-
公开(公告)号：CN118322084B
公开(公告)日：2024-08-16
申请号：CN202410758073.0
申请日：2024-06-13
申请人： 四川大学
摘要： 本发明公开了一种基于多模态信息融合的自动控制工件抛光设备及方法，属于抛光设备技术领域。一种基于多模态信息融合的自动控制工件抛光设备，包括底座，底座设置有智能控制模组，还包括：导向柱，导向柱设置有多个且用于定位待加工的管件，多个导向柱呈圆周均匀设置在底座上；顶板，顶板与底座上均设置有耳板；本发明通过外抛光组件和内抛光组件对管件的内外侧均进行抛光作业，使管件抛光全面，保证对管件的抛光质量，且通过智能控制模组利用多模态信息融合处理技术对工件状态进行多模态的监控，更精确的自动化控制，有效避免了抛光过度或不足的问题，大大降低了人工操作的复杂度，提高了操作的便捷性和效率，同时也降低了人为操作错误的风险。
-
公开(公告)号：CN114491039B
公开(公告)日：2023-10-03
申请号：CN202210101017.0
申请日：2022-01-27
申请人： 四川大学
IPC分类号： G06F16/35 , G06F18/214 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于梯度改进的元学习少样本文本分类方法，包括以下具体步骤：元学习训练数据划分，构建基于少样本文本框架下的元数据集，并将元数据集划分为训练任务集、验证任务集和测试任务集；构建元学习模型；训练元学习模型，通过构建训练任务集，每次将一批次的元任务送入到内层基础学习器，元任务对应的训练将外层元学习器的参数作为内层基础学习器的初始化参数，内层基础学习器在元任务的支持集上进行训练，得到在支持集上的误差和梯度，再在查询集上检验内层基础学习器训练的效果，得到查询集上的误差和梯度；将学习到的元学习模型应用于少样本文本分类。
-
公开(公告)号：CN116431849A
公开(公告)日：2023-07-14
申请号：CN202310369406.6
申请日：2023-04-07
申请人： 四川大学
IPC分类号： G06F16/535 , G06F16/583 , G06N3/0464 , G06N3/0442 , G06N3/08
摘要： 本发明公开了一种基于证据学习的鲁棒图文检索方法，包括以下步骤：处理包括图像和对应文本描述的训练数据集，得到处理后的训练数据集；根据处理后的训练数据集构建基于证据学习的鲁棒图文检索模型；向鲁棒图文检索模型输入检索数据模态，并计算数据相似性；根据计算的数据相似性进行相似性排序，输出图文检索结果，本发明解决了图文检索方法的鲁棒性差的问题。
-
公开(公告)号：CN116108156B
公开(公告)日：2023-06-09
申请号：CN202310367125.7
申请日：2023-04-07
申请人： 四川大学
IPC分类号： G06F16/332 , G06F40/30 , G06N3/0442 , G06N3/084
摘要： 本发明公开了一种基于循环关联鲁棒学习的主题法条检索方法，包括以下步骤：利用语言序列模型对主题‑法条成对训练数据进行编码，获得全局特征；构建基于全局特征的循环关联鲁棒学习范式，得到矫正标签；根据矫正标签计算训练批次的损失值，根据损失值使用反向梯度优化语言序列模型并更新模型参数，得到优化后的模型；向优化后的模型输入待检索的主题，计算与测试集中所有法条描述之间的语义相似度；根据计算的语义相似度进行相似性排序，获取法条检索结果，完成检索，本发明利用深度语言序列模型对自然语言描述的主题和法条进行嵌入并获取全局特征用于语义相似度计算，打破了主题‑法条数据间的语义鸿沟，实现跨域数据对的相似度计算。
-
公开(公告)号：CN114596456B
公开(公告)日：2022-07-22
申请号：CN202210500350.9
申请日：2022-05-10
申请人： 四川大学
IPC分类号： G06V10/74 , G06V10/774 , G06V10/764 , G06K9/62
摘要： 本发明公开了一种基于聚集哈希学习的图像集分类方法，包括以下步骤：S1、根据训练图像集，建立哈希聚集模型；S2、对哈希聚集模型进行训练，得到训练完成的线性哈希函数和训练图像集的实例哈希码矩阵；S3、根据训练完成的线性哈希函数，计算待分类图像集的实例的哈希码；S4、根据待分类图像集的实例的哈希码与训练图像集的实例哈希码矩阵间距离，得到待分类图像集的类别；本发明解决了现有的哈希学习方法没有很好的考虑图像集的集合信息，难以很好地在汉明空间保持实例的相似性，很难得到高质量的实例哈希码，进而影响图像集分类精度的问题。
-
公开(公告)号：CN114444506A
公开(公告)日：2022-05-06
