-
公开(公告)号：CN117474106B
公开(公告)日：2024-07-09
申请号：CN202311388156.7
申请日：2023-10-24
Applicant: 江南大学
Abstract: 本发明涉及一种基于全流程并行遗传算法的贝叶斯网络结构学习方法，属于信息处理及人工智能技术领域。本发明基于遗传算法来构建贝叶斯网络结构学习方法，能够更广泛地探索搜索空间、提高搜索效率；同时，一方面通过寻找两个节点间边的生成来简化BN结构的搜索，另一方面采用全流程并行计算的方式来进一步提高搜索效率，并使用BIC作为评分函数来解决数似然度和结构复杂度的权衡问题。
-
公开(公告)号：CN117807275A
公开(公告)日：2024-04-02
申请号：CN202311856289.2
申请日：2023-12-29
Applicant: 江南大学
IPC: G06F16/901 , G06F17/16 , G06N3/042 , G06N3/08
Abstract: 本发明涉及图数据挖掘技术领域，具体涉及基于关系挖掘的异构图嵌入方法及系统，包括：提取异构图中所有节点的特征向量；基于所有节点的特征向量，学习节点之间的相似度，补全异构图中隐藏的关系，生成关系邻接矩阵；基于所述关系邻接矩阵，计算邻居节点对目标节点的注意力权重，将加权后的邻居节点信息聚合到邻居节点中，得到更新后的邻居节点特征向量；计算节点之间的关系强度，根据所述关系强度将所述更新后的邻居节点特征向量包含的信息聚合到对应的目标节点中，得到最终的节点嵌入值。本发明解决了现有方法过于依赖元路径的先验知识，在节点关系语义聚合时未考虑元路径中间节点的信息的问题，有效利用异构图的拓扑信息，增强了节点之间的联系。
-
公开(公告)号：CN117474106A
公开(公告)日：2024-01-30
申请号：CN202311388156.7
申请日：2023-10-24
Applicant: 江南大学
Abstract: 本发明涉及一种基于全流程并行遗传算法的贝叶斯网络结构学习算法，属于信息处理及人工智能技术领域。本发明基于遗传算法来构建贝叶斯网络结构学习算法，能够更广泛地探索搜索空间、提高搜索效率；同时，一方面通过寻找两个节点间边的生成来简化BN结构的搜索，另一方面采用全流程并行计算的方式来进一步提高搜索效率，并使用BIC作为评分函数来解决数似然度和结构复杂度的权衡问题。
-
公开(公告)号：CN116705142A
公开(公告)日：2023-09-05
申请号：CN202310489300.X
申请日：2023-05-04
Applicant: 江南大学
Abstract: 基于二进制量子粒子群优化算法与通量平衡分析混合算法的代谢产物优化方法。本发明方法结合了通量平衡分析FBA和改进二进制量子行为粒子群优化EBQPSO算法的优势，以确定所需代谢产物的最佳敲除策略。EBQPSO算法引入邻域概念，增加粒子群的多样性，促进全局最优解的识别。我们在大肠杆菌iAF1260和iJR904两个基因组尺度的代谢模型上测试了我们的算法，结果显示EBQPSO的性能与其他算法相比具有竞争力。此外，我们算法中使用的编码方法在GSMMs的优化问题中很少被使用，这对于该领域的研究是一个重要贡献。我们提出的算法有潜力显著改善微生物细胞工厂的优化，并满足不同行业对微生物制造产品日益增长的需求。
-
公开(公告)号：CN114662593A
公开(公告)日：2022-06-24
申请号：CN202210297893.5
申请日：2022-03-24
Applicant: 江南大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/12
Abstract: 本发明公开了一种基于遗传算法和划分数据集的图像分类方法，属于图像识别分类技术领域。该方法通过基于划分数据集来提高基于遗传算法进行CNN结构设计的执行速度，通过对划分数据集的训练得到CNN个体适应度函数进行修正来提高图像分类方法的可靠性。同时为了解决现有方法仅使用ResNet和DenseNet深度模块进行CNN结构设计而忽略CNN网络宽度结构的问题，该方法引入Inception模块，同时提出Feature模块作为CNN网络结构第一层，来保证输入图片有足够的特征给深层的模块进行学习，Transition模块对特征图的特征维度进行变换，Dropout模块来防止网络的过拟合，综合提高了图像分类的精度。
-
Patent Agency Ranking
公开(公告)号：CN116705142B
公开(公告)日：2025-01-03
申请号：CN202310489300.X
申请日：2023-05-04
Applicant: 江南大学
