-
公开(公告)号：CN117725989A
公开(公告)日：2024-03-19
申请号：CN202311636373.3
申请日：2023-12-01
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于遗传算法的个性化联邦学习神经网络层次划分方法，具体包括：首先，定义染色体个体为0‑1整数序列表示神经网络中全局层和个性化层的一种划分并初始化种群；对于种群中的每个个体，分别进行个性化联邦学习模型训练并将模型测试精度作为个体的适应度函数值；采用轮盘赌选择方法选择个体，并对被选中的个体进行点交叉操作和位变异操作，形成新一代种群；重复上述步骤，直到达到预定的迭代轮数，获得最佳的神经网络全局层和个性化层划分方案。本方法采用遗传算法能提高最佳神经网络层次划分方案的搜索效率，优化个性化联邦学习的性能；同时，实现了对神经网络层次的任意划分，具有广泛的通用性和适用性。
-
公开(公告)号：CN113656754B
公开(公告)日：2024-02-23
申请号：CN202110813458.9
申请日：2021-09-16
Applicant: 南京邮电大学
IPC: G06F17/18 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种恒星光谱数据增强方法及系统，包括光谱数据预处理模块：对原始的恒星光谱数据进行清洗、归一化、深度学习标签构建等数据预处理工作；搭建与训练条件生成对抗网络模块：基于博弈论理论搭建条件生成对抗网络，构建随机噪声向量，训练生成恒星光谱数据；基于训练好的生成模型进行数据增强模块：基于前面训练好的条件生成对抗网络，从随机的噪声向量生成恒星光谱数据。本发明的恒星光谱数据增强方法基于博弈论的理论基础，利用生成对抗网络，建立了不同类别恒星光谱的数据增强模型，使得本发明以较小的时间代价获得了足够的恒星光谱数据。
-
公开(公告)号：CN117010450A
公开(公告)日：2023-11-07
申请号：CN202310914523.6
申请日：2023-07-25
Applicant: 南京邮电大学
IPC: G06N3/0455 , G06N3/084 , G06N3/0895 , G06N20/00
Abstract: 本发明提供了一种无人机集群任务协作方法，包括以下步骤：模型拆分，将模型拆分为两部分，交付给不同组别的无人机进行训练，同时对拆分的模型增加了对应的辅助函数；模型训练，在特定的全局轮中，各无人机接收到上一轮全局聚合后的模型和辅助函数；组长选取，大小组长节点的选取即选取高信誉节点，由高信誉节点在联邦学习中负责聚合与分发参数；辅助函数，通过自编码器提取输入信息的潜在特征，将其用于重构出与输入数据相同尺寸且带有表征特征的输出结果。本发明通过在拆分后的模型中引入辅助函数，实现了拆分模型的并行训练，在提升集群任务协作准确率与集群抗毁性的同时，降低了节点间的通信负担。
-
公开(公告)号：CN113723456B
公开(公告)日：2023-10-17
申请号：CN202110853849.3
申请日：2021-07-28
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/762 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于无监督机器学习的天文图像自动化分类方法及系统。方法包括：对待分类天文图像数据进行预处理；将预处理后的天文图像数据输入训练好的卷积自编码网络模型，提取天文图像特征，得到天文图像特征集；将得到的天文图像特征集输入图像特征聚类模型，输出每个天文图像属于每个聚类簇的概率；对已经聚类成簇的天文图像进行人工打分，得到每个聚类簇属于每个类的概率；将每个天文图像属于每个聚类簇的概率与每个聚类簇属于每个类的概率相乘，得到每个天文图像属于每个类的概率，再通过阈值筛选完成分类。本发明能够本发明以较小的代价在没有数据标签的情况下获得较高的天文图像数据分类准确率。
-
公开(公告)号：CN110046656B
公开(公告)日：2023-07-11
申请号：CN201910242039.7
申请日：2019-03-28
Applicant: 南京邮电大学
IPC: G06V10/764 , G06N3/0464 , G06V10/774 , G06V10/82
Abstract: 本发明揭示了一种基于深度学习的多模态场景识别方法，包括如下步骤：S1、对短文本进行分词处理；S2、将一组图片和短文本分词及相应的标签输入各自的卷积神经网络中进行训练；S3、训练短文本分类模型；S4、训练图片分类模型；S5、将S3与S4中的全连接层输出分别与标准分类结果计算交叉熵，计算平均欧式距离并以此作为损失值，随后再反馈回各自的卷积神经网络，最终得到完整的多模态场景识别模型；S6、将文本和图像预测结果向量相加，得到最终的分类结果；S7、将待识别的短文本和图像分别输入所训练出的所述多模态场景识别模型，进行场景识别。本发明提出了一种多模态场景搜索方式，为用户提供了更加精准、方便的场景识。
