-
公开(公告)号：CN114585006A
公开(公告)日：2022-06-03
申请号：CN202210257111.5
申请日：2022-03-16
申请人： 东北大学
摘要： 本发明提供一种基于深度学习的边缘计算任务卸载和资源分配方法，将多目标进化优化应用于多用户多边缘服务器的网络环境中。具体是在构建系统模型的过程中，分别将系统内总能量消耗、总时间延迟和总价格成本作为三个独立的子目标，利用NSGA‑Ⅱ求解最优解集；然后根据不同用户对这三个目标的偏好情况从最优解集中确定最佳方案；最后通过上述方法构建用于训练的数据集，利用深度学习算法获得训练模型来替代详细决策和分配过程，本发明有效提高了移动边缘计算系统中任务卸载问题的决策速度和可靠性，为系统内的移动用户带来了更优的服务质量。
-
公开(公告)号：CN114373101A
公开(公告)日：2022-04-19
申请号：CN202210042015.9
申请日：2022-01-14
申请人： 东北大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明提供一种基于进化策略的神经网络架构搜索的图像分类方法，简化神经网络架构搜索过程，采用基于块和单元的搜索空间以及基于EA的搜索策略构建图像分类任务上的神经网络架构搜索模型；在超网共享参数的基础上，建立分类代理模型来辅助选择性能好的神经网络模型，无需对每个神经网络进行训练，便能实现神经网络模型的选择工作；代理模型的可靠性的评估，保证了模型的分类准确率，从而有利于保留性能更好的输出图像分类架构；既节省了训练模型的时间和资源消耗，又简化了传统的评估和非支配排序选择过程，降低人工干预的基础上，实现复杂图像分类神经网络架构自动化设计以提高图像分类准确率。
-
公开(公告)号：CN113050422B
公开(公告)日：2022-02-22
申请号：CN202110254680.X
申请日：2021-03-09
申请人： 东北大学
IPC分类号： G06Q10/06
摘要： 本发明提供一种基于maximin函数多目标优化算法的多机器人调度方法，涉及多机器人调度技术领域。该方法首先将多机器人任务调度问题转化为四个目标函数，并获取仓库内任务清单和机器人所处位置情况，建造数据集；根据数据集创建新型的组合染色体模型；利用maximin函数对种群中的个体进行评估，确定下一代种群的选择范围；通过maximin函数和逐一选择策略对种群进行优化；针对组合染色体模型的顺序交叉操作和单点变异操作也为种群迭代提供了更快的收敛速度；在优化过程中通过逐一选择策略改善种群中解的收敛性和多样性；通过小生境技术提供了更进一步的选择方案，实现更深入地寻找了更适合多机器人调度问题的方案。
-
公开(公告)号：CN113596138A
公开(公告)日：2021-11-02
申请号：CN202110843043.6
申请日：2021-07-26
申请人： 东北大学
摘要： 本发明公开了一种基于深度强化学习的异构信息中心网络缓存分配方法，涉及网络缓存空间分配技术领域。具体为：将异构ICN抽象为拓扑模型；对异构ICN中动态变化的内容请求进行定义；将异构ICN的缓存空间分配问题转换为网络性能优化问题，构建网络性能优化模型，包括优化目标函数和相应的约束；对每一次内容请求应用Q学习算法，获得每个时刻的内容请求对应的网络性能最优的缓存分配方案：步将深度神经网络与Q学习算法进行接合，利用Q学习算法求解的每个时刻的内容请求对应的网络性能最优的缓存分配方案，训练出适应异构ICN动态变化的内容请求的最优缓存分配方案。可以自适应地求解出网络性能最优的缓存分配方案，更能适应动态变化的网络请求。
-
公开(公告)号：CN113505225A
公开(公告)日：2021-10-15
申请号：CN202110773764.4
申请日：2021-07-08
申请人： 东北大学
摘要： 本发明提供了一种基于多层注意力机制的小样本医疗关系分类方法，涉及关系分类技术领域。该方法包括：基于神经网络构建关系分类模型，包括词嵌入层、两个位置嵌入层、编码层和全连接层，其输入为支持集和查询集中的句子，输出为查询集中的句子所属的关系类别；获取公开关系抽取数据集，设置训练次数，利用所述关系抽取数据集的训练集训练所述关系分类模型，每次训练所述关系分类模型时所需要的支持集和查询集从所述训练集中随机抽取；对于包含任意N个关系的支持集和其包含的句子属于该N个关系的查询集，利用训练好的关系分类模型预测查询集中的句子属于支持集中的关系类别。从不同方面降低了噪声对模型准确率的影响，更准确地挖掘实体之间的关系。
-
公开(公告)号：CN112560441A
公开(公告)日：2021-03-26
申请号：CN202011525926.4
申请日：2020-12-22
申请人： 东北大学
