一种基于FFDNet的图像去噪方法、装置及存储介质

    公开(公告)号:CN118691495A

    公开(公告)日:2024-09-24

    申请号:CN202410834383.6

    申请日:2024-06-26

    摘要: 本发明涉及数字图像处理技术领域,尤其涉及一种基于FFDNet的图像去噪方法、装置及存储介质。本发明方法先对原始图像进行下采样操作,获得子图片,并对子图片添加随机的噪声,生成张量;其次以张量为输入,通过卷积网络执行多次卷积,并在每次卷积后对卷积结果进行零填充操作;再将最后一次卷积并零填充后得到的结果进行上采样操作,得到处理图像;然后将处理图像与原始图像做差异描述,根据差异描述来更新所述卷积网络的参数;最后重复前述方法,直到达到预设的训练次数,得到最优的卷积网络的参数。本方法获得的去噪卷积网络的去噪效果远强于传统去噪算法;其与DNCNN网络去噪效果接近,但是其能保留细节和边缘信息,解决了DNCNN泛用性和灵活性差的缺点。

    基于深度学习的方面情感分类系统

    公开(公告)号:CN118606824A

    公开(公告)日:2024-09-06

    申请号:CN202410769523.6

    申请日:2024-06-14

    摘要: 本发明涉及文本分析技术领域,尤其是基于深度学习的方面情感分类系统,包括方面级情感分类模型,所述方面级情感分类模型包括词嵌入模块,用于对待分析文本中的若干句子进行转化,采用向量的形式进行表示,生成句子的嵌入向量Hc;语义特征提取模块,用于根据所述词嵌入向量Hc,通过多头自注意力机制,生成第i个自注意力的输出#imgabs0#上下文特征提取模块,用于分析各单词间的情感语义关系,生成上下文句法特征向量Hss;方面词特征提取模块,用于生成方面词和连接词的特征矩阵Ha;情感极性分类模块,用于根据上下文句法特征向量Hss、方面词和连接词的特征矩阵Ha,生成方面情感参数#imgabs1#采用本方案,能够提升分类结果的准确性。

    一种基于光网络大数据的视频业务客户体验质量预测方法

    公开(公告)号:CN118171196B

    公开(公告)日:2024-07-16

    申请号:CN202410606274.9

    申请日:2024-05-16

    摘要: 本发明涉及光网络大数据分析技术领域,具体涉及一种基于光网络大数据的视频业务客户体验质量预测方法,包括采集宽带网络性能数据和宽带网络视频业务数据进行预处理,建立宽表模型,采集宽带网络视频业务数据进行筛选,得到关键运行质量性能指标,并进行质差标识,得到用户质差标签数据;根据用户质差标签数据,基于嵌入法进行特征选择,得到质差用户和好感用户样本打标数据,关联质差用户和好感用户样本打标数据与光网络关键性能指标,构建LightGBM感知预测模型,并进行迭代优化,识别宽带业务潜在的质差用户。通过实时诊断和预测光网络运营不良的客户体验,协助进行网络故障诊断,并通过对网络故障的实时处理来保障和改善客户体验。

    基于深度学习的文本摘要生成方法、设备以及存储介质

    公开(公告)号:CN116737918A

    公开(公告)日:2023-09-12

    申请号:CN202310697101.8

    申请日:2023-06-13

    摘要: 本发明提供了基于深度学习的文本摘要生成方法、设备以及存储介质。所述方法包括:获取词向量序列,并将词向量序列输入词级编码器获取词级编码;将词级编码输入上下文提取单元获取上下文信息;将上下文信息输入上下文编码器获取上下文信息编码;对词级编码和上下文信息编码进行综合解码运算,获取文本摘要。本发明涉及文本摘要自动生成技术领域,解决了现有技术中的文本摘要生成方法存在句子连贯性差以及信息错误的问题。

