-
公开(公告)号：CN116128074A
公开(公告)日：2023-05-16
申请号：CN202310067220.5
申请日：2023-01-16
申请人： 西安电子科技大学
IPC分类号： G06N20/20 , G06F18/241 , G06N3/0464 , G06N3/098
摘要： 本发明公开了一种面向小样本数据的个性化联邦元学习方法，应用于服务器，包括：确定与自身通信连接的各个客户端的分类任务数量，并分配训练任务和测试任务，以使每个客户端基于训练任务和测试任务，利用元学习算法和用户数据对待训练的神经网络进行训练及测试，并在获得第一分类模型后上传第一分类模型的至少部分网络参数；接收各个客户端上传的至少部分网络参数并进行聚合，得到第一类网络参数；将第一类网络参数发送至各个客户端，以使每个客户端对第一分类模型进行更新，得到第二分类模型。针对小样本数据分类的问题，本发明通过聚合各客户端Base层的当前网络参数来聚合不同客户端的异构模型，进而实现个性化联邦学习。
-
公开(公告)号：CN109784192B
公开(公告)日：2023-04-18
申请号：CN201811561744.5
申请日：2018-12-20
申请人： 西安电子科技大学
摘要： 本发明公开一种基于超像素特征提取神经网络算法的高光谱影像分类方法，包括：高光谱影像经像素点标记和超像素分割处理获得带有像素点标记的超像素和未带像素点标记的超像素；利用超像素特征提取神经网络以带有像素点标记的超像素为输入对象进行网络训练，再利用训练好的超像素特征提取神经网络对未带像素点标记的超像素进行处理得到分类图；所述的超像素特征提取神经网络包括多个叠加的子网络层，每层子网络层由全连接的特征提取层、池化层、特征拼接层和批标准化层组成。本发明减少了监督学习方法中对样本标记数目的依赖；通过设计的神经网络对超像素的提取，兼顾了超像素个体像素以及全体像素的深度特征信息，使特征更鲁棒。
-
公开(公告)号：CN115331044A
公开(公告)日：2022-11-11
申请号：CN202210737913.6
申请日：2022-06-27
申请人： 西安电子科技大学
IPC分类号： G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于自适应学习传播的图节点分类方法，包括以下步骤：步骤100，对图结构数据集进行预处理后划分为训练集、测试集和验证集；步骤200，在初始图神经网络中对节点特征信息进行图卷积操作以对节点特征信息进行更新；步骤300，对初始图神经网络的网络权重w和层聚合操作权重α进行更新；步骤400，确定第二网络权重；步骤500，对第二网络权重进行优化得到目标网络权重；步骤600，将测试集输入目标操作权重α*和目标网络权重确定的目标网络结构中，输出分类结果。本发明采用基于数据驱动的方法自适应的学习网络结构，更好的发挥图神经网络的表示能力；并通过在图卷积操作中添加单位映射，来缓解图神经网络中存在的过平滑问题。
-
公开(公告)号：CN117034523A
公开(公告)日：2023-11-10
申请号：CN202311062189.2
申请日：2023-08-22
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于改进NSGA‑II的组网雷达优化部署方法，根据节点雷达的数量、待布站区域信息，确定出第一父代种群个体，迭代次数置1；确定出各第一父代种群个体对应的函数值、拥挤距离、Pareto等级；确定是否存在子代种群个体，若否执行S4，若是执行S5；对第一父代种群个体进行自适应交叉变异处理，得到子代种群个体；将第一父代种群个体和子代种群个体合并为目标种群，确定目标种群个体的Pareto等级；根据目标种群个体及所属的Pareto等级，得到第二父代种群个体；迭代次数加1后与目标迭代次数比较，若小于则将第二父代种群个体作为第一父代种群个体重新执行S2至S7，若大于则得到布站方案，以提供更优的布站方案。
-
公开(公告)号：CN115374953A
公开(公告)日：2022-11-22
申请号：CN202210795895.7
申请日：2022-07-07
申请人： 西安电子科技大学
IPC分类号： G06N20/20 , G06K9/62 , G06F17/16 , G06F16/9535
摘要： 本发明涉及一种基于联邦矩阵分解的个性化社交推荐方法，应用于客户端，包括：获取客户端的初始预测模型，根据初始预测模型和客户端用户行为特征，提取初始预测模型的模型梯度集合，将其发送至服务器端；根据接收的更新梯度集合，得到客户端商品特征的条件分布，其中，更新梯度集合为服务器端对模型梯度集合进行处理得到的；获取客户端社交关系特征的条件分布；根据客户端商品特征的条件分布和客户端社交关系特征的条件分布，构建客户端预测模型，确定该模型的目标函数；利用目标函数对客户端预测模型进行优化，利用优化后的客户端预测模型实现用户推荐。本发明方法在保护用户的隐私的同时保持推荐程序的性能。
