-
公开(公告)号：CN115526289A
公开(公告)日：2022-12-27
申请号：CN202210962776.6
申请日：2022-08-11
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明提供一种多通道图神经网络伪标签选择方法。该方法包括：步骤1：构建训练集和多通道图神经网络；步骤2：采用所述训练集数据对所述多通道图神经网络进行训练；其中，一个图数据作为一个通道的输入；步骤3：将未标注的图数据分别作为训练好的多通道神经网络的各个通道的输入并得到各个通道输出的图数据节点的伪标签集合；步骤4：计算各个通道输出的伪标签集合的交集，使用所述交集中的伪标签对所述图数据未标注的节点进行标注后，将其加入至训练集数据；步骤5：重复步骤2至步骤4，直至达到终止条件；步骤6：将N个图神经网络的输出进行聚合，然后使用注意力机制得到最终的输出。
-
公开(公告)号：CN116228716A
公开(公告)日：2023-06-06
申请号：CN202310202774.1
申请日：2023-03-03
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06T7/00 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种基于全局注意力CNN的腰椎间盘突出智能分级方法及系统。该方法包括：步骤1：对待测腰椎图像进行定位以得到有效腰椎区域，然后截取得到有效腰椎区域图像；步骤2：对ResNeXt101网络进行改进以构建得到腰椎间盘突出智能分级网络；步骤3：训练所述腰椎间盘突出智能分级网络，得到腰椎间盘突出智能分级网络模型；步骤4：将所述有效腰椎区域图像输入至训练好的腰椎间盘突出智能分级网络模型，得到腰椎间盘突出的等级信息。
-
公开(公告)号：CN115423017A
公开(公告)日：2022-12-02
申请号：CN202211063188.5
申请日：2022-08-31
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于图对比学习技术领域，特别涉及一种基于邻域去偏的图对比学习方法及系统，针对给定的图数据，利用不同图变换方式来获取对应图变换下的图视图；获取原始图中的节点特征向量，并根据节点特征向量对图视图中的所有节点进行聚类，通过将节点划分到对应的类别簇来获取节点的聚类类别；去除对比学习损失函数中每个节点负样本对中与该节点聚类结果相同且处于其m阶邻域的其他节点，减小了对比学习损失函数中的偏差。本发明通过不同图变换来构造样本数据，并在模型训练中通过去除对比学习中每个节点负样本对中与该节点聚类结果相同的节点，在增加少量计算量的条件下，能够大大减小负样本对的偏差，提高图对比学习模型的性能，便于下游任务中的应用。
-
公开(公告)号：CN115220341A
公开(公告)日：2022-10-21
申请号：CN202210790129.1
申请日：2022-07-06
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明公开一种基于深度强化学习的单晶炉智能控制方法及装置，该方法包括：步骤1，构建深度强化学习网络；步骤2，将单晶炉各种状态信息和状态下动作的量化奖励输入构建的深度强化学习网络中，训练深度强化学习模型；步骤3，向训练好的深度强化学习模型中输入实时采集的单晶炉内部生产状态图像，获得最优设备控制动作；步骤4，根据最优设备控制动作智能控制单晶炉生产。本发明通过使用强化学习的方法，将单晶硅的一个生产流程看做一次强化学习决策，将单晶硅的生产质量作为决策奖励，把单晶炉内的视觉图像作为状态，训练出不同状态下的最优单晶炉控制动作，可以大大降低单晶硅生产的人力成本，减小经验误差。
-
-
-
Search Results
4
records
(took 0.034 seconds)
