多层卷积稀疏编码的加权递归去噪深度神经网络及方法

    公开(公告)号:CN113344811A

    公开(公告)日:2021-09-03

    申请号:CN202110598910.4

    申请日:2021-05-31

    Applicant: 西南大学

    Abstract: 本申请提出了一种基于多层卷积稀疏编码(MLCSC)模型的端对端的加权递归去噪卷积神经网络WRDnCN‑LISTA+,该模型以展开的多层学习迭代软阈值算法(ML‑LISTA)为基础,引入递归加权监督机制实现自然图像去噪。展开的ML‑LISTA算法可以和卷积神经网络实现一一对应,加权监督机制也可以改善由简单的递归结构在深层网络中带来的退化问题。引入的可学习权值利用所有中间递归的输出结果,既减弱了不同递归次数对网络性能的影响,也增强去噪性能。递归网络特有的参数共享性质,使构造一个深度卷积神经网络所耗费的参数成本减少,并且保证通过最小化损失函数,可利用反向传播自适应更新模型中的所有参数。

    企业经营延续性预测方法及装置、介质、设备

    公开(公告)号:CN119228425A

    公开(公告)日:2024-12-31

    申请号:CN202411296739.1

    申请日:2024-09-18

    Applicant: 西南大学

    Abstract: 本发明提供一种企业经营延续性预测方法及装置、介质、设备。该方法包括:获取目标企业在最近预定时间段内的原始经营行为特征;对所述原始经营行为特征进行预处理;对预处理后的原始经营行为特征进行衍生处理,得到衍生经营行为特征;对预处理后的原始经营行为特征和所述衍生经营行为特征进行降维处理,得到包括第一预设数量的经营行为特征的经营行为特征向量;将所述目标企业对应的经营行为特征向量输入到预先训练得到的企业经营延续性预测模型中,得到所述目标企业在未来预设时间段内的延续性预测结果。本发明基于大模型来预测企业在未来一段时间内是否具有延续性,准确性更高,效率也更高。

Patent Agency Ranking