-
公开(公告)号：CN118296233A
公开(公告)日：2024-07-05
申请号：CN202410429567.4
申请日：2024-04-10
申请人： 西安电子科技大学
IPC分类号： G06F16/9535 , G06F16/36 , G06Q10/0639 , G06Q50/10
摘要： 本发明公开了一种面向决策能力的即插即用型交互服务方法，包括：获取用户输入信息；对用户输入信息进行预处理，提取包含交互服务类型信息的特征向量；将包含交互服务类型信息的特征向量输入经训练的深度神经网络模型中，获得最优交互服务类型；构建分布式交互服务仓库，根据最优交互服务类型从分布式交互服务仓库中选择合适的交互服务模块；调用所选的交互服务模块，并根据用户输入信息获得服务结果；评估交互服务效果，并根据用户情绪状态优化交互服务体验。本发明通过深度神经网络确定最优的交互服务类型，可以达到根据用户需求和场景特征向量动态地确定用户所需要的交互服务类型的效果。
-
公开(公告)号：CN116433944A
公开(公告)日：2023-07-14
申请号：CN202310207529.X
申请日：2023-03-06
申请人： 西安电子科技大学
IPC分类号： G06V10/762 , G06V10/26 , G06V20/58 , G01S17/931 , G01S7/48
摘要： 本发明公开了一种基于车载激光雷达的障碍物识别方法，涉及点云数据处理技术领域，包括：获取原始点云数据；对原始点云数据进行预处理操作，得到预处理后的点云数据；对预处理后的点云数据再进行分割地面操作，得到保留障碍物点云数据；根据保留障碍物点云数据，构建极坐标栅格图；其中，障碍物极坐标栅格图包括多个栅格；根据相对距离阈值，获取栅格聚类的自适应径向搜索步长；使用区域生长法标记符合自适应径向搜索步长要求的栅格，得到不同类别的栅格集合；将不同类别的栅格集合转换为不同类别的点云数据集合，得到障碍物信息。本发明能够在保证对障碍物目标快速识别的基础上，提高识别精度。
-
公开(公告)号：CN116227547A
公开(公告)日：2023-06-06
申请号：CN202310066929.3
申请日：2023-01-17
申请人： 西安电子科技大学
IPC分类号： G06N3/0464 , G06N3/0442 , G06N3/08
摘要： 本发明公开了一种基于自适应差分隐私的联邦学习模型优化方法，包括：获取多个客户机的本地数据，并对预选的相应神经网络进行训练，得到每个本地模型的模型参数；对每个本地模型中的每一层网络进行独立评估，并根据评估结果对每一层网络的模型参数自适应地设置差分隐私噪声预算；同时，基于卷积核的绝对权值对每一层网络的层内结构进行评估，并根据评估结果对层内卷积核的模型参数自适应地添加差分隐私噪声预算；将所有客户机本地模型的模型参数上传至服务器，并对模型参数进行聚合；重复上述操作，直至神经网络模型收敛或到达指定聚合轮数，得到训练好的联邦学习模型。该方法可以在保证隐私保护级别的同时，最大程度的保证结果的准确性。
-
公开(公告)号：CN115422989A
公开(公告)日：2022-12-02
申请号：CN202210875405.4
申请日：2022-07-21
申请人： 西安电子科技大学
摘要： 本发明公开了一种面向神经网络的无监督聚类算法、装置及其电子设备，涉及网络技术领域，包括：获取多个神经网络，并从中选取基准网络；获取基准网络和除基准网络之外的神经网络的隐含元素相似度；基于基准网络的隐含元素相似度和除基准网络之外的神经网络的隐含元素相似度，逐层进行最大二分权匹配，得到匹配结果；按照匹配结果，调整除基准网络之外的神经网络的各层的权重连接顺序。本申请大幅提高聚类准确度和聚合后的模型性能。
-
公开(公告)号：CN118334739A
公开(公告)日：2024-07-12
申请号：CN202410416585.9
申请日：2024-04-08
申请人： 西安电子科技大学
摘要： 本发明提供了基于双流时空图卷积网络的课堂行为识别方法及装置。其中，方法包括：获取待识别行为数据；对待识别行为数据进行跟踪滤波处理，得到待识别滤波数据；将待识别滤波数据输入预训练行为识别模型，得到行为识别结果；预训练行为识别模型为通过骨骼时空特征、头部姿态特征和面部表情特征融合训练得到；骨骼时空特征为对待识别滤波数据进行位置分析和运动分析提取得到。在本发明中，通过对待识别滤波数据进行位置分析和运动分析获取骨骼时空特征，强化了骨骼关键点特征的时空关系，增强了模型的泛化能力；通过骨骼时空特征、头部姿态特征和面部表情特征融合获取行为识别结果，增加了特征的全面性，有效地提高了学生课堂行为识别的准确度。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.029 秒)
