-
公开(公告)号：CN119691524A
公开(公告)日：2025-03-25
申请号：CN202411907023.0
申请日：2024-12-24
Applicant: 大连理工大学
Abstract: 本发明属于不平衡数据分类领域，涉及一种基于多层选择双准则评价机制的遗传编程文本数据过采样方法。本方法首先针对现有不平衡数据集进行划分操作，计算出需要生成的样本数量，并得到目标多数类以及目标少数类。然后需要设计遗传编程的演化过程，每个子种群利用设计好的演化过程，独立演化目标样本；适应度函数采用基于距离与角度的双准则评价函数，选择算子采用基于锦标赛选择法改进的适用于双准则评价的选择算法；子种群演化的目标为获得最佳的合成实例。然后从每个演化后的子种群中选择出一个最佳个体作为合成实例，最后将选择的个体与原始数据集组合得到一个完整的平衡数据集。
-
公开(公告)号：CN114359972B
公开(公告)日：2024-12-03
申请号：CN202210046395.3
申请日：2022-01-13
Applicant: 大连理工大学
Abstract: 本发明属于深度学习、目标检测领域，涉及一种基于注意力机制的遮挡行人检测方法。通过本发明构建一个新型的基于注意力机制与遮挡处理的行人检测器SKGNet，将轻量级的选择性核与空间分组增强注意力模块SKG嵌入到ResNet‑101网络的标准残差块中，构建出高效的特征提取骨干网络SKGNet‑101，有助于网络提取到更关键的特征信息，并提高特征图的表达能力。并且针对拥挤场景中的行人遮挡情况，提出了一个掩膜调制模块，以提高遮挡行人的检测性能。通过掩膜模块调制后的特征可以帮助后续的分类网络以更高的置信度检测部分或严重遮挡的行人，否则可能会被忽略而检测失败。
-
公开(公告)号：CN112364757B
公开(公告)日：2022-10-21
申请号：CN202011242807.8
申请日：2020-11-09
Applicant: 大连理工大学
IPC: G06V40/20 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明属于计算机视觉领域，涉及视频中的人体动作识别，用于定位和分类视频中人体行为动作，具体为一种基于时空注意力机制的人体动作识别方法。本发明所提供的基于空间变换网络的注意力机制，获取与人体运动相关的区域，从而捕获动作之间的细节变化；本发明所提供的局部区域与全局特征进行融合的方法，加强了人体动作的表示；本发明所提供的全局特征描述符，将来自空间信息、时间信息以及时空交互信息进行聚合来区分人体行为动作，提高识别效果。
-
公开(公告)号：CN111553071B
公开(公告)日：2022-10-14
申请号：CN202010338084.5
申请日：2020-04-26
Applicant: 大连理工大学
IPC: G06F30/20 , G06N3/00 , G06F111/06
Abstract: 本发明属于演化智能计算和多目标优化问题的交叉领域，涉及一种基于随机嵌入辅助模型的高维多目标演化优化方法，可以更加有效地搜寻到全局最优解集。本发明是一种基于随机嵌入辅助系统模型并行运行的双模态演化优化方法，通过这个方法来搜寻全局最优解集。本发明弥补了随机嵌入的随机性所带来的优化搜索缺陷，并利用随机嵌入的高效性，加快了整体的搜索效率。
-
公开(公告)号：CN111739051B
公开(公告)日：2022-10-04
申请号：CN202010490335.1
申请日：2020-06-02
Applicant: 大连理工大学
IPC: G06T7/174
Abstract: 本发明属于计算机视觉与机器学习的交叉领域，一种基于残差网络的多序列MRI图像分割方法，首先将数据集中的MRI多序列作为输入图像的多个通道进行合并处理，并对分割序列进行分离，分离为不同类别的分割图。本发明在经典的编码器解码器分割网络的基础上引入了残差网络，用残差单元代替原来的编码解码网络。利用残差单元内的跳转连接，提取更多的局部特征。增加了同一层级残差单元之间的跳转连接，实现了全局特征的提取。此外，针对MRI图像中目标区域与背景区域在图像中所占比例相差大而导致的分割类别不平衡问题，本发明将交叉熵损失与Dice损失线性结合，并对Dice损失加权来解决该问题。
-
Patent Agency Ranking
公开(公告)号：CN112348075B
公开(公告)日：2022-09-20
申请号：CN202011206336.5
申请日：2020-11-02