    基于图注意力网络的文本情感分析方法

    公开(公告)号:CN116702753A

    公开(公告)日:2023-09-05

    申请号:CN202310724825.7

    申请日:2023-06-19

    摘要: 本发明提供了基于图注意力网络的文本情感分析方法。包括:基于向量模型对上下文文本进行向量化表示,获取句子词向量和方面词向量;基于Bert预训练模型处理句子词向量和方面词向量获取句子词编码;图注意网络模型GAT基于句法依存树处理句子词向量获取句法信息矩阵;图注意网络模型GAT基于多头自注意力机制处理句子词编码获取语义信息矩阵;基于相互连接向量分别处理句法信息矩阵和语义信息矩阵,获取句法特征矩阵和语义特征矩阵;基于句法特征矩阵和语义特征矩阵获取情感概率分布。解决了现有技术中确定每个评论对象表达情感的上下文范围不准确致情感分析偏差的技术问题。

    一种基于DW-Tempotron算法的图像分类方法

    公开(公告)号:CN113408612B

    公开(公告)日:2023-04-07

    申请号:CN202110676198.5

    申请日:2021-06-18

    摘要: 本发明公开了一种基于DW‑Tempotron算法的图像分类方法,其包括以下步骤:在Tempotron算法的基础上获取DW‑Tempotron算法;初始化DW‑Tempotron算法的参数;获取突触后神经元分别在+模式下的膜电压和‑模式下的膜电压;进行训练并更新延迟和突触权重;判断训练轮次是否达到迭代次数,若是则采用当前DW‑Tempotron算法进行图像分类;否则继续训练。本方法通过对输入脉冲的时间进行调整进而直接去影响突触后神经元的点火时间从而提高了学习效率,本方法提出的DW‑Tempotron算法相比传统的Tempotron算法具有更高的学习效率和准确率。

    一种基于人工智能的网络流量检测装置

    公开(公告)号:CN114915575A

    公开(公告)日:2022-08-16

    申请号:CN202210624678.1

    申请日:2022-06-02

    摘要: 本发明公开了一种基于人工智能的网络流量检测装置,属于网络空间安全和计算机深度学习领域。本发明装置先通过特征提取模块中的卷积神经网络提取空间特征、循环神经网络提序列特征,然后通过特征融合模块对提取的空间特征和序列特征进行融合得到新的特征集输出至分类器模块完成网络流量分类。相较于传统基于机器学习的网络流量分类,本发明新特征集中包含有更多的网络流量特征,且融合得到新特征集的过程中通过注意力机制的使用,对各项特征进行了合理分配,有效提升了分类准确率。

    基于图卷积网络融合句法依存与词性的中文情感分析方法

    公开(公告)号:CN114881042A

    公开(公告)日:2022-08-09

    申请号:CN202210625855.8

    申请日:2022-06-02

    摘要: 本发明提供一种基于图卷积网络融合句法依存与词性的中文情感分析方法,采用词向量模型对上下文文本和方面词进行向量化表示;词向量模型将每个待分析的中文文本矩阵与文本中单词的词性标注矩阵进行拼接操作将图卷积网络中的编码部分与长短期记忆网络进行融合;多头交互注意力网络对具有上下文特征的隐藏层向量和具有语义信息的隐藏层向量分别通过多头注意力得到经过注意力值加权之后的向量矩阵;将两个隐层向量矩阵与交互多头注意力机制输出的两个矩阵的池化结果进行拼接得到融合后的文本表示再通过Softmax进行概率计算确定情感极性。本发明将中文中的词性标记与向量表示融合,特征提取既拥有强大特征提取能力,在中文数据集的情感分析上有良好的表现。

    一种基于DW-Tempotron算法的图像分类方法

    公开(公告)号:CN113408612A

    公开(公告)日:2021-09-17

    申请号:CN202110676198.5

    申请日:2021-06-18

    摘要: 本发明公开了一种基于DW‑Tempotron算法的图像分类方法,其包括以下步骤:在Tempotron算法的基础上获取DW‑Tempotron算法;初始化DW‑Tempotron算法的参数;获取突触后神经元分别在+模式下的膜电压和‑模式下的膜电压;进行训练并更新延迟和突触权重;判断训练轮次是否达到迭代次数,若是则采用当前DW‑Tempotron算法进行图像分类;否则继续训练。本方法通过对输入脉冲的时间进行调整进而直接去影响突触后神经元的点火时间从而提高了学习效率,本方法提出的DW‑Tempotron算法相比传统的Tempotron算法具有更高的学习效率和准确率。