-
公开(公告)号：CN118230908A
公开(公告)日：2024-06-21
申请号：CN202410292348.6
申请日：2024-03-14
Applicant: 河南科技大学
Abstract: 本发明涉及一种基于强化学习的中医大模型及偏好对齐方法，中医大模型包含基于医疗知识的中医大模型学习模块、基于偏序对的奖励模块、基于强化学习的偏好对齐模块和基于神经网络的反馈优化模块，中医大模型学习模块整合中医数据构建语料库，并在语料库上进行训练，使模型初步对齐中医领域的任务；其次采用强化学习技术通过监督学习结合偏好排序数据训练奖励模块，评估出中医大模型输出信息与人类偏好的一致性；再次采用基于强化学习的偏好对齐模块训练中医大模型的输出偏好，使中医大模型可以输出与人类偏好更为一致的回答；最后通过模糊神经网络评估文本对齐质量，建立反馈循环优化流程，实现中医大模型的个性化偏好对齐。
-
公开(公告)号：CN118212207A
公开(公告)日：2024-06-18
申请号：CN202410370379.9
申请日：2024-03-28
Applicant: 河南科技大学
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开一种金属板材表面缺陷检测方法及系统，涉及板材表面缺陷检测技术领域，方法包括：将待用金属板材表面图像输入至金属板材表面缺陷检测模型中，以得到对应的板材表面缺陷数据，包括板材表面缺陷位置及缺陷种类；金属板材表面缺陷检测模型是采用板材表面缺陷训练样本集对预设YOLOv5网络模型进行训练得到的；预设YOLOv5网络模型中，Backbone主干网络中引入多个双层路由注意模型，Backbone主干网络通过双层路由注意模型与Neck颈部网络连接；Neck颈部网络中引入基于自注意力的特征融合模块。本发明提高了对于工业环境下金属板材的表面微小缺陷的检测精度，同时降低了微小缺陷的漏检率。
-
公开(公告)号：CN118155860A
公开(公告)日：2024-06-07
申请号：CN202410437148.5
申请日：2024-04-11
Applicant: 河南科技大学
Abstract: 本发明公开一种中医大模型偏好对齐方法、设备及介质，涉及自然语言处理技术领域。该方法包括：构建标准化语料库，并采用自监督学习策略和有监督学习策略在标准化语料库上训练第一预训练语言模型，得到初步对齐的中医大模型；构建数据偏序对，并采用强化学习技术基于数据偏序对训练第二预训练语言模型，得到训练好的奖励模型；根据初步对齐的中医大模型和训练好的奖励模型，进行基于强化学习的中医大模型偏好对齐，得到经过偏好对齐后的中医大模型；根据经过偏好对齐后的中医大模型，进行基于神经网络的模型反馈优化，得到最终优化后的中医大模型。本发明能够实现中医大模型的个性化偏好对齐，使模型能够生成与人类偏好更为一致的回答。
-
公开(公告)号：CN118071889A
公开(公告)日：2024-05-24
申请号：CN202311365740.0
申请日：2023-10-20
Applicant: 河南科技大学
IPC: G06T13/00 , G06T3/04 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/045 , G06V10/80
Abstract: 本发明公开了一种基于特征解纠缠对抗学习模型的图像卡通化方法，首先构建特征解纠缠对抗学习（FDAL）模型，然后对FDAL模型预训练，通过改进的损失函数使生成器网络学会内容图像的分布，判别器网络不参与训练、不输入任何风格信息；再使用全部的损失函数对生成器网络和判别器网络进行交替双阶段的训练，对内容信息和风格信息进行学习，直到模型收敛为止，对训练完成的模型测试，输出卡通化结果。本发明设计双重编码器和无偏的转换模块用于解纠提取的内容风格特征并进一步融合提取的内容风格特征编码嵌入，并构建双结构风格学习判别器，通过改进的损失函数用于对抗性的学习这两种卡通风格表示，其处理高分辨率图像卡通化效果显著。
-
公开(公告)号：CN117975101A
公开(公告)日：2024-05-03
申请号：CN202311818401.3
申请日：2023-12-27
Applicant: 河南科技大学
IPC: G06V10/764 , G06V10/80 , G06F18/241 , G06F18/25 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/096 , G16H20/90 , G16H50/70
Abstract: 本发明公开了一种基于舌象和文本信息融合的中医疾病分类方法及系统，该方法首先利用改进的U‑Net网络对拍摄的舌象图片进行预处理，并将四诊信息转化为文本，与对应的舌象图片共同构建出舌象文本对；其次分别对舌象图像和四诊文本信息进行特征提取，构造多特征融合的神经网络，提取舌象图像底层特征和深度特征融合获得舌象综合特征；然后通过添加了混合融合机制的LMF融合模块将各模态信息进行多模态融合，最后将多模态融合特征送入分类网络获得疾病类型分类结果。本发明能够获得舌象的完整语义信息，提高多模态特征融合质量，实现基于舌象图像和相关舌诊数据的疾病分类，为医师诊断提供辅助手段，提高诊断准确率。
