一种基于遗传规划的元学习小样本图像分类方法

    公开(公告)号:CN118799617A

    公开(公告)日:2024-10-18

    申请号:CN202410753102.4

    申请日:2024-06-12

    申请人: 东北大学

    摘要: 本发明公开一种基于遗传规划的元学习小样本图像分类方法,涉及机器学习与图像处理技术领域。确定元学习的模式N‑way K‑shot learning;获取元训练集和元测试集;构建训练批次和验证批次;获取初始种群;将MAML算法与遗传规划结合获取最好个体;将最好个体对应的神经网络架构作为最终的神经网络架构,将待分类的图像输入最终的神经网络架构得到特征向量,将特征向量输入到支持向量机分类器中,获取分类结果。现有技术中网络结构是通过重用最流行的分类网络结构而任意选择的,结构固定,由于图像之间的高度变化以及图像中的扭曲,使用固定结构的网络在对不同图像进行的好的特征提取是困难的,本发明在元学习算法中使用遗传规划自动生成的架构进行更好的特征提取。

    一种基于鲁棒遗传规划和特征学习的弱图像分类方法

    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

    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。

    一种基于自编码器的矿山智能问答系统及方法

    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。

    基于知识意识学习下的miRNA—疾病的关系预测方法

    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

    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。

    基于遗传算法优化神经网络的露天矿知识图谱构建方法

    公开(公告)号:CN113569055B

    公开(公告)日:2023-09-22

    申请号:CN202110843700.7

    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遗传算法优化神经网络的露天矿知识图谱构建方法,属于露天矿山稳定性评估技术领域。包括:获取露天矿灾害相关数据并对其进行处理构建命名实体识别数据集;利用遗传算法对现有BERT‑BILSTM‑CRF模型进行优化,并利用命名实体识别数据集中的数据训练优化的BERT‑BILSTM‑CRF模型,获得命名实体识别模型;构建关系抽取标注数据集;利用遗传算法对现有BILSTM模型进行优化,并利用关系抽取标注数据集中的数据训练优化的BILSTM模型,获得关系抽取模型;将待抽取的露天矿灾害相关数据依次输入到命名实体识别模型和关系抽取模型进行实体关系抽取得到三元组,并存入Neo4j图数据库,构建露天矿知识图谱。该方法能够兼顾上下文信息,能够搭建露天矿稳定性领域高质量的知识图谱。

    一种基于场景图的多模态社交媒体命名实体识别方法

    公开(公告)号:CN116384403A

    公开(公告)日:2023-07-04

    申请号:CN202310426395.0

    申请日:2023-04-19

    申请人: 东北大学

    发明人: 马连博 贺美蕊

    摘要: 本发明设计一种基于场景图的多模态社交媒体命名实体识别方法;首先使用目标检测器提取图像中所包含的实体,并预测实体对之间的关系,用于生成图像场景图;其次使用图卷积神经网络对图像场景图中的实体节点及关系再次进行编码,从而引入上下文信息;然后使用图池化对整张图像场景图进行编码,并使用解码器为图像生成文本描述;最后将文本数据与图像的文本描述输入到预训练模型BERT继续更新每个单词的特征表示,使用CRF预测实体类型;本发明利用场景图来描述图像中实体及实体之间的关系,并将图像信息从图像语义空间映射至文本语义空间用于后续的信息融合,以减少两种模态数据在语义上的差距,从而提升识别的准确性。

    一种基于多跳知识推理的信息检索方法及系统

    公开(公告)号:CN114398895A

    公开(公告)日:2022-04-26

    申请号:CN202111609942.6

    申请日:2021-12-27

    申请人: 东北大学

    IPC分类号: G06F40/295 G06N5/02 G06N5/04

    摘要: 本发明公开一种基于多跳知识推理的信息检索方法及系统。方法通过检索库中的信息构造知识图谱,并在进行信息检索的过程中,利用知识图谱推理检索结果。借助知识图谱来弥补传统信息检索方法对于检索库中数据信息挖掘不充分的问题。借助多跳知识推理能够提供预测依据的性质,在利用现有检索库中的信息推理出结果的同时,还能为用户提供检索结果的依据和来源。针对上述方法设计的系统包括检索库信息处理模块、信息检索模块、知识图谱学习模块和交互界面。本发明的方法和系统更加充分的对检索库中的信息进行了检索,检索内容可靠,并提供了检索依据。

    一种面向云计算的多目标资源调度方法

    公开(公告)号:CN114330891A

    公开(公告)日:2022-04-12

    申请号:CN202111653724.2

    申请日:2021-12-30

    申请人: 东北大学

    摘要: 本发明提供一种面向云计算的多目标资源调度方法,涉及云计算场景下的资源调度技术领域;该方法首先统计当前云计算资源中心中每个用户所需的计算资源,根据各个服务提供商提供的计算服务信息,建立初始数据集;之后将云计算场景下资源调度过程中的收益最大化问题转化为两个收益目标函数和多个约束;根据数据集随机生成多个资源调度方方案,并利用建立好的收益目标函数进行评估;使用收益目标函数和参考向量对种群进行优化;在优化过程中,使用分布式估计对当前所有最优方案建立概率模型并进行采样的方法能够大大加快种群收敛的速度,保证种群的收敛性,产生的均匀向量引导种群中的个体向多个方向收敛,保证种群的多样性,通过这些策略来寻找更多适合该问题的方案。

    一种面向社交文本的级联直线型实体关系抽取方法

    公开(公告)号:CN114282537A

    公开(公告)日:2022-04-05

    申请号:CN202111609226.8

    申请日:2021-12-27

    申请人: 东北大学

    摘要: 本发明公开一种面向社交文本的级联直线型实体关系抽取方法,采取级联直线型的提取方式,即方法首先检测给定文本中所包含的关系,然后将每个关系视为额外的知识来指导后续的头实体及尾实体的提取过程。本发明的方法还设计了两个解码器,分别是关系解码器和实体解码器,联合使用这两个解码器来提取实体关系三元组。通过本发明的方法不仅可以提高实体对(头实体,尾实体)提取的准确性以及联合提取的性能,还能通过关系优先的级联提取方法自然地解决重叠问题,进而能够为构建知识图谱提供更精准的前提。

    一种面向不平衡多目标优化的云资源调度方法

    公开(公告)号:CN113419854A

    公开(公告)日:2021-09-21

    申请号:CN202110698428.8

    申请日:2021-06-23

    申请人: 东北大学

    IPC分类号: G06F9/50 G06N3/00

    摘要: 本发明提供一种面向不平衡多目标优化的云资源调度方法,涉及云计算技术领域。该方法首先统计云计算中心中可用的物理机数和需处理的任务数,并估算每台物理机处理各个任务所需要花费的时间;设定调度方案为每个任务仅由一台物理机处理,将每种调度方案用调度矩阵来表示,矩阵中每个元素的取值为1或0;根据所有物理机处理任务花费的时间及调度方案,将云资源调度问题转化为三个目标函数和一个约束函数;采用多目标进化算法对云资源调度问题进行求解,得到当前云资源调度问题的参考解决方案。该方法能够解决云资源调度中不平衡问题,给决策者更好地提供一组解决方案,使决策者能够得到更适合于当前物理机情况和任务情况的解决方案。