-
公开(公告)号：CN113221882B
公开(公告)日：2022-12-09
申请号：CN202110512070.5
申请日：2021-05-11
Applicant: 西安交通大学
Abstract: 本发明公开了一种面向课程领域的图像文本聚合方法及系统，将对象特征及邻接矩阵作为输入构建图像对应的对象关系图，利用图卷积神经网络更新关系图中节点的特征；将所有语块特征向量的集合作为整个文本描述的特征表示；以对象特征集合和步语块特征集合作为输入，构建图文对之间的局部相似度矩阵；计算整个课程领域图像和文本描述之间的全局相似度；通过梯度下降法训练图文匹配模型的参数，通过已学习到的参数得出全局相似度最高的一段文本描述作为和该张图像相匹配的描述文本，实现图像文本聚合。本发明能够有效提取课程领域图像和文本描述的特征，从而将课程领域示意图和文本知识碎片聚合，进而自动化构建跨模态的知识碎片。
-
公开(公告)号：CN112494727B
公开(公告)日：2022-09-30
申请号：CN202011384319.0
申请日：2020-11-30
Abstract: 本发明公开了一种促VEGF分泌的水凝胶/丝素纳米纤维/神经干细胞集成移植体及其制备方法和应用，属于生物组织医学工程技术领域。包括：多糖基水凝胶/神经干细胞凝胶通过多巴胺粘附于丝素纳米纤维支架中，构成多糖基水凝胶/丝素纳米纤维/神经干细胞的集成移植体；其中，多糖基水凝胶为自愈合可注射多糖基水凝胶。本发明将包埋神经干细胞的多糖基水凝胶通过多巴胺粘附于丝素纳米纤维支架间的空隙，构建所述多糖基水凝胶/丝素纳米纤维/神经干细胞的集成移植体，能够促进细胞分泌VEGF，填充缺损部位，为神经干细胞粘附、增殖、定向分化成神经元提供所需的为微环境，实现能够应用于治疗脑缺血损伤，具有促进神经干细胞扩增分化领域的应用。
-
公开(公告)号：CN108197424A
公开(公告)日：2018-06-22
申请号：CN201810026932.1
申请日：2018-01-11
Applicant: 西安交通大学
IPC: G06F19/00
CPC classification number: G16Z99/00
Abstract: 本发明展示大规模网络教育中网络学习行为幂律分布概率建模方法，1.得出服从幂律分布的网络学习行为B的初始影响因素集合Fori；2.将相关系数大于给定相关系数阈值r的因素加入候选影响因素集合Fcon；3.将与网络学习行为B之间具有因果关系的因素加入最终影响因素集合F；4.提出网络学习行为幂律分布的概率模型假设；5.建立学习者在具体某天进行学习活动的概率模型；6.对所有学习者在课程周期内的学习过程进行模拟。本发明建立了通用的网络学习行为概率模型以及学习过程生成算法，适用于多种网络学习行为，可以基于模型对学习者在课程后续阶段的学习表现进行预测，从而对教学计划进行动态调整，及时做出补救措施。
-
公开(公告)号：CN113221882A
公开(公告)日：2021-08-06
申请号：CN202110512070.5
申请日：2021-05-11
Applicant: 西安交通大学
Abstract: 本发明公开了一种面向课程领域的图像文本聚合方法及系统，将对象特征及邻接矩阵作为输入构建图像对应的对象关系图，利用图卷积神经网络更新关系图中节点的特征；将所有语块特征向量的集合作为整个文本描述的特征表示；以对象特征集合和步语块特征集合作为输入，构建图文对之间的局部相似度矩阵；计算整个课程领域图像和文本描述之间的全局相似度；通过梯度下降法训练图文匹配模型的参数，通过已学习到的参数得出全局相似度最高的一段文本描述作为和该张图像相匹配的描述文本，实现图像文本聚合。本发明能够有效提取课程领域图像和文本描述的特征，从而将课程领域示意图和文本知识碎片聚合，进而自动化构建跨模态的知识碎片。
-
公开(公告)号：CN112494727A
公开(公告)日：2021-03-16
申请号：CN202011384319.0
申请日：2020-11-30
Abstract: 本发明公开了一种促VEGF分泌的水凝胶/丝素纳米纤维/神经干细胞集成移植体及其制备方法和应用，属于生物组织医学工程技术领域。包括：多糖基水凝胶/神经干细胞凝胶通过多巴胺粘附于丝素纳米纤维支架中，构成多糖基水凝胶/丝素纳米纤维/神经干细胞的集成移植体；其中，多糖基水凝胶为自愈合可注射多糖基水凝胶。本发明将包埋神经干细胞的多糖基水凝胶通过多巴胺粘附于丝素纳米纤维支架间的空隙，构建所述多糖基水凝胶/丝素纳米纤维/神经干细胞的集成移植体，能够促进细胞分泌VEGF，填充缺损部位，为神经干细胞粘附、增殖、定向分化成神经元提供所需的为微环境，实现能够应用于治疗脑缺血损伤，具有促进神经干细胞扩增分化领域的应用。
-
Patent Agency Ranking
公开(公告)号：CN108304519A
公开(公告)日：2018-07-20
