-
公开(公告)号：CN118094459A
公开(公告)日：2024-05-28
申请号：CN202311872818.8
申请日：2023-12-29
申请人： 四川大学
IPC分类号： G06F18/25 , G06N3/0455 , G06N3/082
摘要： 本发明公开了一种基于神经架构搜索的暴力检测方法及系统，包括：基于多模态双流网络，建立搜索空间；利用搜索算法在所述搜索空间中进行搜索，得到最佳的k个融合架构；根据所述多模态双流网络和最佳的k个所述融合架构，建立k个多模态神经架构搜索模型；对k个所述模态神经架构搜索模型进行训练，确定最优的多模态神经架构搜索模型；利用所述最优的多模态神经架构搜索模型进行暴力检测。本发明能够自行搜索融合架构，挖掘视频中视听之间互补信息以促进模态交互，挖掘深层次特征，提高了暴力检测的效率。
-
公开(公告)号：CN117131845B
公开(公告)日：2024-04-12
申请号：CN202311122400.5
申请日：2023-09-01
申请人： 四川大学
IPC分类号： G06F40/166 , G06F18/24 , G06F18/214 , G06F18/10 , G06N3/084 , G06N3/0455 , G06N3/0985
摘要： 本发明公开了一种基于预训练语言模型和白化风格化的简历重构方法，包括以下步骤：步骤1：获取简历数据，对数据进行预处理作为训练数据集和测试数据集；步骤2：构建性别分类器和规范化分类器；步骤3：构建简历复述模型并进行训练，简历复述模型以GPT2模型为主体，在靠近输出端的某一层连接用于对重构简历进行白化和风格化的白化‑风格化模块；步骤4：将简历输入步骤3训练完成的简历复述模型，即可得到风格重构简历；本发明构建的复述模型可以对简历进行性别中性化或规范化重写，并且将原始简历内容在词语级别和语义信息层面的多角度约束融入到生成过程中，对简历风格化改写提供依据。
-
公开(公告)号：CN117198555A
公开(公告)日：2023-12-08
申请号：CN202311157902.1
申请日：2023-09-07
申请人： 四川大学
摘要： 本发明公开了一种基于病毒载量与神经网络的疾病传播预测方法，属于传染病传播预测技术领域。所述方法包括以下步骤：S1：利用传播动力学模型和病毒载量模型在接触网络下生成随传播时间变化的病毒载量的循环阈值Ct信息及有效再生数Rt；S2：划分待预测样本和训练样本，并对所述训练样本进行预处理；S3：将预处理后的训练样本放入基于自注意力机制的神经网络模型中进行预训练，获得预训练好的神经网络模型；S4：对所述预训练好的神经网络模型进行微调，获得最终的神经网络模型；S5：将所述待预测样本输入至所述最终的神经网络模型，获得所述待预测样本对应的有效再生数Rt的预测结果。本发明能够准确预测Rt变化轨迹，从而实现对流行病的实时监控。
-
公开(公告)号：CN115331833B
公开(公告)日：2023-04-18
申请号：CN202211011808.0
申请日：2022-08-23
申请人： 四川大学
摘要： 本发明公开了一种多层网络及其构建方法、传染病建模仿真方法，所述多层网络用于传染病传播仿真，所述多层网络的构建方法包括以下步骤：设计问卷，收集和处理个体的接触行为数据；所述接触行为数据包括个体接触数据和群体接触数据；根据处理得到的个体接触数据，构建静态接触网络层；根据处理得到的群体接触数据，构建动态接触网络层；将所述静态接触网络层作为第一层，将所述动态接触网络层作为第二层，构建得到所述多层网络。本发明能够刻画不同年龄人群的固定和随机接触模式，以此对传染病的传播进行更合理的仿真，根据仿真结果能够模拟和量化基于个体层面不同类型干预措施的控制效果。
-
公开(公告)号：CN111353582B
公开(公告)日：2022-11-29
申请号：CN202010100999.2
申请日：2020-02-19
申请人： 四川大学
摘要： 本发明提供了一种基于粒子群算法的分布式深度学习参数更新方法，初始化分布式集群和神经网络参数；利用编码策略对粒子群进行初始化，每个计算节点编码为一颗粒子；计算神经网络最大的训练迭代次数；对神经网络进行训练；收集所有计算节点的神经网络参数和每个粒子的适应度值；获取粒子群当前迭代的全局最优值和粒子的局部最优值；计算新的神经网络参数；将新的参数分发至所有计算节点；若当前迭代次数达到最大迭代次数，结束对分布式深度学习参数的更新。本发明利用所有计算节点训练的神经网络参数，并对其进行优化，该方法可以很好的兼顾通信开销和收敛性，解决了数据并行分布式训练平台中参数同步周期和通信开销难以权衡的问题。
-
