-
公开(公告)号：CN111419220A
公开(公告)日：2020-07-17
申请号：CN202010227774.3
申请日：2020-03-27
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
摘要： 一种基于共振稀疏分解的十二导联心电信号房颤检测方法，根据房颤信号的特点，利用共振稀疏分解对心电信号进行处理，将分解出的低共振分量部分送入神经网络中进行训练，逐个导联训练后通过投票算法（Voting）将各训练模型得出的概率进行联合运算，得到最终的检测结果，用于房颤检测时无需额外手工提取其他特征，网络结构简单，缩短了运算时间，可以实现实时房颤信号检测。针对房颤信号中“P波消失，出现F波”的表现特点，以共振稀疏分解为基础，突出房颤信号特点，通过简单的神经网络结构，保准准确率的基础上减少了运算时间。
-
公开(公告)号：CN116129143B
公开(公告)日：2023-09-08
申请号：CN202310100687.5
申请日：2023-02-08
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
摘要： 一种基于串并联网络特征融合的边缘阔提取方法，属于医学影像边缘轮廓提取技术领域，科学有效的捕获了CTA影像轮廓细节信息，自动学习不同的特征权重，强化目标区域特征，又将不同分辨率的特征图转换为高分辨率特征图并融合，提高CTA影像轮廓清晰度，保证了信息的完整性。该网络结构并没有增加网络的横向深度，而是纵向扩展了网络，增加了模型的非线性，降低了相邻像素点的相关性，更有利于清晰边缘的提取。
-
公开(公告)号：CN115357805B
公开(公告)日：2023-06-16
申请号：CN202210920144.3
申请日：2022-08-02
申请人： 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院 , 齐鲁工业大学
IPC分类号： G06F16/9536 , G06N3/0464 , G06N3/042 , G06N3/08
摘要： 一种基于内外部视角的群组推荐方法，基于外部视角，将群组与餐厅和用户与餐厅的交互看作两个独立的过程，利用图卷积分别学习这两种交互行为中隐含的偏好信息，使模型学习到用户作为个体时的个人偏好以及群组作为整体时的固定偏好。基于内部视角，将群组决策过程中成员之间存在的互动商讨过程考虑在内，采用图注意力神经网络学习此过程中产生的成员间的相互影响，使模型能够准确捕捉受影响后的成员偏好变化。基于内部视角，不同成员在群组中的作用与影响力不同，导致在群组决策中的贡献度不同，采用注意力机制学习成员贡献度大小，能够以一种动态的方式学习聚合策略，更好的权衡不同成员的偏好，解决偏好冲突问题。
-
公开(公告)号：CN113868537B
公开(公告)日：2022-07-05
申请号：CN202111212853.8
申请日：2021-10-19
申请人： 山东省人工智能研究院 , 齐鲁工业大学 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06F16/9536 , G06F16/9538 , G06Q30/02 , G06Q30/06
摘要： 一种基于多行为会话图融合的推荐方法，使用目标用户和相似用户的联合多行为序列数据构建多行为带权无向会话图。在此基础上，根据不同权重聚合邻居信息得到项目多行为嵌入，串联项目多行为嵌入并结合注意力机制获取用户兴趣表征。最终，使用项目嵌入和用户兴趣表征进行内积得到归一化分数决定是否推荐项目。相较其他会话型推荐方法，一是从建模用户多行为序列数据，能够得到包含更多行为意图的项目嵌入；二是将序列构建为带权无向图，解除了聚合邻居信息时的单向束缚，模型能学习到项目间的双向关系；三是使用相似用户补充目标用户数据，模型能够学习到没有出现在目标用户历史数据中的“新颖”的项目，进而提高推荐结果的多样性和准确性。
-
公开(公告)号：CN111737569B
公开(公告)日：2022-05-03
申请号：CN202010498841.5
申请日：2020-06-04
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06F16/9535 , G06N3/04 , G06N3/08 , G06Q30/06
摘要： 一种基于属性感知注意图卷积神经网络的个性化推荐方法，利用属性信息缓解了稀疏性问题；提出了基于用户‑商品‑属性交互图的图卷积神经网络推荐算法缓解了属性缺失问题；通过属性感知的注意力机制对用户偏好建模，提升了模型的推荐效果，并可以通过对用户的偏好建模进行推荐。
