-
公开(公告)号：CN119204082B
公开(公告)日：2025-05-16
申请号：CN202411682871.6
申请日：2024-11-22
Applicant: 南京信息工程大学
Abstract: 本发明提供了基于三元比较代理辅助的粒子群神经架构搜索方法和系统，所述方法利用图神经网络有效提取网络架构的操作信息和拓扑结构，并进行粒子群的演化搜索。为了解决当前神经网络结构搜索领域中架构评估成本高昂的问题，本发明提出了一种基于三元组的双重比较代理模型。通过构建以三元组形式的训练数据集，该方法能够实现数据增强，相较于传统方法，显著增加了训练样本的数量，有效解决了传统方法中代理模型训练样本不足的问题。此外，通过双重比较机制来判断两个架构的优劣，这种方法能够更有效地确保优秀架构被保留在架构池中。因此，代理模型能够更大程度地替代真实评估过程，从而显著降低架构评估的时间成本。
-
公开(公告)号：CN119578681B
公开(公告)日：2025-04-29
申请号：CN202510144490.0
申请日：2025-02-10
Applicant: 南京信息工程大学
IPC: G06Q10/047 , G06Q10/0637 , G06Q50/14 , G06N3/006
Abstract: 本发明提供了一种基于蚁群系统的多旅客旅行路径规划方法，包括：构建最大化多位旅客中最小旅游体验值的优化目标；其次，面向蚁群系统设计基于旅游景点预选策略的旅行路径构建方法，构建基于景点旅游体验值、景点间旅费和景点门票费的启发式信息，提出基于最小旅客旅游体验值和景点总旅游体验值的信息素更新策略，提出2‑opt和景点插入的局部优化策略；通过不断迭代优化，最终输出多条满足旅客预算的最佳旅行路线。本发明可以有效提高各旅客的旅游体验值并平衡各旅客的旅游体验值。
-
公开(公告)号：CN119888729A
公开(公告)日：2025-04-25
申请号：CN202510325263.8
申请日：2025-03-19
Applicant: 南京信息工程大学
IPC: G06V20/69 , G06N3/0464 , G06V10/80 , G06V10/82 , G06V20/70
Abstract: 本发明提供了一种基于YOLOv11改进的细胞实例分割方法和系统，所述方法包括：步骤1，构建改进后的YOLOv11网络，提取图像的多尺度特征，生成不同尺度的特征图；步骤2，在主干网络中引入多尺度通道注意力模块，并在多尺度通道注意力模块中引入新的注意力模块迭代优化初始融合；步骤3，整合编码器生成的层级特征图；步骤4，在颈部网络中添加尺度序列特征融合模块添加三重特征编码器模块，融合不同尺度的特征图；步骤5，在颈部网络中添加通道和位置注意力机制模块；步骤6，输出最终分割结果。本发明特别设计用于细胞实例分割，通过结合空间和尺度特征，提高了在处理细胞图像时的准确性和速度。
-
公开(公告)号：CN119886228A
公开(公告)日：2025-04-25
申请号：CN202510370364.7
申请日：2025-03-27
Applicant: 南京信息工程大学
IPC: G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/0464
Abstract: 本发明提供了一种基于架构蒸馏技术的生成对抗网络架构搜索方法和系统，所述方法定义一个搜索空间，构建融合了所有候选操作的超网，对超网进行预热训练，经过初始的预热训练后，评估子网的性能，筛选出对网络性能不利的操作并丢弃。在超网的训练过程中，通过架构知识蒸馏方法进行网络权重优化，设计匹配优化网络以有效地选择教师网络，使教师网络与学生子网达到最优匹配，通过架构蒸馏技术将教师网络的知识传递给其他子网，以指导超网训练。使用多目标优化策略挑选出超网中表现最佳的网络架构。本发明通过架构间的知识传递，提升子网的训练效果，相比传统的搜索方法具有更高的效率和更好的性能，能够更快地找到适合任务的最优神经网络架构。
-
公开(公告)号：CN119559286B
公开(公告)日：2025-04-15
申请号：CN202510108403.6
申请日：2025-01-23
Applicant: 南京信息工程大学
IPC: G06T11/00 , G06N3/0455 , G06N3/0495 , G06N3/086 , G06N3/096
Abstract: 本发明提供了一种基于演化神经架构搜索的轻量级潜在扩散模型设计方法及系统，所述方法采用超网技术同时训练多个网络架构，在架构搜索过程中结合演化遗传算法，并通过训练一个多层感知器作为得分预测器，以辅助演化遗传算法在大规模搜索空间中高效筛选出最优架构，这种方法显著降低了传统架构设计过程中所需的资源消耗和计算成本。本发明通过结合知识蒸馏技术引入了预训练好的教师模型来监督学生模型的训练，可以在保证潜在扩散模型性能稳定的同时将潜在扩散模型变得轻量化。通过该方法，不仅能够自动化设计高效的神经网络架构，还能实现潜在扩散模型的高效部署，为扩散模型的优化提供了一种全新的、低成本的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN119150925B