公开(公告)号：CN114882262A
公开(公告)日：2022-08-09
申请号：CN202210495105.3
申请日：2022-05-07
申请人： 四川大学
IPC分类号： G06V10/762
摘要： 本发明公开了一种基于拓扑流形的多视图聚类方法与系统，通过采集基于拓扑流形的多视图数据，并根据多视图数据得到各视图所对应的相似度矩阵；并根据相似度矩阵构建拓扑相关性矩阵，利用拓扑相关性矩阵构建各视图的共识图矩阵；基于各视图的共识图矩阵与拓扑相关性矩阵构建基于拓扑流形的多视图聚类目标函数，并通过对基于拓扑流形的多视图聚类目标函数进行迭代优化，得到最优多视图聚类结果；本发明实施例利用拓扑流形上的多视图数据所隐藏的拓扑相关性进行聚类，提升了多视图聚类性能；并避免了大多数聚类方法需要的后处理步骤导致的最优结果偏离，直接在统一的框架中得到显示得聚类结果；同时利用超参数提高了本方法的鲁棒性和稳定性。
-
公开(公告)号：CN111325356A
公开(公告)日：2020-06-23
申请号：CN202010303210.3
申请日：2020-04-17
申请人： 四川大学
摘要： 本发明公开了一种基于演化计算的神经网络搜索分布式训练系统及训练方法，解决了演化神经网络搜索算法的耗时问题。一种基于演化计算的神经网络搜索分布式训练系统，包括服务器节点和至少1个计算节点，服务器节点和计算节点之间通信；服务器节点，基于演化算法生成每一代种群（一个个体代表一个神经网络模型），异步接收计算节点发送的请求，分发待评价的个体，接收计算节点完成适应度计算的个体，同时对计算节点进行控制；计算节点，向服务器节点异步发送请求指令，接收数据包（包含待评价的个体），对个体解码生成神经网络，在指定数据集上进行训练和验证，完成神经网络性能评估，即完成对个体适应度评价，并将完成评价的个体反馈给服务器节点。
-
公开(公告)号：CN117198555B
公开(公告)日：2024-02-27
申请号：CN202311157902.1
申请日：2023-09-07
申请人： 四川大学
摘要： 本发明公开了一种基于病毒载量与神经网络的疾病传播预测方法，属于传染病传播预测技术领域。所述方法包括以下步骤：S1：利用传播动力学模型和病毒载量模型在接触网络下生成随传播时间变化的病毒载量的循环阈值Ct信息及有效再生数Rt；S2：划分待预测样本和训练样本，并对所述训练样本进行预处理；S3：将预处理后的训练样本放入基于自注意力机制的神经网络模型中进行预训练，获得预训练好的神经网络模型；S4：对所述预训练好的神经网络模型进行微调，获得最终的神经网络模型；S5：将所述待预测样本输入至所述最终的神经网络模型，获得所述待预测样本对应的有效再生数Rt的预测结果。本发明能够准确预测Rt变化轨迹，从而实现对流行病的实时监控。
-
公开(公告)号：CN117454302A
公开(公告)日：2024-01-26
申请号：CN202311164600.7
申请日：2023-09-11
申请人： 四川大学
摘要： 本发明公开了一种多导联心电图分类任务神经网络融合搜索方法，采用SPOS算法将搜索过程解耦为超网训练和架构搜索两个阶段，采用权重共享策略来加速搜索过程，通过将SPOS算法部署在提出的多视图融合搜索空间上，为多导联心电信号构建了一个多视图神经架构搜索框架，与现有的多导联心跳分类方法相比，本申请从多视图角度出发，进一步探索了导联之间的多样性，提出的框架在面对数据不均衡问题时，表现出很强的鲁棒性，并可以实现融合方案的自动设计，大幅度降低了对专家知识和大量试错的依赖。
-
公开(公告)号：CN117354378A
公开(公告)日：2024-01-05
申请号：CN202311062264.5
申请日：2023-08-21
申请人： 四川大学
IPC分类号： H04L69/04 , H04L67/12 , G06N3/045 , G06N3/0464 , G06N3/098
摘要： 本发明公开了一种基于联邦学习的自动驾驶车辆间的数据共享方法及其系统，数据共享方法包括S1下载中心服务器的分布式模型更新本地模型，并采用数据集对本地模型进行训练；S2将训练完成的本地模型权重与分布式模型的权重相减，得到累计梯度；S3将虚拟数据集输入分布式模型，优化虚拟数据集中的虚拟数据和虚拟标签；S4判断虚拟数据集是否收敛，若是，进入S5，否则返回S3；S5根据收敛的虚拟数据集和累计梯度计算缩放系数；将收敛的虚拟数据集和缩放系数发送给中心服务器；S6当分布式模型已收敛时，接收中心服务器的分布式模型作为本地模型；S7当分布式模型未收敛时，则返回S1。
-
-
-
-
-
-
-
-
-
搜索结果
33 条记录 (耗时 0.028 秒)
