-
公开(公告)号：CN116912684A
公开(公告)日：2023-10-20
申请号：CN202310858246.1
申请日：2023-07-13
Applicant: 重庆邮电大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/10 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的番茄叶片病害检测方法，属于植物病害检测技术领域。该方法包括：S1：收集常见的番茄叶片病害图像，对图像进行缩放拼接并使用图像处理方法扩充数据集；S2：根据番茄的病害种类进行标注和分类，划分训练集和验证集，最终得到番茄叶片病害图像数据集；S3：构建基于改进的yolov7‑tiny网络结构的小目标病害识别模型；S4：设置模型初始参数，使用数据集对构建的模型进行训练，获得最优模型参数，并保存最优模型；S5：使用训练后的模型对待检测图像进行识别，检测出图像中病害的具体位置以及名称。本发明能快速且有效地改善小目标病害的检测效果，并且达到了精度与速度的平衡。
-
公开(公告)号：CN115312153A
公开(公告)日：2022-11-08
申请号：CN202211123869.6
申请日：2022-09-15
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于多阶段高斯伪谱法的癌症化疗智能监测与优化给药系统，包括，肿瘤大小监测模块和肿瘤部位药物浓度检测模块一端与数据指标显示模块电连接，另一端与药物作用下肿瘤生长模型拟合模块电连接，药物作用下肿瘤生长模型拟合模块再与癌症化疗优化给药模型与性能参数设定模块连接；耐药细胞数检测模块和心脏毒性检测模块一端与数据指标显示模块电连接，另一端与癌症化疗优化给药模型与性能参数设定模块连接；癌症化疗优化给药模型与性能参数设定模块与数据处理模块连接，数据处理模块再与抗癌药物给定模块连接，抗癌药物给定模块与数据指标显示模块连接。使用本系统医生可实时查看化疗进程中相应的指标值，系统计算出抗癌药物给定值。
-
公开(公告)号：CN116629075A
公开(公告)日：2023-08-22
申请号：CN202310726908.X
申请日：2023-06-19
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于Nelder‑Mead算法的不可逆电穿孔组织消融有限元模型优化方法及系统，方法包括根据患者的医学诊断图像建立肿瘤组织三维几何模型；选择治疗方案的优化参数，建立不可逆电穿孔组织消融参数化有限元模型；通过Nelder‑Mead算法进行方案优化，根据初始参数构建初始单纯形，并计算每组参数下的目标函数和约束函数的值，根据目标函数值对单纯形的顶点进行排序，并进行反射、扩张和收缩等变形操作，达到迭代终止条件输出最优治疗方案参数；本发明的优点在于考虑了肿瘤组织的不规则性和电极针的准确定位，可以精确确定电极针的布置位置。通过优化算法对治疗方案进行优化，既能保证肿瘤组织的消融效果，又能最大程度减小对健康组织的损伤。
-
公开(公告)号：CN106529476A
公开(公告)日：2017-03-22
申请号：CN201610993354.X
申请日：2016-11-11
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深层堆叠网络的脑电信号特征提取及分类方法，首先使用Emotiv脑电信号采集仪采集脑电信号数据；对脑电信号进行去均值、滤波、归一化等预处理；然后使用多个受限玻尔兹曼机对单通道的脑电信号进行独立预训练，提取单个通道的脑电信号，将训练得到的参数用于神经网络的参数初始化；最后采用批量梯度下降的方法对网络进行微调，对各通道的脑电信号特征进行有效融合；对网络进行性能测试并实现分类。本发明能够获得较高的分类准确率。
-
公开(公告)号：CN105740349A
公开(公告)日：2016-07-06
申请号：CN201610049581.7
申请日：2016-01-25
Applicant: 重庆邮电大学
CPC classification number: G06F17/30705 , G06F17/2775 , G06F17/30737 , G06N3/084
Abstract: 本发明请求保护一种结合Doc2vec和卷积神经网络的情感分类方法，该方法将Doc2vec和CNN进行有效的结合。该结合方法对于特征的表示，不但考虑到了词与词之间的语义关系，并且解决了维数灾难，还考虑到了词与词之间的顺序问题。CNN可以通过学习一种深层的非线性的网络结构来弥补浅层特征学习方法的不足，采用分布式表示输入数据的表征，展现了强大的特征学习能力，特征提取和模式分类可以同时进行，CNN模型的稀疏连接和权重共享两个特点可以减少网络的训练参数，使神经网络结构变得更简单，适应性更强。结合Doc2vec和CNN来处理情感分类问题可显著提高情感分类的准确率。
