错误样本体现新节点与已训练节点的差异，将其作为补充知识，以此快速获取新节点的模型知识，避免每次都对新节点从头训练；最后使用岭回归方法实现增量式子分类器的并行集成，大大节省了部署时间和成本。通过共享历史知识和知识丢弃机制保证模型的泛化性，在足够的共享知识的支持下，对于小样本量的节点也可以取得较好的分类效果。基于具有高度可解释性的零阶TSK模糊系统进行改进，所有的模型参数都可以通过规则的形式体现，有着高度的语义透明性，在实际应用中更能帮助用户分析和理解数据。
-
公开(公告)号：CN111078895B
公开(公告)日：2023-04-18
申请号：CN201911306495.X
申请日：2019-12-18
Applicant: 江南大学
IPC: G06F16/36 , G06F40/211 , G06F40/295 , G06F40/30 , G06N3/0464 , G06N3/08
Abstract: 基于去噪卷积神经网络的远程监督实体关系抽取方法，属于自然语言处理、实体关系抽取领域。本发明提出了一种去噪卷积神经网络的模型来进行实体的关系进行抽取。使用特征缩放层对词向量在各语义空间进行有效缩放，同时通过对卷积网络中各卷积核进行注意力权重计算，使网络可以自己学习到不同卷积核的重要性，进而进一步降低噪声的影响，达到改善模型抽取能力的目的。
-
公开(公告)号：CN113807611A
公开(公告)日：2021-12-17
申请号：CN202111182722.X
申请日：2021-10-11
Applicant: 江南大学
IPC: G06Q10/04 , G06Q10/06 , G06F30/25 , G06N3/00 , G06F111/04
Abstract: 本发明公开了一种基于解可信度与双档案群智优化的作业车间调度方法，包括，初始化参数，并根据订单参数获取约束条件以及搜索空间；随机产生粒子初始位置，并获取初始解，建立优化率档案O与精英档案E；从优化率档案O与精英档案E中选取榜样指导种群学习，并根据解可信度D对搜索策略进行调整；更新种群，并更新种群中每个粒子的历史最优适应值以及精英档案E和优化率档案O；根据历史最优适应值选取全局最优个体并通过编码获得当前解；判断是否满足结束条件，若满足则输出最小完工时间；若不满足则重新计算解可信度D；本发明能有效解决复杂作业车间调度问题，实现车间生产的排产与调度管理，提高企业的生产效率。
-
公开(公告)号：CN111046966A
公开(公告)日：2020-04-21
申请号：CN201911306345.9
申请日：2019-12-18
Applicant: 江南大学
Abstract: 基于度量注意力机制的图像字幕生成方法，属于计算机视觉与图像字幕处理任务。本发明模型首先提取图像的特征结合生成具有低级语义的字幕，然后利用注意力机制提取图像的特定区域结合低级语义信息生成高级字幕。利用度量学习学习和真实标签之间的差异，对于符合阈值的输出，不符合阈值的，利用本发明提出的注意力模块，该模块重新结合图像和语义信息以及历史信息生成新的字幕。本发明是一种新型生成图像字幕的方法，不需要人工描述，即可完成大量的图像字幕任务。
-
Patent Agency Ranking
公开(公告)号：CN110619121A
公开(公告)日：2019-12-27
申请号：CN201910880164.0
申请日：2019-09-18
Applicant: 江南大学
Abstract: 本发明公开了一种基于改进深度残差网络和关系词注意力机制的实体关系抽取方法，包括如下步骤：通过对远程监督实体关系数据集的处理，将英文转换为词向量；获取关系词，并计算余弦相似度提取句子的关系词权重；分别引入分段和门控机制，形成分段的具有门模块的残差网络，采用分段门控残差网络对特征通道进行分段；在残差网络的后段最大池化层的基础上拼接平均池化层形成双池化层，用于保留句子结构特征；得到模型最终的句子特征；将得到的句子特征进行关系分类，得到输出实体关系。本发明将深度残差网络应用到关系提取的远程监督数据集上，通过加深网络层数，有效提高模型降噪能力，同时，提出了分段门控残差模块，有效提高了深度残差网络的性能。
-
公开(公告)号：CN109214513A