-
公开(公告)号：CN111460953B
公开(公告)日：2021-05-18
申请号：CN202010221886.8
申请日：2020-03-26
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
摘要： 一种基于对抗域自适应学习的心电信号分类方法，使用多尺度特征提取模块提取的特征是高度域不变的，减少了域间差异，源域样本训练的模型也可以在目标域上更好的应用，网络训练结束后，保存最优模型，将新的心拍样本输入到保存的最优模型中，获得最终分类效果。使用多特征提取器可以增加特征的丰富性，更加全面的提取心电信号的细节信息，同时使用对抗域自适应学习的方法，可改善不同域样本分布不同的现象，获得高度概括源域样本和目标域样本之间的域不变特征，通过这些特征训练一个对目标域高度适用的分类模型，可提高数据分布不同的跨域心电信号的分类精度。
-
公开(公告)号：CN111737569A
公开(公告)日：2020-10-02
申请号：CN202010498841.5
申请日：2020-06-04
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06F16/9535 , G06N3/04 , G06N3/08 , G06Q30/06
摘要： 一种基于属性感知注意图卷积神经网络的个性化推荐方法，利用属性信息缓解了稀疏性问题；提出了基于用户-商品-属性交互图的图卷积神经网络推荐算法缓解了属性缺失问题；通过属性感知的注意力机制对用户偏好建模，提升了模型的推荐效果，并可以通过对用户的偏好建模进行推荐。
-
公开(公告)号：CN111460956A
公开(公告)日：2020-07-28
申请号：CN202010222769.3
申请日：2020-03-26
申请人： 山东科技大学 , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06K9/00 , G06N3/04 , A61B5/0402
摘要： 一种基于数据增强与损失加权的不平衡心电样本分类方法，通过对数据进行相应的处理实现了数据增强，增强了心拍样本的多样性和代表性，防止过拟合现象的发生；并通过批处理加权损失函数，使每一类心拍样本的权重处于一个动态的非线性变化的过程，得到一个较优的处理心拍类别样本不平衡的方法，分类结果优于现有的最先进的分类方法。可以积极推动便携式心律失常时检测设备的发展。
-
公开(公告)号：CN114741572B
公开(公告)日：2024-07-23
申请号：CN202210364463.0
申请日：2022-04-08
申请人： 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC分类号： G06F16/9035 , G06F16/9038 , G06F16/906
摘要： 一种基于图卷积神经网络群组发现的群组推荐方法，根据电影主题类别将用户—电影交互数据划分为数据子集，使用各数据子集构建用户—电影交互图，通过图卷积网络从交互图中学习用户/电影嵌入表示，然后利用Kmeans算法进行群组发现，通过均值融合策略，将群组成员嵌入表示融合为群组嵌入表示，最后将群组嵌入表示与电影嵌入表示进行内积得到群组对电影的预测偏好得分，根据偏好得分向群组推荐电影。侧重于群组发现阶段的用户嵌入获取方法，考虑了群组的内部一致性对群组推荐算法性能的影响，将用户—电影的交互信息融入用户/电影的特征信息之中，提高了群组发现中的用户嵌入表示的准确度，进而增强了群组推荐算法的性能。
-
公开(公告)号：CN117338310A
公开(公告)日：2024-01-05
申请号：CN202311523667.5
申请日：2023-11-16
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： A61B5/346
摘要： 一种基于对比学习和多尺度特征提取的心电信号分类方法，涉及心电信号分类技术领域，SE‑ResNeXt‑CAN网络模型由浅层特征提取模块、第一SERM模块、第二SERM模块、第一CARM模块、第二CARM模块构成，SE‑ResNeXt‑CAN网络模型通过多个模块的组合和优化，自适应地学习各个通道之间的关联性，扩大感受野，充分捕捉关键特征，提升了心电信号分类任务的性能和泛化能力。
-
-
-
-
-
-
-
-
-
搜索结果
376 条记录 (耗时 0.079 秒)