-
Patent Agency Ranking
公开(公告)号：CN106529476B
公开(公告)日：2019-09-10
申请号：CN201610993354.X
申请日：2016-11-11
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深层堆叠网络的脑电信号特征提取及分类方法，首先使用Emotiv脑电信号采集仪采集脑电信号数据；对脑电信号进行去均值、滤波、归一化等预处理；然后使用多个受限玻尔兹曼机对单通道的脑电信号进行独立预训练，提取单个通道的脑电信号，将训练得到的参数用于神经网络的参数初始化；最后采用批量梯度下降的方法对网络进行微调，对各通道的脑电信号特征进行有效融合；对网络进行性能测试并实现分类。本发明能够获得较高的分类准确率。
-
公开(公告)号：CN105740349B
公开(公告)日：2019-03-08
申请号：CN201610049581.7
申请日：2016-01-25
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种结合Doc2vec和卷积神经网络的情感分类方法，该方法将Doc2vec和CNN进行有效的结合。该结合方法对于特征的表示，不但考虑到了词与词之间的语义关系，并且解决了维数灾难，还考虑到了词与词之间的顺序问题。CNN可以通过学习一种深层的非线性的网络结构来弥补浅层特征学习方法的不足，采用分布式表示输入数据的表征，展现了强大的特征学习能力，特征提取和模式分类可以同时进行，CNN模型的稀疏连接和权重共享两个特点可以减少网络的训练参数，使神经网络结构变得更简单，适应性更强。结合Doc2vec和CNN来处理情感分类问题可显著提高情感分类的准确率。
-
公开(公告)号：CN105389379B
公开(公告)日：2018-12-04
申请号：CN201510809492.3
申请日：2015-11-20
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明提出一种基于文本分布式特征表示的垃圾稿件分类方法，该方法采用基于词典和统计策略的中文分词算法对稿件文本进行分词处理，利用word2vec中基于Negative‑Sampling算法的Skip‑Gram模型，选取线性核的支持向量机，对稿件的文本向量进行训练，得到SVM的稿件分类模型，明显提高了稿件类别判别的正确率，使稿件类别判别的精确度得到较大改善与提高。
-
公开(公告)号：CN110474331A
公开(公告)日：2019-11-19
申请号：CN201910781947.3
申请日：2019-08-23
Applicant: 国网重庆市电力公司万州供电分公司 , 重庆邮电大学
IPC: H02J3/00
Abstract: 本发明涉及配电网技术领域，具体涉及一种基于泰勒根定理及评估近似模型的配电网降损方法，包括：建立配电网络的精确电压评估模型，求解出对应的配电网络近似电压评估模型；根据所述近似电压评估模型计算出配电网络各节点的近似电压值,将配电网络各节点的近似电压值带入精确电压评估模型,得到配电网络各节点的精确电压值，用所述精确电压值重新配置干扰区的网络节点；本发明能够重新配置配电网络节点，优化节点网络，实现配电网络的有效降损，对配电网络的精确管控。
-
公开(公告)号：CN106599577A
公开(公告)日：2017-04-26
申请号：CN201611147495.6
申请日：2016-12-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种结合RBM和特征选择的列表级排序学习方法，包括步骤：修改传统RBM可见层和隐含层的重构方式，将训练集数据输入多层RBM网络进行预训练；用多层RBM预训练所得参数对多层神经网络的参数进行初始化，得到一个训练集上的较优模型；定义基于交叉熵的损失函数并采用梯度下降法进行优化，通过验证集确定最优排序函数，微调神经网络权值；根据排序函数的系数值，选出权值最大的K个特征，组建新的数据集；根据新的数据集重新训练出最优排序函数，并对测试集进行排序，输出评价标准值。本方法具有训练时间短和排序结果评价标准值高的优点。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.126 seconds)