-
Patent Agency Ranking
公开(公告)号：CN115086223A
公开(公告)日：2022-09-20
申请号：CN202210486711.9
申请日：2022-05-06
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于动态奖励机制的车载容迟网数据转发方法，包括：每个节点维护一张转发奖励值表，当携带数据报文的当前节点与某一节点相遇时，若相遇节点为目的节点，则将报文直接转发给该节点，并更新当前节点的累加动态奖励值，转发结束。若相遇节点为非目的节点，则比较当前节点和相遇节点转发给目的节点的累加动态奖励值，若相遇节点的累加动态奖励值更大，则将数据报文转发给相遇节点；否则，当前节点保留该报文。此时，无论是否进行数据报文转发，当前节点都要更新累加动态奖励值。本方法综合考虑了节点的度中心度和数据报文转发的路由跳数，从而能够获得更短的转发路径；较于现有的方法，本发明能够提升报文投递率，并减少网络开销。
-
公开(公告)号：CN112800871B
公开(公告)日：2022-08-26
申请号：CN202110043727.8
申请日：2021-01-13
Applicant: 南京邮电大学
IPC: G06V20/56 , G06K9/62 , G06V10/764 , G06V10/84
Abstract: 本发明提出了一种基于注意力机制和关系网络的自动驾驶图像识别方法，首先，使用卷积神经网络提取自动驾驶图像特征；接着，通过注意力机制计算注意力特征；然后，利用关系网络生成图像中对象之间的关系结果；最后通过损失函数训练网络，并用训练好的模型进行自动驾驶场景的关系判断。本发明运用关系网络识别自动驾驶图像，能显式表达图像中对象之间的关系，从而提高识别和推理的准确性；此外，引入了新的注意力机制，降低了模型在处理复杂自动驾驶场景时的计算复杂度，提高了模型有效性和学习效率。
-
公开(公告)号：CN110942178B
公开(公告)日：2022-08-23
申请号：CN201911058539.1
申请日：2019-11-01
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于资源分配指标的链路预测方法的充电桩推荐方法，属于复杂网络技术领域。本发明的方法基于对路径进行分块的方法构造网络，再利用链路预测的相似性指标，来分析电动车历史轨迹中的移动模式，然后采用资源分配指标(Resource Allocation,RA)输出前K条概率最大的未来轨迹序列作为K条候选路径，最后根据额外移动距离最短原则对K条候选路径确定K个充电桩，把得到的K个充电桩及其优先级推荐给电车用户。
-
公开(公告)号：CN113723455A
公开(公告)日：2021-11-30
申请号：CN202110853811.6
申请日：2021-07-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于度量学习的强引力透镜系统分类方法及装置。其中，方法包括：获取引力透镜图像样本集；对引力透镜图像样本集中的图像样本进行预处理；将预处理后的图像样本进行配对，得到训练样本集，所述训练样本集包括类别相同的图像对和类别不相同的图像对；将配对好的数据作为模型的输入，搭建特征提取模型和相似性度量计算模型，进行模型的训练。本发明基于度量学习的理论基础，利用特征提取后不同向量之间的相似性度量，来确定数据的类别，使得本发明使用较少的训练样本完成引力透镜系统分类任务，规避了深度学习图像分类中的模型依赖问题。
-
公开(公告)号：CN113656754A
公开(公告)日：2021-11-16
申请号：CN202110813458.9
申请日：2021-09-16
Applicant: 南京邮电大学
Abstract: 本发明公开了一种恒星光谱数据增强方法及系统，包括光谱数据预处理模块：对原始的恒星光谱数据进行清洗、归一化、深度学习标签构建等数据预处理工作；搭建与训练条件生成对抗网络模块：基于博弈论理论搭建条件生成对抗网络，构建随机噪声向量，训练生成恒星光谱数据；基于训练好的生成模型进行数据增强模块：基于前面训练好的条件生成对抗网络，从随机的噪声向量生成恒星光谱数据。本发明的恒星光谱数据增强方法基于博弈论的理论基础，利用生成对抗网络，建立了不同类别恒星光谱的数据增强模型，使得本发明以较小的时间代价获得了足够的恒星光谱数据。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.029 seconds)
