公开(公告)号：CN118917353B

公开(公告)日：2025-01-28

申请号：CN202411379555.1

申请日：2024-09-30

Applicant: 南京信息工程大学

Inventor： 张晓磊 ,  薛羽

IPC: G06N3/042 ,  G06N3/086

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：CN119247790A

公开(公告)日：2025-01-03

申请号：CN202411770037.2

申请日：2024-12-04

Applicant: 南京信息工程大学

Inventor： 薛羽 ,  汤月龙 ,  李凯 ,  王志超

IPC: G05B13/04

Abstract: 本发明提供了基于博弈论的非稳定环境下智能体策略协同方法，包括以下步骤：步骤1，获取智能体状态值和收益；步骤2，根据动态差分规划方法，得到智能体期望收益，并根据马氏性公式，得到智能体最优收益；步骤3，根据当前时刻的状态值和智能体期望收益，获得智能体最期望的动作选择；步骤4，当智能体处于动态环境中时，获取智能体期望收益随时间的变化，并根据变化后的期望收益，获得最优动作选择。本发明方法克服了传统博弈论和强化学习方法在动态不稳定环境下的局限性，为多智能体协同决策提供了一种新的、高效的解决方案。

公开(公告)号：CN119180305A

公开(公告)日：2024-12-24

申请号：CN202411700143.3

申请日：2024-11-26

Applicant: 南京信息工程大学

Inventor： 袁利连 ,  薛羽

IPC: G06N3/045 ,  G06N3/084 ,  G06N3/086 ,  G06N3/126 ,  G06F18/22

Abstract: 本发明提出基于梯度相似性超网的多目标神经架构搜索方法和系统，所述方法包括：构建一个超网，通过训练生成共享权重。训练过程中，采用梯度范数重要性采样策略，动态优化路径和数据的采样概率，优先选择对权重更新影响较大的架构和数据，以提高效率。针对多目标优化中的梯度冲突，引入PCGrad投影法，计算梯度相似性动态主导方向选择和梯度投影，减少冲突并稳定优化过程。超网训练后，初始化种群继承共享权重，在目标数据集上获得性能，并通过进化算法进行非支配排序和优化，以确保在精度、浮点计算次数和参数量等目标上实现均衡表现。本发明在保证多目标均衡优化的前提下，有效降低了计算成本，提升了神经网络架构搜索的效率和性能。

公开(公告)号：CN118821905A

公开(公告)日：2024-10-22

申请号：CN202411300567.0

申请日：2024-09-18

Applicant: 南京信息工程大学

Inventor： 胡博涵 ,  薛羽

IPC: G06N3/094 ,  G06N3/0464 ,  G06N3/006 ,  G06F18/2411

Abstract: 本发明提供了代理模型辅助的演化生成对抗网络架构搜索方法和系统，所述方法对生成对抗神经网络中的生成器网络架构进行编码，并对网络架构进行演化搜索。通过初始化若干网络架构并进行训练，构建数据集并训练基于两两比较关系的代理模型。然后，使用代理模型协助进行生成对抗神经网络的演化搜索过程，从而避免了部分架构的训练过程，并直接对神经架构进行非支配排序。最后，在全局最优解中挑选出适合任务需求的网络架构。与传统演化生成对抗网络架构搜索，本发明的代理模型辅助的演化生成对抗网络架构搜索具有稳定、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：CN118397322A

公开(公告)日：2024-07-26

申请号：CN202410141745.3

申请日：2024-01-31

Applicant: 南京信息工程大学

Inventor： 查加杰 ,  薛羽

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/82 ,  G06V10/774 ,  G06V10/74 ,  G06N3/086 ,  G06N3/084 ,  G06N3/126

Abstract: 本发明公开了一种基于种群相似度引导的地下城市管道图像分类方法，包括：获获取地下城市管道图像数据集，对地下城市管道图像数据集进行预处理获得地下城市管道训练数据集和地下城市管道验证数据集；将地下城市管道训练数据集导入基于神经网络的个体网络搜索空间进行训练，获得种群中的各个个体权重，并基于地下城市管道验证数据集对种群中的各个个体权重进行预测，获得各个个体在地下城市管道验证数据集上的预测分布向量和各个个体的适应度；根据个体在地下城市管道验证数据集上的预测分布向量，计算种群中各个个体之间的宏观网络相似度；通过基于神经网络的个体网络搜索空间，获得种群中相邻个体在地下城市管道验证数据集上之间的微观单元相似度；选择出适应度高于其它的若干个体；根据宏观网络相似度和微观单元相似度获得种群相似矩阵并导入适应度高的若干个体计算出相似度最高个体，以及采用二元锦标赛算法从中选择父集；通过单点交叉算子对父集进行选择获得子集；判断及确定父集和子集中适应度最高个体并输出最高个体，作为地下城市管道图像分类的最优神经网络架构；本发明从全局和局部两方面加强探索能力，精准地提升管道图像分类的计算性能。