申请号：CN202210026447.0
申请日：2022-01-11
申请人： 四川大学
IPC分类号： G06F40/295 , G06F16/35 , G06N3/04
摘要： 本发明公开了一种融合实体类型的关系三元组抽取方法，包括以下步骤：收集文本数据作为训练样本；对收集的训练样本数据进行清洗获得数据集；切分数据集并将其按照一定比例划分为训练集、验证集与测试集；搭建基于BERT预训练模型的深度学习网络并加载预训练参数获得训练样本深度表达；在模型后搭建Fast Gradient Method对抗网络提升模型的鲁棒和泛化性能；搭建多头注意力机制与深度神经网络的关系三元组提取模型；进行模型的训练与测试，对验证集采用K折交叉验证的方法保存K折模型，综合K折模型对测试集进行测试，将平均概率作为模型的测试结果；输出模型AttnFGM‑MARE。
-
公开(公告)号：CN112819161B
公开(公告)日：2021-08-31
申请号：CN202110140849.9
申请日：2021-02-02
申请人： 四川大学
IPC分类号： G06N3/12
摘要： 本发明公开了一种基于变长基因遗传算法的神经网络构建系统及其方法，其中，构建系统包括依次连接的训练集生成模块、网络初始化模块、网络训练模块、网络更新模块、网络优化模块、网络选择模块、迭代次数更新模块和网络生成模块。本方案的构建方法大体思路为在初始化步骤中生成变长的染色体，并在每个染色体的特定基因上随机添加BN组件。通过在训练集上，训练得到每个染色体对应解码的神经网络结构表现，选择子代染色体。随后，在交叉步骤中，不固定交叉染色体的长度，利用增长和收缩策略以生成子代染色体。之后利用传统的变异和环境选择操作完成子代染色体选择，重复以上，将得到的最佳染色体解码为对应的神经网络架构。
-
公开(公告)号：CN118823405A
公开(公告)日：2024-10-22
申请号：CN202410829441.6
申请日：2024-06-25
申请人： 四川大学
IPC分类号： G06V10/762 , G06V10/764 , G06V10/774
摘要： 本发明提供一种基于价值指标的图像深度聚类方法，涉及机器学习技术领域，该方法为获取图像聚类样本集；将图像聚类样本集输入初始图像聚类模型，得到初始图像聚类模型输出的深度聚类样本集；利用价值指标对深度聚类样本集进行价值评估，筛选得到高价值样本集；利用综合损失函数对高价值样本集和深度聚类样本集进行处理，优化初始图像聚类模型，得到训练好的图像聚类模型；将图像聚类样本集输入训练好的图像聚类模型，得到图像聚类结果，完成对图像的深度聚类。本发明解决了边界样本难以分辨的问题。
-
公开(公告)号：CN118322084A
公开(公告)日：2024-07-12
申请号：CN202410758073.0
申请日：2024-06-13
申请人： 四川大学
摘要： 本发明公开了一种基于多模态信息融合的自动控制工件抛光设备及方法，属于抛光设备技术领域。一种基于多模态信息融合的自动控制工件抛光设备，包括底座，底座设置有智能控制模组，还包括：导向柱，导向柱设置有多个且用于定位待加工的管件，多个导向柱呈圆周均匀设置在底座上；顶板，顶板与底座上均设置有耳板；本发明通过外抛光组件和内抛光组件对管件的内外侧均进行抛光作业，使管件抛光全面，保证对管件的抛光质量，且通过智能控制模组利用多模态信息融合处理技术对工件状态进行多模态的监控，更精确的自动化控制，有效避免了抛光过度或不足的问题，大大降低了人工操作的复杂度，提高了操作的便捷性和效率，同时也降低了人为操作错误的风险。
-
公开(公告)号：CN117851621B
公开(公告)日：2024-06-14
申请号：CN202410036104.1
申请日：2024-01-10
申请人： 四川大学
IPC分类号： G06F16/53 , G06F16/51 , G06F16/583 , G06F16/31 , G06F16/332
摘要： 本发明公开了一种可信跨模态哈希检索方法，属于跨模态检索技术领域，包括：根据包含真值标签向量的图文训练集，进行特征提取，并利用图像模态哈希网络和文本模态哈希网络进行处理，得到图像哈希码和文本哈希码，并计算得到图文对的正证据和负证据；利用图文对的正证据和负证据，以及对应的真值标签向量，对图像模态哈希网络、文本模态哈希网络和负证据提取网络进行优化，利用优化后的图像模态哈希网络、文本模态哈希网络和负证据提取网络对图像查询样本集和文本检索样本集进行分析，得到检索结果和检索结果的不确定度。本发明通过正证据和负证据的提取，实现跨模态哈希检索的证据量化，估计检索结果的不确定度，实现可信检索。
-
-
-
-
-
-
-
-
-
搜索结果
49 条记录 (耗时 0.031 秒)
