-
公开(公告)号：CN119006896A
公开(公告)日：2024-11-22
申请号：CN202411011291.4
申请日：2024-07-26
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/762 , G06V10/94
Abstract: 本发明提出一种面向联邦分类学习的公平感知激励方法，包括：步骤1：服务端初始化全局原型；步骤2：客户端初始化本地模型参数，利用全局原型，结合本地私有数据进行训练，更新本地模型参数和本地原型；步骤3：客户端将更新后的本地模型参数和本地原型上传至服务端；步骤4：对接收到的本地模型参数进行质量检测，生成边缘激励；步骤5：利用边缘激励和更新后的本地原型进行聚合，得到共识原型；步骤6：进行原型级别聚合，获取新的全局原型；步骤7：重复步骤2‑6，直至达到最大循环次数，输出最终的全局原型和每个客户端的个性化模型。本发明能更好地缓解数据异质性和类别不平衡对模型精度的影响，确保协作公平并激励高质量客户参与联邦学习。
-
公开(公告)号：CN119006895A
公开(公告)日：2024-11-22
申请号：CN202411011148.5
申请日：2024-07-26
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/82 , G06V10/778 , G06N3/0464
Abstract: 本发明提出一种面向图像分类的个性化联邦学习方法，包括：步骤1：基于服务器初始化全局原型#imgabs0#步骤2：将初始化后的全局原型发送至客户端；步骤3：客户端初始化本地模型参数#imgabs1#将本地数据集随机划分，对全局原型进行更新，获取更新后的模型参数和本地原型；步骤4：客户端保留更新后的模型参数，并将更新后的本地原型上传至服务器；步骤5：服务器对所有客户端上传的本地原型进行聚合，生成新的全局原型；步骤6：重复步骤2‑6，将每次得到的全局原型发送至客户端进行更新，直至达到最大循环次数，输出最终的全局原型。本发明能够更好地缓解数据异质性对模型精度产生的影响，获得更高的分类准确率，大大降低客户端与服务器之间的通信成本。
-
公开(公告)号：CN113313203A
公开(公告)日：2021-08-27
申请号：CN202110690614.7
申请日：2021-06-22
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像识别技术领域，具体涉及一种基于可拓理论和深度学习的医学图像分类方法。本发明提供了融合医学领域知识、深度学习和精细化策略的分类方法，该方法结合了医学领域特征和深度学习特征，对医学图像进行快速、准确的分类。本发明利用可拓理论中可拓关联函数来检测蓝白结构的存在性，将医学图像初步分类为良性病图像和疑似恶性病图像，采用了基于YOLOv3的改进模型YoDyCK模型，可快速准确地提取疑似恶性病图像的深度学习特征，从而提高医学图像的最终分类准确度和效率。
-
公开(公告)号：CN113779298B
公开(公告)日：2023-10-31
申请号：CN202111085818.4
申请日：2021-09-16
Applicant: 哈尔滨工程大学
IPC: G06F16/583 , G06F16/55 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084 , G16H30/40
Abstract: 本发明属于医学影像和人工智能交叉技术领域，具体涉及一种基于复合损失的医学视觉问答方法。本发明针对大多医学视觉问答专注于视觉内容而忽略了文本重要性的问题，在对图像和问题提取特征后采用多视角注意力机制将问题与图像和单词相关联，并采用分类损失和图像问题互补损失共同训练整个模型，补偿了现有的大多数医学视觉问答方法忽略了挖掘文本信息重要性的问题，实现了多角度对问题的关注，从而提高医学视觉问答方法的有效性。本发明可以有效解决医学视觉问答任务。
-
Patent Agency Ranking
公开(公告)号：CN113313203B
公开(公告)日：2022-11-01
申请号：CN202110690614.7
申请日：2021-06-22
Applicant: 哈尔滨工程大学