公开(公告)号：CN118377933A

公开(公告)日：2024-07-23

申请号：CN202410802106.7

申请日：2024-06-20

Applicant: 南京信息工程大学

Inventor： 薛羽 ,  陈京祥 ,  费兰特·内里 ,  田青 ,  王修来

IPC: G06F16/783 ,  G06V20/40 ,  G06V20/62 ,  G06V10/74 ,  G06V10/80

Abstract: 本发明提供了基于文本生成图像技术的文本视频检索优化方法，本发明利用Stable Diffusion文本生成图像模型，通过对数据集中的文本信息进行图像生成，将生成的图像信息作为视频帧加入训练集，从而有效扩充数据规模。本发明还将考虑将关键帧信息反向生成文本信息，进一步丰富文本数据集。基于扩充的数据集，本发明将设计新的损失函数，综合考虑视频的细粒度与粗粒度特征，优化文本视频检索模型的训练过程，提升检索效果。本发明通过Stable Diffusion驱动的数据增强及优化的损失函数设计，能够有效解决现有文本视频检索研究中的数据缺乏和模型训练不充分等问题，为多媒体内容分析和检索应用提供新的技术支撑。

公开(公告)号：CN115906959A

公开(公告)日：2023-04-04

申请号：CN202211548944.3

申请日：2022-12-05

Applicant: 南京信息工程大学

Inventor： 童怡玲 ,  薛羽

IPC: G06N3/0499 ,  G06N3/048 ,  G06F18/214 ,  G06N3/084

Abstract: 本发明公开了基于DE‑BP算法的神经网络模型的参数训练方法，包括：对待分类样本数据集进行预处理，按比例划分为训练集和测试集，根据预处理后待分类样本数据构建前馈神经网络模型；利用样本训练集对每个编码后的个体在前馈神经网络模型向前传播过程中训练，计算前馈神经网络模型的预期值和真实值之间的误差，将误差作为个体的适应度值；利用样本训练集训练前馈神经网络模型，分别利用DE算法和BP算法训练编码后的种群，获得种群最优个体；利用带有最优参数的前馈神经网络模型对样本测试集进行测试，得到最佳的分类精度。本发明基于DE‑BP算法对前馈神经网络模型进行训练，解决了BP算法在搜索时容易陷入局部最优点的缺陷，提高神经网络训练的效率。

公开(公告)号：CN115222046A

公开(公告)日：2022-10-21

申请号：CN202210873271.2

申请日：2022-07-22

Applicant: 南京信息工程大学

Inventor： 胡中源 ,  薛羽

IPC: G06N3/08 ,  G06N3/04

Abstract: 本申请提供了神经网络结构搜索方法、装置、电子设备及存储介质；所述方法包括：获取代理模型和网络结构数据集；基于所述网络结构数据集，对所述代理模型进行预训练，确定第一代理模型；确定目标搜索空间；基于所述目标搜索空间和所述第一代理模型，确定第二代理模型；基于所述第二代理模型和进化算法，对所述目标搜索空间进行搜索，确定候选深度神经网络结构集合；基于所述候选深度神经网络结构集合，确定深度神经网络结构的搜索结果，如此，能够智能地对神经网络结构进行搜索，提高了神经网络结构搜索的效率。

公开(公告)号：CN105426910B

公开(公告)日：2018-11-27

申请号：CN201510766519.5

申请日：2015-11-11

Applicant: 南京信息工程大学

Inventor： 蒋炯明 ,  薛羽

IPC: G06K9/62

Abstract: 本发明公开了一种基于改进ABC算法与DE变异策略的自适应聚类方法，该方法采用变异和交叉两个操作代替原算法ABC中单一的搜索操作，采用自适应的DE变异策略和新的概率选择值方法代替原方法。本发明在一定程度上解决了传统聚类算法后期容易陷入局部最优的缺点，且搜索速度相对较慢的缺陷，将改进ABC算法与DE结合，重新定义人工蜂位置更新公式，使算法尽可能的跳出局部最优，从而找到全局最优解。该方法的聚类结果更具多样性和准确性，且算法速度及效率都具有一定的优势。

公开(公告)号：CN104391887A

公开(公告)日：2015-03-04

申请号：CN201410629873.9

申请日：2014-11-10

Applicant: 南京信息工程大学

Inventor： 马廷淮 ,  王耀 ,  唐美丽 ,  薛羽 ,  钟水明 ,  曹杰

IPC: G06F17/30

CPC classification number: G06F17/30867 ,  G06Q50/01

Abstract: 本发明公开了一种基于网络结构优化的节点属性划分朋友圈的方法，包括：建立特征向量步骤；计算朋友之间的曼哈顿距离步骤；选定核心朋友步骤；划分社团步骤；社团优化调整步骤。本发明先使用节点属性进行初步的社团划分，然后利用网络结构信息对于划分结果进一步优化调整，充分利用在线社交网络中可以获取到的信息，能够获得更加准确的社团划分结果，从而实现对用户的朋友圈自动分组，能够有效完善社交网络平台功能，适用于社交网络平台功能的应用和优化。