-
Patent Agency Ranking
公开(公告)号：CN117911695A
公开(公告)日：2024-04-19
申请号：CN202410072849.3
申请日：2024-01-17
Applicant: 河南科技大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09 , G06V10/80
Abstract: 本发明公开一种实时语义分割方法、系统及设备，涉及农业领域，方法包括：构建基于多分支权值融合及语义指导的实时语义分割网络模型，该模型是在包括语义分支和两个细节分支的三分支骨干网络的基础上添加权值融合模块、增加语义指导学习模块并增加深监督后得到的，利用训练数据集对该模型进行训练和优化，将待分割的农场之中直拍的图像输入优化后的基于多分支权值融合及语义指导的实时语义分割网络模型中，得到该模型输出的分割后的图像，该分割后的图像以不同的颜色将待分割图像中的作物、背景以及杂草表示出来。本发明能够实现在智慧农业机器人等有限处理资源的边缘设备中，对农场之中直拍的图像进行高速、高精度和低存储的语义分割。
-
公开(公告)号：CN117495043A
公开(公告)日：2024-02-02
申请号：CN202311607212.1
申请日：2023-11-29
Applicant: 河南科技大学
IPC: G06Q10/0631 , G06Q50/06 , G06F30/20 , G06F111/04
Abstract: 涉及计算机科学中组合优化领域的一种基于贪婪思想的最小成本电网任务调度方法，包含以下步骤：S1、建立电网分区系统模型，每个分区包含一个边缘服务器和若干电力终端，每个电力终端均具有两种调度模式；S2、分析任务队列中每个时隙内，两种调度模式下能够处理的任务量以及能耗，得到约束条件下，优化任务总计算成本最小化的目标数学模型；S3、引入李雅普诺夫优化理论，构造李雅普诺夫漂移加惩罚函数，把长期优化的问题转化为单个独立时隙内的确定子问题；S4、引入贪心算法对该确定子问题进行求解，得出最优调度方法；该任务调度方法能够在保证系统稳定的前提下，尽可能最小化处理每单位数据量所消耗的能量，以提高电力能源的利用率。
-
公开(公告)号：CN117453373A
公开(公告)日：2024-01-26
申请号：CN202311603538.7
申请日：2023-11-28
Applicant: 河南科技大学
Abstract: 一种基于深度强化学习的QoE保障的任务调度方法，从用户对电力服务的满意度出发，以最大化整体用户的体验质量为目标，在家庭用户、电力公司和电网组成的系统中，建立了用户的调度模型，其中包括了时延、能耗等指标，引入用户体验质量模型，以时延为指标对用户体验质量进行评估，通过算法判断出采用何种手段对用户任务进行处理，能够既保障用户的体验质量，又保证能量消耗在可接受的范围内。
-
公开(公告)号：CN108924051B
公开(公告)日：2021-03-16
申请号：CN201810726056.3
申请日：2018-07-04
Applicant: 河南科技大学
IPC: H04L12/721 , H04L12/751 , H04L12/801
Abstract: 本发明提供了基于增强学习的信息中心网络兴趣包转发方法，包括探索阶段和利用阶段，探索阶段在转发信息表中增加Q值，并根据最长前缀匹配来获取候选端口列表，在数据包中增加离开时间和最小Q值，并通过数据包中所携带的信息计算数据包端口数据流的Q值，转发N1个兴趣包后进入利用阶段；智能体转发兴趣包时还依据概率选择转发最佳端口，当满足概率计算公式或是发送了N2个兴趣包时，结束利用阶段，重新开始进入探索阶段。本发明将兴趣包的转发过程转换为路径优化问题，从而有效地解决网络中的拥塞问题。
-
公开(公告)号：CN108769251B
公开(公告)日：2021-02-05
申请号：CN201810640759.4
申请日：2018-06-21
Applicant: 河南科技大学
IPC: H04L29/08
Abstract: 本发明提供了一种启发式CCN网络合作缓存方法，包括以下步骤：步骤S1、网络模型为两级CCN拓扑，两级CCN拓扑是由控制节点和普通节点组成；一个控制节点和多个普通节点组成一个SBS；步骤S2、缓存内容的流行度：步骤S3、最大化本地SBS命中率；步骤S4、最大化整个网络命中率；步骤S5、最大化用户获得的平均利润：步骤S6、最优分解因子的算法；步骤S7、控制节点的缓存替换；本发明在SBS本地命中率和全网命中率之间引入了SBS间合作缓存方式，在一定程度上增加了全网的内容多样性，提高了全网命中率；同时，SBS内部也进行合作缓存，提高本地命中率，最大化了用户获得的平均利润。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.049 seconds)
