-
公开(公告)号：CN117390275A
公开(公告)日：2024-01-12
申请号：CN202311366242.8
申请日：2023-10-20
申请人： 东南大学 , 国家电网有限公司华北分部
IPC分类号： G06F16/9535 , G06N5/022
摘要： 本发明提供了一种基于知识图谱的序列化推荐方法，包括：设计时间注意力机制训练序列化推荐模型，建模用户历史兴趣序列；设计多粒度聚合方法训练知识图谱表示学习模型，建模物品辅助信息；采用多任务学习框架将序列化推荐模型和知识图谱模型相结合，在用户兴趣和物品信息间搭建桥梁，推荐用户感兴趣的物品。与现有推荐方法相比，本发明一是能挖掘用户随时间推移的动态偏好；二是能挖掘物品高阶信息，避免物品信息损失；三是提出为用户动态兴趣序列与物品静态辅助信息通过多任务学习完成信息共享，提升推荐效果。
-
公开(公告)号：CN118038081A
公开(公告)日：2024-05-14
申请号：CN202410191462.X
申请日：2024-02-21
申请人： 东南大学
IPC分类号： G06V10/44 , G06V10/22 , G06V10/26 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/09
摘要： 本发明公开了一种基于边缘定位的伪装目标检测系统及方法，至少包括特征增强模块、边缘定位预测模块、边缘定位引导模块、上下文语义聚合模块和深层特指导模块，本系统和方法通过利用自主构建的边缘定位图作为额外的监督信息，将模型预测得到的边缘定位信息和初始特征进行融合，针对不同层次的特征，通过不同的预测解码模块做迭代输出，引入Dice损失函数监督边缘定位信息、伪装分割监督损失监督预测结果，共同训练网络，最终迭代输出预测结果，结果更加精确。
-
公开(公告)号：CN114328519B
公开(公告)日：2024-07-12
申请号：CN202111593769.5
申请日：2021-12-23
申请人： 东南大学
IPC分类号： G06F16/22 , G06F16/2453 , G06N20/00
摘要： 本发明提供了一种基于机器学习的数据索引优化方法，包括对主键索引进行优化以及对二级索引进行优化。前者在模型分层结构的设计下，通过自顶向下拟合预测残差来充分利用非叶子模型的拟合效果、权重更新来提高对离群数据的关注度和预设阈值进行数据剪枝这三个方面提高多维主键数据的预测准确度。后者在第一阶段使用二分类模型和Bloom Filter进行两步筛选，将数据集划分成唯一键值和非唯一键值，并保有一定的误判率。在第二阶段根据两类数据的特点，分别构建索引模型进行处理，从而满足二级索引的查询要求。本发明能够适应多种索引类型，提升索引的查询效率，降低索引的空间开销。
-
公开(公告)号：CN117079111A
公开(公告)日：2023-11-17
申请号：CN202311009825.5
申请日：2023-08-11
申请人： 东南大学
IPC分类号： G06V10/98 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/44
摘要： 本发明公开了一种模拟生物感知的伪装目标检测方法及系统，根据生物感知伪装目标的过程，进行神经网络的建模，所述建模包括五阶段的伪装目标识别过程：信息搜集、信息增强、信息过滤、信息定位、信息矫正和预测，并分别配置特征提取网络、信息增强组件、信息过滤组件、信息定位组件和信息矫正组件的定制化信息处理机制，再构建模型训练使用的损失函数、确定模型训练的超参数、训练图像的增强方式和尺寸大小；最后训练模型，使用训练好的最优模型对伪装目标图像进行检测并查看效果，以此精确地识别出伪装目标。
-
公开(公告)号：CN114943757A
公开(公告)日：2022-08-26
申请号：CN202210622959.3
申请日：2022-06-02
IPC分类号： G06T7/50 , G06V20/17 , G06V40/10 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06F30/27 , G05D1/10 , G06F111/04
摘要： 本发明提供了一种基于单目景深预测和深度增强学习的无人机森林探索系统。本发明逻辑上主要包括四个部分，景深预测识别优化、增强学习规则避障、目标检测以及以RESTful服务形式组建可扩展的感知、计算、控制无人机链路。流程上首先建立了针对森林场景的单目景深预测模型，并根据一种整图不确定度估计方法，通过对方差进行估计来表示景深预测模型结果的不确定度，解决了无人机飞行样例中景深预测失效的问题；然后构建在单目前向无人机硬件约束下的以森林场景下的小型障碍物规避为规划目标的避障模式；最后使用PPO深度增强学习算法来实现无人机避障及导航，解决了策略训练后可能出现的陷入局部最优区域的问题，并通过部署轻量级目标检测网络实现人员搜寻。
