-
公开(公告)号：CN109887611A
公开(公告)日：2019-06-14
申请号：CN201910113121.X
申请日：2019-02-13
申请人： 北京大学第三医院(北京大学第三临床医学院) , 北京航空航天大学
摘要： 本申请公开了一种医疗管理系统及移动终端，所述系统包括：患者管理单元，用于录入患者信息；分组管理单元，用于基于所述患者信息对患者进行分组，以及对患者的评估状态进行分析；筛选查询单元，用于基于至少一种查询条件对患者进行查询；统计分析单元，用于对患者进行患者信息统计和/或数理统计和/或智能统计；预警管理单元，用于为患者提供慢性病发展情况和/或就诊建议和/或用药建议和/或区域预报；消息管理单元，用于患者和医务工作者之间的实时沟通。
-
公开(公告)号：CN109817338A
公开(公告)日：2019-05-28
申请号：CN201910113117.3
申请日：2019-02-13
申请人： 北京大学第三医院(北京大学第三临床医学院) , 北京航空航天大学
摘要： 本发明提出一种慢性病加重风险评估与告警系统，包括预处理模块，核心指标特征抽取模块，多维时序数据特征抽取模块和特征融合与预警模块。所述预处理模块对医学数据进行全面的预处理得到核心指标数据的历史序列和多维特征的历史数据；所述核心指标特征抽取模块建立了所述核心指标数据的历史序列中相邻时间点的时间间隔与长期记忆传递之间的关联，得到第一组基准特征；所述多维时序数据特征抽取模块对所述多维时序数据进行抽取得到第二组基准特征；所述特征融合与预警模块将所述第一组基准特征和第二组基准特征进行融合，然后进行预警分析。
-
公开(公告)号：CN118586276A
公开(公告)日：2024-09-03
申请号：CN202410697101.2
申请日：2024-05-31
IPC分类号： G06F30/27 , G06F17/13 , G06F111/10 , G06F113/08 , G06F119/12
摘要： 本公开提供一种基于扩散模型的湍流仿真高效偏微分方程求解装置。包括数据加噪模块、数据降噪模块、物理嵌入模块；所述数据加噪模块从动态变化的湍流物理场中均匀采样，将不同时刻的物理场信息作为输入数据，进行数据预处理后，设计扩散模型的前向扩散过程，创造出一系列的含噪数据的扩散样本；所述扩散样本送入数据降噪模块，所述数据降噪模块接收物理嵌入模块提供物理先验信息，并把物理先验信息嵌入到扩散模型中以确保生成的物理场的解符合物理系统的实际约束，在此基础上通过逆向随机微分方程方法来进行高斯噪声估计，估计出随时间变化的物理场状态，最终得到输出的湍流流场重建预测结果。以此有效降低模型参数量，大幅提高扩散式求解装置的推理速度，并确保了扩散式求解装置预测结果的准确性和稳定性。
-
公开(公告)号：CN118586311A
公开(公告)日：2024-09-03
申请号：CN202410698096.7
申请日：2024-05-31
IPC分类号： G06F30/28 , G06F17/11 , G06F30/27 , G06N5/04 , G06N3/045 , G06N3/08 , G06F17/12 , G06F113/08 , G06F119/14 , G06F111/10
摘要： 本公开提供一种基于自回归神经网络的流体力学偏微分方程求解装置。包括预训练策略单元和微调策略单元，所述预训练策略单元由流场原始数据采集与预处理模块、离散标记式流场演化过程表示模块、流场演化状态自回归预测模块以及流场状态信息解码与智能推断模块构成；所述微调策略单元由物理信息评分器构成。通过上述方案，可以实现流体力学多物理场跨维度建模,捕捉不同物理场之间的内在耦合关系；并可以实现多种偏微分方程在同一框架下的自回归求解,提高求解效率,降低重复训练的时间和经济成本；还可以结合偏微分方程的物理规律信息,在小数据场景下提高模型的泛化能力和求解精度。
-
公开(公告)号：CN117194809A
公开(公告)日：2023-12-08
申请号：CN202311073534.2
申请日：2023-08-24
申请人： 北京航空航天大学
IPC分类号： G06F16/9536 , G06Q50/00 , G06F30/18 , G06F16/2458
摘要： 本发明实现了一种基于高密子图检测的社交机器人群体检测方法。首先将社交网络图内容输入张量构建模块，通过将社交关系网络转化为关系张量，抽取文本内容特征计算重复率和相似度，而后计算可疑度分数，最后计算高密度子图信息的步骤，得到根据社交网络构建的关系张量并输入高密度子图挖掘模块；高密度子图挖掘模块输入关系张量，从高密度子图获取源用户群体，最终检测出社交网络中稠密度高的社交机器人群体。通过上述手段，本发明可以检测社交网络中短期间具有异常协作行为的社交机器人群体，观测到短期间群体间的异常协作行为。
-
公开(公告)号：CN116090545A
公开(公告)日：2023-05-09
申请号：CN202310095674.3