公开(公告)日：2019-01-15
申请号：CN201811234832.4
申请日：2018-10-23
Applicant: 江南大学
Abstract: 一种基于自适应深度置信网络的固液废弃物智能耦合处理方法，属于深度学习、固液废弃物智能耦合处理领域。本方法利用ADBN对固废以及液废随机、离散、非线性的特征向量进行有效的状态描述，并确保不丢失原始数据的主要信息。同时根据提取的固废的状态描述和液废处理过程中产生的可燃气体，利用ADBN预测适合其状态的燃烧行为和处理过程中产生的余热，极大减少盲目焚烧对资源的浪费，并使用该余热为液废处理系统提供热量；并且根据提取到的液废的状态描述和固废处理过程中产生的余热，利用ADBN预测适合其状态的处理行为和产生的可燃气体，将这些气体作为固废焚烧的助燃剂，减少其他燃料的供给，实现对固液废弃物高效的智能耦合处理。
-
公开(公告)号：CN116823891B
公开(公告)日：2023-11-17
申请号：CN202311087808.3
申请日：2023-08-28
Applicant: 江南大学
IPC: G06T7/246 , G06N3/096 , G06T7/73 , G06V10/58 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明涉及图像处理技术领域，公开一种基于注意力和知识蒸馏的孪生高光谱图像跟踪方法和系统，包括：构建包括混合注意力机制和孪生网络的跟踪网络模型，获取现有数据集并训练跟踪网络模型，将训练完成的跟踪网络模型作为教师模型；获取待测物体的高光谱图像数据进行预处理并分为训练集和测试集，将跟踪网络模型作为学生模型，使用教师模型和训练集训练学生模型，将训练完成的学生模型作为预测模型；将训练集和测试集输入预测模型得到目标跟踪结果。本发明可以捕捉多尺度的重要信息、提高跟踪网络模型的准确性和鲁棒性。
-
公开(公告)号：CN116596161B
公开(公告)日：2023-10-13
申请号：CN202310807852.0
申请日：2023-07-04
Applicant: 江南大学
IPC: G06Q10/04 , G06Q50/30 , G06F18/213 , G06F18/2337 , G06F18/24
Abstract: 本发明涉及一种多中心小样本场景下目标预测模型构建方法和预测方法。通过结合迁移学习的思想直接用已训练节点的知识对新节点的训练集进行预测，借助预测错误样本体现新节点与已训练节点的差异，将其作为补充知识，以此快速获取新节点的模型知识，避免每次都对新节点从头训练；最后使用岭回归方法实现增量式子分类器的并行集成，大大节省了部署时间和成本。通过共享历史知识和知识丢弃机制保证模型的泛化性，在足够的共享知识的支持下，对于小样本量的节点也可以取得较好的分类效果。基于具有高度可解释性的零阶TSK模糊系统进行改进，所有的模型参数都可以通过规则的形式体现，有着高度的语义透明性，在实际应用中更能帮助用户分析和理解数据。
-
公开(公告)号：CN116823891A
公开(公告)日：2023-09-29
申请号：CN202311087808.3
申请日：2023-08-28
Applicant: 江南大学
IPC: G06T7/246 , G06N3/096 , G06T7/73 , G06V10/58 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明涉及图像处理技术领域，公开一种基于注意力和知识蒸馏的孪生高光谱图像跟踪方法和系统，包括：构建包括混合注意力机制和孪生网路的跟踪网络模型，获取现有数据集并训练跟踪网络模型，将训练完成的跟踪网络模型作为教师模型；获取待测物体的高光谱图像数据进行预处理并分为训练集和测试集，将跟踪网络模型作为学生模型，使用教师模型和训练集训练学生模型，将训练完成的学生模型作为预测模型；将训练集和测试集输入预测模型得到目标跟踪结果。本发明可以捕捉多尺度的重要信息、提高跟踪网络模型的准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.025 seconds)
