-
公开(公告)号：CN114298495B
公开(公告)日：2025-02-11
申请号：CN202111508477.7
申请日：2021-12-10
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06F18/243 , G06F18/27 , G06N3/045 , G06N3/084 , G06N3/09 , G06N3/0985 , G06N7/01 , G06F111/08 , G06F113/04 , G06F119/02
Abstract: 本发明属于电力系统领域，具体涉及一种基于细粒度数据驱动的电网可靠性评估方法；所述方法包括利用蒙特卡洛法随机抽取电网系统状态数据；计算电网系统开断前后系统直流潮流的功率差值；将功率差值和其他电力数据作为待测样本的输入特征向量输入到潮流模块中；计算出待测样本回归结果和分类结果，确定问题样本；将问题样本的输入特征向量输入到最优潮流模块模块中，计算出问题样本的分类结果，确定故障样本；对故障样本进行最小切负荷分析处理，根据分析结果，结合方差系数计算得到故障样本的不确定性，输出故障样本的可靠性评估结果。本发明可广泛应用于大电网的运行可靠性在线计算，特别适用于高比例新能源大规模接入后的场景。
-
公开(公告)号：CN119402857A
公开(公告)日：2025-02-07
申请号：CN202411540277.3
申请日：2024-10-31
Applicant: 重庆邮电大学
IPC: H04W12/033 , H04W12/041 , H04W12/06 , H04W84/18 , H04L9/00 , H04L9/08 , H04L9/40
Abstract: 本发明属于密态数据搜索技术领域，涉及基于SGX的面向无线医疗传感器网络的可搜索加密方法，包括：DO生成密钥集合SK和加密索引树I上传至SGX代理服务器；SGX代理服务器生成验证标签σI，并将其与I上传至云服务器；DU生成搜索陷门TD发送给SGX代理服务器；SGX代理服务器生成验证陷门σTD，并将其与TD发送至云服务器；云服务器根据TD在I上进行搜索，得到搜索结果，生成验证证明σs，并将其与搜索结果发送给SGX代理服务器以验证搜索结果，若验证通过，则将搜索结果发送给DU，DU接收并解密；本发明生成验证标签σI和验证陷门σTD，根据σI和σTD生成验证证明σs，并通过σs验证搜索结果，实现了搜索结果的可验证且验证效率比较好。
-
公开(公告)号：CN119400414A
公开(公告)日：2025-02-07
申请号：CN202411505547.7
申请日：2024-10-28
Applicant: 重庆邮电大学
IPC: G16H50/30 , G16H50/70 , G06F18/241 , G06F18/2431 , G06F18/243 , G06N5/01 , G06N20/00 , G06F123/02
Abstract: 本发明属于风险预测技术领域，具体涉及一种阿尔兹海默症风险预测方法、装置及系统；该方法包括获取待检测对象的各项检测数据；将基线数据和时间累积算子输入到第一分类模型中，输出待检测对象带有时间累积算子的第一风险预测结果；将随访数据和时间累积算子输入到第二分类模型中，输出待检测对象带有时间累积算子的第二风险预测结果；将第一风险预测结果和第二风险预测结果输入到全连接层中，输出待检测对象在当前及其未来一段时间内的第三风险预测结果。本发明预测精度高，实用性高，通过对阿尔兹海默症患者的早期诊断，有助于及时做好相关准备和预防措施以减缓疾病恶化，提高待检测对象的生存概率，具有良好的应用前景。
-
公开(公告)号：CN118692671A
公开(公告)日：2024-09-24
申请号：CN202410729760.X
申请日：2024-06-06
Applicant: 重庆邮电大学
IPC: G16H50/30 , G16H50/70 , G06N3/045 , G06F16/36 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/098
Abstract: 本发明涉及医疗领域和预测技术领域，具体涉及一种融合领域知识和深度学习的心力衰竭风险预测方法及系统，方法包括构建并训练心力衰竭风险辅助预测模型；获取待测病案记录输入训练好的心力衰竭风险辅助预测模型，得到风险辅助预测结果；所述心力衰竭风险辅助预测模型包括N个级联的LSTM‑CNN模块；本发明根据专家共识形成的指南进行数据筛选采集，并采取国内最大的中文知识图谱构建三元组知识；此外使用LSTM关注多次病案的时间特性，通过注意力缩短语义差距并结合异常指标设置损失使得模型能很好的预测心衰疾病。
-
公开(公告)号：CN118656511A
公开(公告)日：2024-09-17
申请号：CN202410798511.6
申请日：2024-06-20
Applicant: 重庆邮电大学
IPC: G06F16/583 , G06F16/538 , G06V40/16 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明属于人脸识别领域，具体涉及一种基于生成式语言模型的多模态人脸检索方法，包括：建立生成式语言模型，对生成式语言模型进行训练，向训练完成后的生成式语言模型输入行人图片和对应的描述性文本进行人脸检索，得到检索结果。本发明构建了一个强大建模能力的生成式语言模型，可以获取语义更加丰富的文本表示，并通过引入特殊标记，使文本描述和图像内容可以更好的互补，增强了模型的理解能力，还实现了多任务的联合训练，包括文本生成、视觉问答、人脸检测和人脸检索，不同任务的学习可以相互促进,提高模型的泛化能力，弥补了基于生成式语言模型进行人脸检测和人脸检索任务的空白。