Applicant: 大连理工大学
Abstract: 本发明属于多模态情感计算、深度学习领域，涉及一种基于情景注意力神经网络的多模态情感识别方法。通过本发明方法，针对情感多模态信息进行特征提取和基于注意力机制的特征融合操作，能够有效提取各模态之间的相互作用，然后将得到的特征向量送入神经网络。通过神经网络中嵌入的情景注意力模块来挖掘说话人个人情感依赖特征和全局对话情景特征在空间和通道上的关联性，达到更优的分类效果，更好地针对对话中目标说话人进行情感分析并做出情绪状态判断。
-
公开(公告)号：CN112364757A
公开(公告)日：2021-02-12
申请号：CN202011242807.8
申请日：2020-11-09
Applicant: 大连理工大学
Abstract: 本发明属于计算机视觉领域，涉及视频中的人体动作识别，用于定位和分类视频中人体行为动作，具体为一种基于时空注意力机制的人体动作识别方法。本发明所提供的基于空间变换网络的注意力机制，获取与人体运动相关的区域，从而捕获动作之间的细节变化；本发明所提供的局部区域与全局特征进行融合的方法，加强了人体动作的表示；本发明所提供的全局特征描述符，将来自空间信息、时间信息以及时空交互信息进行聚合来区分人体行为动作，提高识别效果。
-
公开(公告)号：CN114218715B
公开(公告)日：2024-09-17
申请号：CN202111574118.1
申请日：2021-12-21
Applicant: 大连理工大学
IPC: G06F30/17 , G06F30/27 , G06F18/23213 , G06N3/126 , G06F111/08
Abstract: 本发明公开一种基于多任务优化算法的机械臂结构设计方法，不同于传统多任务优化算法在全部任务中随机选择任务进行迁移的方式，而是根据任务表示特征的相似程度，将它们分为大小适中的小组，并在组内相似的任务间进行知识迁移。本发明增加有效知识迁移发生的概率，降低计算成本，更好地适用于任务规模较大的场景。在知识迁移的方式上，本发明在继承传统多任务优化算法中从最好的解决方案中进行知识迁移的策略基础上，引入从进步较快任务和任务更新轨迹信息中进行知识迁移的方式，并自适应地调整从这三种方式中迁移知识量的大小，充分发掘同组内相似任务之间有效知识的迁移潜力，促使机械臂在各个任务上得到收敛速度更快、表现更好的解决方案。
-
公开(公告)号：CN118012607A
公开(公告)日：2024-05-10
申请号：CN202410094795.0
申请日：2024-01-23
Applicant: 大连理工大学
IPC: G06F9/50 , G06F18/23213 , G06N3/006 , G06N3/094
Abstract: 本发明属于人工智能应用技术领域，涉及一种基于生成对抗网络的大规模边缘服务器部署方法。针对已有方法在大规模空间上部署时不能很好地兼顾多个优化指标的问题，提出了一种基于生成对抗网络的边缘服务器部署方法，旨在在复杂场景下实现边缘服务器的均衡部署。步骤如下：建模边缘服务器和路边单元的网络拓扑结构；构建车联网场景下边缘服务器部署模型；建模边缘服务器部署的平均时延、工作负载均衡和部署成本；执行基于生成对抗网络的大规模多目标优化算法优化种群；依据非支配排序和聚类得到边缘服务器部署方案。本发明作为一种基于生成对抗网络的大规模多目标优化的边缘服务器部署方法，可广泛应用于边缘服务器部署领域。
-
公开(公告)号：CN115983108A
公开(公告)日：2023-04-18
申请号：CN202211617595.6
申请日：2022-12-15
Applicant: 大连理工大学
Abstract: 本发明属于智能优化技术领域，涉及一种基于社会文化传播的智能体形态演化方法。本发明在智能体形态演化过程中采取了一个新的高度可并行化的框架，用于同时对多个智能体进行控制器的学习和形态演化，从而允许利用计算的可扩展性。在演化下一代个体时，采用了一种遗传传递策略来传递智能体的形态属性，引入了新颖性搜索，对于形态多样性进行控制，增加个体之间的平均距离，使得种群分布范围更广。因此，进化过程陷入局部最优的概率较低，可以并行探索更多不同的搜索方向。根据智能体之间的相似度进行水平文化传播和垂直文化传播，并且自动调整智能体之间的信息迁移系数，以增加正向知识迁移，提高了智能体学习的效率。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.025 seconds)