-
公开(公告)号：CN114328519A
公开(公告)日：2022-04-12
申请号：CN202111593769.5
申请日：2021-12-23
申请人： 东南大学
IPC分类号： G06F16/22 , G06F16/2453 , G06N20/00
摘要： 本发明提供了一种基于机器学习的数据索引优化方法，包括对主键索引进行优化以及对二级索引进行优化。前者在模型分层结构的设计下，通过自顶向下拟合预测残差来充分利用非叶子模型的拟合效果、权重更新来提高对离群数据的关注度和预设阈值进行数据剪枝这三个方面提高多维主键数据的预测准确度。后者在第一阶段使用二分类模型和Bloom Filter进行两步筛选，将数据集划分成唯一键值和非唯一键值，并保有一定的误判率。在第二阶段根据两类数据的特点，分别构建索引模型进行处理，从而满足二级索引的查询要求。本发明能够适应多种索引类型，提升索引的查询效率，降低索引的空间开销。
-
公开(公告)号：CN113344085A
公开(公告)日：2021-09-03
申请号：CN202110667243.0
申请日：2021-06-16
申请人： 东南大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种平衡偏置的多源数据协同优选与融合方法和装置，方法包括如下步骤：(1)收集每个数据提供者的数据si及其包含的数据种类信息，以及数据si的成本信息bi；(2)对收集的数据采用多属性联合的真值发现算法；(3)根据数据si包含的数据种类信息的不同对所有数据si∈S进行分组；(4)使用数据优选BPMG‑M算法决定选择的数据集合(5)将选择的数据Sw输入到数据融合模块进行数据融合。装置包括主控调度模块、数据信息存储模块和数据融合参数存储模块等。本发明利用组合优化和机器学习方法提出了一种平衡偏置的多源数据协同优选与融合方法以及一种数据协同优选与融合装置，实现了平衡偏置数据的优选目标及多源优质数据的数据融合。
-
公开(公告)号：CN118133886A
公开(公告)日：2024-06-04
申请号：CN202410191463.4
申请日：2024-02-21
申请人： 东南大学
IPC分类号： G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/06 , G06N3/09 , G06V10/44 , G06V10/762 , G06V10/774 , G06V10/82
摘要： 本发明公开了一种基于印迹沉淀的记忆网络实现方法及系统，首先构建包含印迹单元的记忆网络模型，所述记忆网络模型至少包括特征提取网络、映射网络、印迹单元群和记忆判断网络；使用特征提取网络提取输入图片特征，用交换的思想聚类同类别特征；再将特征输入哈希网络，通过哈希网络建立特征与印迹单元的映射关系；使用沉淀函数将特征存储到印迹单元中，同时使用特征序列和印迹序列构建数据集，用作训练后续的应激函数；最后使用制作的数据集训练应激函数网络并使用训练好的模型进行记忆。本发明方法将提取的特征靶向部分印迹单元并进行持久化记忆，使用孪生网络判断特征序列和印迹序列的分布相似性以回答输入是否在记忆中，实现记忆的判断过程。
-
公开(公告)号：CN113344085B
公开(公告)日：2024-04-26
申请号：CN202110667243.0
申请日：2021-06-16
申请人： 东南大学
IPC分类号： G06F18/25
摘要： 本发明公开了一种平衡偏置的多源数据协同优选与融合方法和装置，方法包括如下步骤：(1)收集每个数据提供者的数据si及其包含的数据种类信息，以及数据si的成本信息bi；(2)对收集的数据采用多属性联合的真值发现算法；(3)根据数据si包含的数据种类信息的不同对所有数据si∈S进行分组；(4)使用数据优选BPMG‑M算法决定选择的数据集合#imgabs0#(5)将选择的数据Sw输入到数据融合模块进行数据融合。装置包括主控调度模块、数据信息存储模块和数据融合参数存储模块等。本发明利用组合优化和机器学习方法提出了一种平衡偏置的多源数据协同优选与融合方法以及一种数据协同优选与融合装置，实现了平衡偏置数据的优选目标及多源优质数据的数据融合。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.041 秒)