IPC: G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明属于图像识别技术领域，具体涉及一种基于可拓理论和深度学习的医学图像分类方法。本发明提供了融合医学领域知识、深度学习和精细化策略的分类方法，该方法结合了医学领域特征和深度学习特征，对医学图像进行快速、准确的分类。本发明利用可拓理论中可拓关联函数来检测蓝白结构的存在性，将医学图像初步分类为良性病图像和疑似恶性病图像，采用了基于YOLOv3的改进模型YoDyCK模型，可快速准确地提取疑似恶性病图像的深度学习特征，从而提高医学图像的最终分类准确度和效率。
-
公开(公告)号：CN119339125A
公开(公告)日：2025-01-21
申请号：CN202411223253.5
申请日：2024-09-03
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/098 , G06F21/60
Abstract: 一种面向类别不平衡的联邦图像分类方法，它涉及一种联邦图像分类方法。本发明为了解决现有联邦学习方法主要关注数据异构性，无法降低类别不平衡对模型性能影响的问题。本发明具体包括服务器初始化全局高斯分布原型，客户端初始化本地模型参数；将所述全局高斯分布原型下发至客户端；客户端基于本地数据集，利用高斯原型生成类内方差信息，通过配置的损失函数进行本地模型训练；客户端通过随机采样生成平衡的虚拟特征集；客户端将更新后的本地原型上传至服务器；服务器对各客户端上传的本地原型进行聚合，生成新的全局高斯分布原型，并用于下一轮训练；判断是否达到设定的训练轮次或模型收敛。本发明属于图像分类技术领域。
-
公开(公告)号：CN107896129A
公开(公告)日：2018-04-10
申请号：CN201711134028.4
申请日：2017-11-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种稀布同心圆环阵的降维优化算法，本发明提供了一种稀布同心圆环阵的降维优化算法，主要针对传统算法不能直接优化稀布同心圆环阵或计算量大等问题，提出了新的优化方法；包括：(1)初始化阵列参数，建立稀布同心圆环阵和同心圆环阵满阵的参考模型；(2)计算参考圆孔径连续的加权面密度，对优化问题进行降维处理，得到稀布同心圆环阵每环上的阵元数目与环半径的关系；(3)利用余量编码技术，对环半径进行优化；(4)计算代价函数；(5)判断是否达到最大循环次数，若是，则算法结束，若否，重复步骤二至步骤四。本发明的算法能够有效减少优化布阵问题的计算量，降低峰值旁瓣电平，具有很好的鲁棒性，对实际天线系统的实现有重要意义。
-
公开(公告)号：CN113779298A
公开(公告)日：2021-12-10
申请号：CN202111085818.4
申请日：2021-09-16
Applicant: 哈尔滨工程大学
IPC: G06F16/583 , G06F16/55 , G06N3/04 , G06N3/08 , G16H30/40
Abstract: 本发明属于医学影像和人工智能交叉技术领域，具体涉及一种基于复合损失的医学视觉问答方法。本发明针对大多医学视觉问答专注于视觉内容而忽略了文本重要性的问题，在对图像和问题提取特征后采用多视角注意力机制将问题与图像和单词相关联，并采用分类损失和图像问题互补损失共同训练整个模型，补偿了现有的大多数医学视觉问答方法忽略了挖掘文本信息重要性的问题，实现了多角度对问题的关注，从而提高医学视觉问答方法的有效性。本发明可以有效解决医学视觉问答任务。
-
公开(公告)号：CN107896129B
公开(公告)日：2020-07-24
申请号：CN201711134028.4
申请日：2017-11-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种稀布同心圆环阵的降维优化算法，本发明提供了一种稀布同心圆环阵的降维优化算法，主要针对传统算法不能直接优化稀布同心圆环阵或计算量大等问题，提出了新的优化方法；包括：(1)初始化阵列参数，建立稀布同心圆环阵和同心圆环阵满阵的参考模型；(2)计算参考圆孔径连续的加权面密度，对优化问题进行降维处理，得到稀布同心圆环阵每环上的阵元数目与环半径的关系；(3)利用余量编码技术，对环半径进行优化；(4)计算代价函数；(5)判断是否达到最大循环次数，若是，则算法结束，若否，重复步骤二至步骤四。本发明的算法能够有效减少优化布阵问题的计算量，降低峰值旁瓣电平，具有很好的鲁棒性，对实际天线系统的实现有重要意义。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.014 seconds)