Abstract: 基于二进制量子粒子群优化算法与通量平衡分析混合算法的代谢产物优化方法。本发明方法结合了通量平衡分析FBA和改进二进制量子行为粒子群优化EBQPSO算法的优势，以确定所需代谢产物的最佳敲除策略。EBQPSO算法引入邻域概念，增加粒子群的多样性，促进全局最优解的识别。我们在大肠杆菌iAF1260和iJR904两个基因组尺度的代谢模型上测试了我们的算法，结果显示EBQPSO的性能与其他算法相比具有竞争力。此外，我们算法中使用的编码方法在GSMMs的优化问题中很少被使用，这对于该领域的研究是一个重要贡献。我们提出的算法有潜力显著改善微生物细胞工厂的优化，并满足不同行业对微生物制造产品日益增长的需求。
-
公开(公告)号：CN117852733B
公开(公告)日：2024-07-30
申请号：CN202311677616.8
申请日：2023-12-06
Applicant: 江南大学
IPC: G06Q10/047 , G06F18/214 , G06F17/18
Abstract: 本发明公开了一种基于大规模限量弧路由问题求解的路径规划方法，属于组合优化领域。本发明首先进行了全局优化，提出了一种基于CARP问题的低成本分解优化方案，在迭代中有针对性的保留了更多优秀的分解；同时，本发明也应用于局部搜索阶段，提出了一种改进的路径构造规则，其优化了生成初始解中路径插入的部分，在路径插入的过程中考虑了车辆在接近满载时返回仓库产生过多无用花费的问题，改进之后能够更有效的进行局部搜索，进一步提升了求解质量。与现有的路径规划方法相比，本发明更细致的考虑到了CARP优化问题的细节与问题本身的特点，能够取得更低成本的解，且能够提升2‑3倍左右的稳定性。
-
公开(公告)号：CN116431761B
公开(公告)日：2024-07-12
申请号：CN202310214059.X
申请日：2023-03-07
Applicant: 江南大学
IPC: G06F16/33 , G06F40/289 , G06F18/214
Abstract: 本发明涉及一种中文上位词检索方法，包括获取待查询数据样本中的下位词，带入预设提示模板中，得到含有掩码的待填空文本作为提示；对所述提示进行分词，获取Token序列；将所述Token序列输入预设预训练语言模型中，对所述掩码进行填空，获取预设配套词汇表中每个候选词被填入掩码的logit；获取logit值最高的候选词作为所述预训练语言模型的上位词最优预测结果。本发明首次将提示调优引入中文上位词检索领域，基于任务适应性强的提示调优技术，利用一个预设的固定提示模板来训练预训练语言模型的中文上位词检索能力；通过提示模板获取提示，进而引导预训练语言模型的推理过程，利用固定的提示模板，不断约束和规范模型的输出，从而产生期望的预测结果，获取上位词。
-
公开(公告)号：CN117010991B
公开(公告)日：2024-05-03
申请号：CN202310948429.2
申请日：2023-07-31
Applicant: 江南大学
IPC: G06Q30/0601 , G06N3/126
Abstract: 本发明公开了一种基于GPU并行改进遗传算法的高利润商品组合挖掘方法，属于数据挖掘与处理技术领域。所述方法通过将遗传算法的多个步骤选择、交叉、变异在GPU中运行。改进的初始化策略和改进的排序PEV策略同样在GPU中执行，这两个策略可以提高迭代性能。同时丰富种群的精英策略也使得较高效用的项集得到保留，以大幅提升收敛性能。而且本申请所采用的带有种群多样性改进的精英策略可以在线性时间内将优秀个体传递给下一次迭代的种群中。最后通过多组实验，从挖掘质量、运行速度、并行加速比等多个方面验证了所提出方法的优势。本申请方法针对现实数据集可以在短时间内得到有用的高效用组合以辅助销售决策。
-
公开(公告)号：CN117391204A
公开(公告)日：2024-01-12
申请号：CN202311388195.7
申请日：2023-10-24
Applicant: 江南大学
Abstract: 本发明公开了一种基于互信息引导的混合贝叶斯网络结构学习方法，涉及信息处理及人工智能技术领域，该方法包括：对数据集利用条件独立测试和互信息限制结构的搜索空间并生成初代种群；基于互信息对当前种群进行个体修正并评估适应度；对当前种群执行以下迭代寻优操作：根据当前种群的个体适应度，选择参与交叉操作的个体进行交叉操作；对交叉操作得到的新种群，提取互信息介于中间阈值的两节点进行变异操作，同时对互信息不在中间阈值的连接边和独立节点进行保护，产生下一代种群；再次基于互信息对当前种群进行个体修正并进行最优个体的更新；若满足迭代终止条件则输出当前种群中适应度最高的个体作为最优BN结构；否则重新执行迭代寻优操作。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.021 seconds)