公开(公告)日：2025-03-14
申请号：CN202411673668.2
申请日：2024-11-21
Applicant: 南京信息工程大学
IPC: G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明提供了基于混合卷积操作的生成对抗网络架构搜索方法和系统，所述方法首先设计了一个广阔的搜索空间，进而构建一个融合了所有候选操作的超网，并将超网通过连续松弛的方法使其训练过程完全可微，从而利用梯度下降方法进行高效的训练，最后，选取各个位置上表现最佳的操作来获得最优架构。与传统的架构搜索方法不同，本发明在搜索空间中引入了新颖的混合卷积操作，并通过集成部分通道注意力机制优化了搜索过程。本发明的基于混合卷积操作的生成对抗网络架构搜索增强了网络对长距离信息的捕捉能力与架构搜索速度，这种方法相比传统的搜索方法具有更高的效率和更好的性能，能够更快地找到适合任务的最优神经网络架构。
-
公开(公告)号：CN119204082A
公开(公告)日：2024-12-27
申请号：CN202411682871.6
申请日：2024-11-22
Applicant: 南京信息工程大学
Abstract: 本发明提供了基于三元比较代理辅助的粒子群神经架构搜索方法和系统，所述方法利用图神经网络有效提取网络架构的操作信息和拓扑结构，并进行粒子群的演化搜索。为了解决当前神经网络结构搜索领域中架构评估成本高昂的问题，本发明提出了一种基于三元组的双重比较代理模型。通过构建以三元组形式的训练数据集，该方法能够实现数据增强，相较于传统方法，显著增加了训练样本的数量，有效解决了传统方法中代理模型训练样本不足的问题。此外，通过双重比较机制来判断两个架构的优劣，这种方法能够更有效地确保优秀架构被保留在架构池中。因此，代理模型能够更大程度地替代真实评估过程，从而显著降低架构评估的时间成本。
-
公开(公告)号：CN118917389B
公开(公告)日：2024-12-20
申请号：CN202411415408.5
申请日：2024-10-11
Applicant: 南京信息工程大学
IPC: G06N5/01 , G06N3/0464 , G06N3/045 , G06N3/0985 , G06N3/084
Abstract: 本发明提供了一种基于注意力机制的扩散模型架构搜索方法和系统，所述方法包括：构建扩散模型超网架构，并将注意力机制加入到超网的每个输入节点之后用于特征图的选择，以减少超网前向传播和反向传播过程中的计算量。然后，再将注意力机制加入到超网的候选操作输出特征图之后，以计算每个候选操作的重要性，进而引导选择最优子网。最后，训练超网架构直到收敛，并选择出每条边中注意力权重最大的操作构建最优子网。与传统扩散模型架构搜索相比，本发明的基于注意力机制的扩散模型架构搜索具有稳定、快速的优点。这种方法相比传统的优化方法具有更高的效率和更好的搜索性能，能够更快地找到适合任务的最优神经网络架构。
-
公开(公告)号：CN118917353A
公开(公告)日：2024-11-08
申请号：CN202411379555.1
申请日：2024-09-30
Applicant: 南京信息工程大学
Abstract: 本发明提供了基于性能层级代理辅助的演化神经架构搜索方法和系统，所述方法从图的角度探索神经网络架构的有效表示，采用图神经网络提取网络架构的特征。为了降低演化神经架构搜索的高昂的资源消耗问题，提出预测架构性能层级的代理模型。通过代理模型对架构性能层级的预测，演化神经架构搜索可以充分探索搜索空间，搜索到高性能的网络架构。本发明设计了基于简单路径的交叉算子，尽可能保留父架构中的有效数据处理路径，确保子架构继承父代的优良特性，从而提高性能稳定性。本发明的代理辅助演化神经架构搜索框架可以在任务数据集上以较低的代价搜索到高性能的神经网络架构，为神经网络架构的自动化设计和优化提供了崭新的视角和高效率的方法。
-
公开(公告)号：CN118278295A
公开(公告)日：2024-07-02
申请号：CN202410712405.1
申请日：2024-06-04
Applicant: 南京信息工程大学 , 中科南京人工智能创新研究院
Abstract: 本发明提出了一种基于谷歌足球模拟器的强化学习方法，包括：基于谷歌足球模拟器构建谷歌足球环境，获取当前时刻的观测信息；根据观测信息利用训练好的大语言模型生成动作提示信息；根据动作提示信息，利用智能体从策略网络中选择动作并反馈到所述谷歌足球环境；根据动作执行后谷歌足球环境下的足球比赛视频和动作提示信息，利用训练好的视频文本检索模型计算视频与文本的相似度，进而得到相似度奖励；根据观测信息计算足球基础奖励；根据足球基础奖励和相似度奖励得到强化学习总奖励；根据强化学习总奖励，利用近端策略优化算法更新智能体的策略网络的参数。本发明能够在谷歌足球模拟器模拟的谷歌足球环境中提高强化学习性能。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.03 seconds)