申请日：2023-01-18
申请人： 北京航空航天大学
摘要： 本发明通过网络安全领域的方法，实现了一种基于算子拟合的深度神经网络密态转换装置。包括输入单元、拟合的加法注意力机制、输出单元，拟合的加法注意力机制包括三个实现步骤：步骤一，基于加法注意力算法拟合原始注意力计算方式生成密态模型；步骤二，设计新的注意力矩阵，得到高性能的密态模型；步骤三，使用同态加密的请求数据在密态模型中实现高效推断，输出加密后的数据。本发明提供的方法能够实现：优化神经网络模型结构，减少资源消耗；密态神经网络的模型训练，将性能损失降到最低；形成神经网络密态转换统一流程，并提供同态加密请求数据使用密态模型获取推断结果的统一调用流程的效果。
-
公开(公告)号：CN115659919A
公开(公告)日：2023-01-31
申请号：CN202211273214.7
申请日：2022-10-18
申请人： 北京航空航天大学
IPC分类号： G06F40/151 , G06F40/295 , G06F40/126 , G06N3/08 , G06N3/0442 , G06N3/0455 , G06N3/047
摘要： 本发明公开一种智能合约的自动生成方法，包括步骤：合约基础内容确定，使用自然语言对合约基础内容进行编写，构成自然语言合约；数据结构化，对自然语言合约利用词嵌入自然语言处理技术将合约内容的每个语句向量化，通过知识抽取将向量化后的合约转化成结构化数据；确定状态图模板，根据结构化数据对状态图进行填充；树生成和UML建模，构建决策树模型对执行流程进行说明，进行UML建模获得UML状态图；智能合约生成，利用UML状态图生成智能合约。本发明旨在减少人工编写操作，提高智能合约的生成效率和准确率。
-
公开(公告)号：CN113312450B
公开(公告)日：2022-05-31
申请号：CN202110589788.4
申请日：2021-05-28
申请人： 北京航空航天大学
IPC分类号： G06F16/33 , G06F21/60 , G06F40/126 , G06F40/44 , G06F40/58
摘要： 本发明通过人工智能领域的方法，实现了一种防范文本流次序变换攻击的方法。方法三个步骤；基于EM算法学习随机化序列概率分布；生成随机化序列密钥；方法的训练与部署需要搭建包括pytorch与依赖库的运行环境。通过EM算法学习出抵御攻击的最佳序列概率分布，最后使得针对流次序攻击的对抗样本无法准确攻击次序编码，达到防范文本流次序攻击的效果。本发明方法具有抵御攻击的性能最佳，对于其他的文本攻击同样能够减弱其攻击强度的技术效果。
-
公开(公告)号：CN113312916A
公开(公告)日：2021-08-27
申请号：CN202110589745.6
申请日：2021-05-28
申请人： 北京航空航天大学
IPC分类号： G06F40/295 , G06F40/30 , G06F16/35
摘要： 本发明通过神经网络领域的方法，实现了基于触发词语态学习的金融文本事件抽取方法及装置。方法包括三个步骤：金融领域文本预训练、事件分类和基于触发词语态学习的金融文本事件要素抽取；金融领域文本预训练步骤的实现结合金融知识图谱构建BERT预训练模型，以输入词序列作为模型输入，结合神经网络方法，在已有的金融文本训练集和金融知识图谱数据上进行再训练，得到适合下游事件分类和事件抽取的词表征和实体表征，而后通过词表征做多标签多分类任务得到事件检测结果，最后每一个输入词对应的词表征作为多标签分类任务的表征向量进行计算得到输出结果，从而形成一个能够自动精准抽取金融文本事件的方法。
-
公开(公告)号：CN113312464A
公开(公告)日：2021-08-27
申请号：CN202110589755.X
申请日：2021-05-28
申请人： 北京航空航天大学
IPC分类号： G06F16/332 , G06F16/33 , G06F16/335 , G06F16/35 , G06F16/36 , G06F40/186 , G06F40/253 , G06F40/30 , G06N3/04 , G06N3/08
摘要： 本发明通过人工智能领域的方法，实现了一种基于对话状态追踪技术的事件抽取方法。方法整体由事件分类、序列问题生成模型和论元抽取模型三部分组成；事件分类检测输入文本是否是事件，如果文本不包含事件，则输出NULL，否则分类文本所属的事件类型；序列问题生成模型根据事件类型和已经预测的置信度高的论元结果自动生成问题；论元抽取模型将所述序列问题生成模型生成的问题和输入文本作为输入来预测论元位置，然后采用标签对齐机制将预测的论元中置信度高的论元加入训练集中。这一方法通过三部分模型，能对所有参数的预测结果和高置信度结果进行反馈；提取两个任务之间的共同信息和模式，并利用所学习到的语法和语义知识标记；并充分利用论元之间的相关性。
-
-
-
-
-
-
-
-
-
搜索结果
294 条记录 (耗时 0.046 秒)