IPC分类号： G06F40/211 , G06F16/35 , G06N3/04
摘要： 本发明公开自下而上规则结合神经网络的成分句法分析树构造方法，成分句法分析树构造技术领域。包括：获取PTB数据集并对PTB数据集进行预处理；创建句法分析树构造模型，包括Bi‑LSTM神经网络、标签分类器和连接分类器；利用PTB数据集中的句子和句子的成分句法分析树的结构信息对成分句法分析树构造模型进行训练；给定一个句子及句子中词所对应的POS标签，利用训练后的成分句法分析树构造模型对这个句子进行成分句法分析树构造。在构造过程中利用句法分析树的低层信息，帮助判断句法分析树的上层结构；Bi‑LSTM的应用克服了人工提取规则的局限性；两个分类器分别进行句子结构与成分预测，提升句法分析树构造模型的准确性。
-
公开(公告)号：CN108830370B
公开(公告)日：2020-11-10
申请号：CN201810508479.8
申请日：2018-05-24
申请人： 东北大学
IPC分类号： G06N3/00
摘要： 本发明公开一种基于增强学习型菌群觅食算法的特征选择方法，方法包括：初始化细菌群落的位置、最大循环数值、迭代次数初始值；细菌群落中每一个菌体表示待选择的特征向量的权重向量；根据RL中最大化历史经验值策略，为每一菌体选择一种运动行为并执行，获取更新后的每一菌体的更新位置及更新位置后每一菌体的适应度值；基于RL规则，针对每一菌体适应度值的变化，获取反馈值；根据反馈值更新每一菌体所累积的历史经验值，将迭代次数增加1，重复上述过程，直至迭代次数大于最大循环数值时，输出细菌群落。本发明的方法采用增强学习型的优化方式代替了传统的概率型优化方式，能够得到更好的识别结果并且耗时较少。
-
公开(公告)号：CN118608875A
公开(公告)日：2024-09-06
申请号：CN202411070669.8
申请日：2024-08-06
申请人： 东北大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/086 , G06N3/126
摘要： 本发明提供一种基于鲁棒遗传规划和特征学习的弱图像分类方法，涉及图像分析技术领域。该方法具体包括：获取待分类的弱图像数据并构建弱图像数据集，按照预设的比例将弱图像数据集划分训练集；基于分布式进化算法生成个体并构建初始种群；构建对抗训练的新进化模式，并利用对抗训练的新进化模式对初始种群中的个体进行训练，利用训练后的个体构建新的种群作为当前种群；采用分布式进化算法从当前种群中选取最优个体；将最优个体对应的个体树结构作为弱图像分类模型，获取待分类的弱图像数据并输入该弱图像分类模型，得到该弱图像数据的特征向量并采用线性SVM进行分类，得到该弱图像数据的分类结果。
-
公开(公告)号：CN113449038B
公开(公告)日：2024-04-26
申请号：CN202110727782.9
申请日：2021-06-29
申请人： 东北大学
摘要： 本发明提供一种基于自编码器的矿山智能问答系统及方法，涉及矿山智能问答技术领域。本系统包括矿山数据处理模块，知识图谱表示学习模块，智能问答应用模块；通过对矿山工程实施过程中获得的多源、异构且非结构文本数据较多的信息进行整理和学习，深入挖掘数据之间的内在联系，从而构建出融合了多方信息的知识图谱。通过本发明可以高效的利用原本难以发挥价值的矿山数据。用户可以通过此应用通过提出自然语言问题的形式，快速获取矿山的相关知识。
-
公开(公告)号：CN116959584A
公开(公告)日：2023-10-27
申请号：CN202310944945.8
申请日：2023-07-28
申请人： 东北大学
IPC分类号： G16B40/00 , G16B50/10 , G16H70/60 , G06F16/36 , G06F18/25 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/084
摘要： 本发明提供一种基于知识意识学习下的miRNA—疾病的关系预测方法，涉及生物信息技术领域。该方法首先构建miRNA—疾病关系网络和对应的知识图谱；并根据知识图谱构造知识流通池，使知识流通池中包含有不同节点在不同层次下的知识聚合信息，用来获取不同节点在特定聚合范围内节点的表示；再将关系网络中的疾病和miRNA节点的特征信息和知识流通池中获取到的特征信息投影到相同的向量空间中，并进行深度的融合后送入图卷积神经网络中进行训练和学习，得到关系网络中节点的最终嵌入表示；最后将从图卷积神经网络中得到的节点嵌入表示输入线性解码器，重构关系网络的链路；并通过计算关系网络的MSE函数损失，将关系网络在端到端的训练方式下进行训练。
-
-
-
-
-
-
-
-
-
搜索结果
42 条记录 (耗时 0.027 秒)