-
Patent Agency Ranking
公开(公告)号：CN118298930A
公开(公告)日：2024-07-05
申请号：CN202410150096.3
申请日：2024-02-02
Applicant: 重庆邮电大学
IPC: G16B40/30 , G06F18/23213
Abstract: 本发明公开了一种基于高斯分布粒球的基因聚类分析方法，包括获取基因表达数据，对基因表达数据的预处理，基于KL散度的无监督粒球划分，基于高斯分布粒球的最小生成树聚类，从而得到最终的聚类结果后返回。本发明巧妙地将基于KL散度划分的粒球与最小生成树相结合，相较于以往基于粒球的聚类，可以利用KL散度在粒球具有高斯分布时停止划分，得到更少的粒球个数，为后续结合最小生成树聚类提供了更少的数据点，显著提升了聚类的效果，使得数据分类更为精确。通过与粒球的协同作用，本发明不仅减少了所需的计算数据量，降低了计算的复杂性，而且进一步提高了聚类的精度，有助于更好研究基因的未知功能，具有良好的应用前景。
-
公开(公告)号：CN113886615B
公开(公告)日：2024-06-04
申请号：CN202111241283.5
申请日：2021-10-25
Applicant: 重庆邮电大学
IPC: G06F16/53 , G06N3/0464 , G06N3/084
Abstract: 本发明属于图像检索领域，具体涉及一种多粒度联想学习的手绘图像实时检索方法，包括：采用三重态损失函数与多粒度联想学习方法训练改进的深度神经网络模型，训练好的深度神经网络模型提取草图分支的嵌入向量，将其送入判别器判断该草图分支的等级，再将该草图分支送入等级对应的降维层，计算草图分支与图像间的欧式距离，根据欧式距离，返回检索到的top‑k张图片；本发明设计多阶段模型，避免不完整草图的多样性混淆，提出一种渐进式不完整草图的多粒度关联学习方法，使得每个不完整草图的嵌入空间逼近后续草图及其对应目标照片的嵌入空间，尽可能以最少的草图笔画检索出目标图片。
-
公开(公告)号：CN117576498A
公开(公告)日：2024-02-20
申请号：CN202311370479.3
申请日：2023-10-20
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06V10/70 , G06V10/82 , G06V10/86 , G06V40/16 , G06F40/211 , G06F40/216 , G06F40/253
Abstract: 本发明属于大语言模型应用领域和数据集标注领域，涉及一种基于大语言模型和语法树的人脸图像标题生成方法，所述方法包括获取人脸图像，并使用人脸检测模型进行人脸区域检测；使用神经网络模型对人脸图像进行属性预测，获取人脸图像各个视觉属性并生成人脸特征表；使用概率上下文无关算法对人脸特征表构造标题语法树，生成多条上下文无关的语句；使用预训练的大规模语言模型，分别对每条上下文无关的语句进行改写，生成具有自然语言表达方式的描述语句；使用多模态模型对多条描述语句进行评分，选择评分最高的描述语句，作为对应人脸图像标题。本发明能够自动高质量生成人脸图像和自然语言描述之间的匹配数据对。有利于相关任务的性能提升。
-
公开(公告)号：CN116797678A
公开(公告)日：2023-09-22
申请号：CN202310780064.7
申请日：2023-06-28
Applicant: 重庆邮电大学
IPC: G06T9/00 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明属于图像处理领域，涉及一种基于多头类卷积自注意力的图像特征编码方法、装置及电子设备；所述方法包括获取目标图像并进行预处理；提取出输入特征张量后进行展开操作，按照指定步长和子区域大小生成Q、K、V展开特征；使用可学习的Q、K和V类卷积权重参数，对应编码为一组自注意力特征；使用点积注意力机制计算多头注意力权重，将多头Q特征和多头K特征相互关联；将多头注意力权重应用于多头V特征，融合子区域内的特征点信息，得到多头自注意力输出特征；利用多头混洗权重参数进行混洗操作；提取和整合目标图像的输出特征信息。本发明采用多头类卷积自注意力机制，提升了处理图像时的性能，改善了对图像底层局部特征的学习。
-
公开(公告)号：CN116246098A
公开(公告)日：2023-06-09
申请号：CN202310041708.0
申请日：2023-01-12
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明属于图像识别技术领域，具体涉及一种基于特征块折叠的非局部性卷积建模方法及装置；该方法包括：构建FFNL模块，FFNL模块包括FF子模块、RFF子模块和NL子模块；将FFNL模块嵌入到普通卷积网络的浅层阶段，得到基于特征块折叠的非局部性卷积分类模型；获取训练数据并采用训练数据训练基于特征块折叠的非局部性卷积分类模型，得到训练好的基于特征块折叠的非局部性卷积分类模型；采用训练好的基于特征块折叠的非局部性卷积分类模型对待分类数据处理，得到分类结果；本发明可帮助卷积神经网络建立基于特征块的非局部特征学习机制，从而获得更大的有效感受野和更好的性能。
-
-
-
-
-
-
-
-
-
Search Results
199
records
(took 0.045 seconds)