申请号：CN201810068490.7
申请日：2018-01-24
Applicant: 西安交通大学
Abstract: 一种基于图数据库的知识森林构建方法，包括构建实例化知识主题分面树的步骤、生成知识主题间认知关系的步骤以及存储知识森林数据的步骤。本发明根据采集到的各类课程数据，通过查询主题、分面和关系数据库，以及对知识碎片集合多层分类构建实例化知识主题分面树，然后通过计算不同主题下文本知识碎片间相似度生成主题间认知关系，最后基于图数据库设计知识森林数据存储格式，从而实现知识森林的构建和存储。本发明构建实例化知识主题分面树的过程缓解了认知过载问题，生成知识主题间认知关系的过程缓解了认知迷航问题，存储知识森林数据的步骤保证了数据的持久化，也解决了关系型数据库无法很好支持大规模数据和复杂关系存储的问题。
-
公开(公告)号：CN107943985A
公开(公告)日：2018-04-20
申请号：CN201711242488.9
申请日：2017-11-30
Applicant: 西安交通大学
CPC classification number: G06F17/30268 , G06K9/6215 , H03M7/3059
Abstract: 本发明涉及一种基于跨媒体稀疏主题编码的图像自动标注方法，先由多媒体文档中的图像生成图像词，并利用词袋模型将多媒体文档中的注释词表示成向量，得到处理后的多媒体文档；根据处理后的多媒体文档和概率主题模型，获得图像跨媒体稀疏主题编码模型；利用最大后验概率估计方法，获得多媒体文档中图像词、注释词和两者的关系编码变量的联合分布式，并采用拉普拉斯先验和超高斯对联合分布式中的图像词编码、多媒体文档编码以及关系编码进行建模；使用坐标下降法对跨媒体稀疏主题编码模型进行优化求解，之后计算图像编码和注释词编码之间的余弦相似度进行图像标注。本发明标注时间和空间复杂度降低，在保证图像标注准确率的同时保证效率。
-
公开(公告)号：CN105260356B
公开(公告)日：2018-02-06
申请号：CN201510654583.4
申请日：2015-10-10
Applicant: 西安交通大学
IPC: G06F17/27
Abstract: 本发明公开了一种基于多任务学习的中文交互文本情感与话题识别方法：在中文交互文本的特征提取阶段，本发明结合中文交互文本的交互特性提取交互文本的倾向性特征；在情感与话题识别阶段，本发明采用基于上下文的多任务分类模型构建方法对交互文本的训练样本进行多任务分类模型构建；针对e‑Learning系统中新用户或不活跃用户的倾向性特征数据缺失导致分类效果差的问题，本发明采用随机游走与多任务学习相结合的方法来识别新用户或不活跃用户情感与话题的类别。
-
公开(公告)号：CN109711463B
公开(公告)日：2023-04-07
申请号：CN201811594302.0
申请日：2018-12-25
Applicant: 广东顺德西安交通大学研究院
IPC: G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明一种基于注意力的重要对象检测算法，包括步骤1，建立基于注意力的重要对象检测模型；步骤2，基于注意力的对象定位对基于注意力的重要对象检测模型进行训练；步骤3，利用完成训练的基于注意力的重要对象检测模型对图像的重要对象进行检测。通过考虑人类视觉系统的特点，人类在识别图像时并不会察看图像的所有区域，而是会立即被图像中感兴趣的区域吸引而重点观察这些区域，从而进一步识别和理解整幅图像的语义。从而本发明将图像检测算法和图像注释算法结合起来，利用图像注释算法提供的注意力，快速检测图像中最有可能最在重点对象的区域，大大减少了图像中重点对象的检测时间，提高了对象检测的准确率。
-
公开(公告)号：CN108304519B
公开(公告)日：2020-08-18
申请号：CN201810068490.7
申请日：2018-01-24
Applicant: 西安交通大学
Abstract: 一种基于图数据库的知识森林构建方法，包括构建实例化知识主题分面树的步骤、生成知识主题间认知关系的步骤以及存储知识森林数据的步骤。本发明根据采集到的各类课程数据，通过查询主题、分面和关系数据库，以及对知识碎片集合多层分类构建实例化知识主题分面树，然后通过计算不同主题下文本知识碎片间相似度生成主题间认知关系，最后基于图数据库设计知识森林数据存储格式，从而实现知识森林的构建和存储。本发明构建实例化知识主题分面树的过程缓解了认知过载问题，生成知识主题间认知关系的过程缓解了认知迷航问题，存储知识森林数据的步骤保证了数据的持久化，也解决了关系型数据库无法很好支持大规模数据和复杂关系存储的问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.027 seconds)
