公开(公告)号：CN118780318A

公开(公告)日：2024-10-15

申请号：CN202410921639.7

申请日：2024-07-10

Applicant: 吉林大学

Inventor： 陈贺昌 ,  赵松伟 ,  常毅 ,  江原 ,  张斯诺 ,  宋玖蔓

IPC: G06N3/042 ,  G06F18/213 ,  G06N3/047 ,  G06N3/08 ,  G06F18/241

Abstract: 本申请提供了一种图神经网络训练方法、标签生成方法、装置、设备及介质，该方法应用于图数据技术领域，该方法包括：获取训练图数据中第i个节点数据的目标邻域结构与所述第i个节点数据的样本标签；基于所述目标邻域结构中的邻居节点数据的原始节点特征，对所述第i个节点数据的原始节点特征进行特征聚合，得到所述第i个节点数据的平滑特征；将所述第i个节点数据的平滑特征输入至待训练的图神经网络，输出所述第i个节点数据的目标预测标签；基于所述第i个节点数据的目标预测标签和所述样本标签之间的差异，对所述待训练的图神经网络进行迭代训练，得到训练后的图神经网络。该方法能够适用对不同图结构中节点的标签进行预测。

公开(公告)号：CN118298648A

公开(公告)日：2024-07-05

申请号：CN202410269549.4

申请日：2024-03-11

Applicant: 吉林大学

Inventor： 杜昕祺 ,  陈贺昌 ,  常毅 ,  邢永恒 ,  张斯诺

IPC: G08G1/083 ,  G08G1/08 ,  G08G1/065 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/094 ,  G06N3/092 ,  G06N3/0895

Abstract: 本发明属于智能交通控制技术领域，具体公开了基于多智能体强化学习的多路口交通信号灯公平控制方法，设计了一种新型的公平性度量指标，并提出了一种公平性感知的多智能体强化学习方法，可以在确保模型性能不受影响的前提下，提供相对公平的动作决策；提出了反事实数据增强的模块，通过利用反事实思想，基于已有的交互数据实现数据集的扩展，有利于丰富交互数据的多样性，进而在交互数据收集受限的任务中提高训练样本效率；设计了辅助自监督表示学习任务，通过状态之间天然的时序关系构建自监督表示学习损失，额外训练损失的引入有利于状态信息特征提取，提升模型训练样本效率。

公开(公告)号：CN119761454A

公开(公告)日：2025-04-04

申请号：CN202510248451.5

申请日：2025-03-04

Applicant: 吉林大学

Inventor： 陈贺昌 ,  胡纪锋 ,  张斯诺 ,  黄思理 ,  杨哲健 ,  常毅

IPC: G06N3/092 ,  G06N3/04

Abstract: 本申请提供了一种空间对齐与选择性权重激活的持续离线强化学习方法，包括：针对持续学习任务序列中的每一个任务，使用该任务对应的数据集，利用量化空间对齐方法将状态空间和动作空间对齐，以得到相同空间下的状态序列和动作序列；获取单时间步奖励序列，并利用奖励函数计算出累积折扣奖励和序列；基于该任务的状态序列，将累积折扣奖励和序列作为扩散模型的条件信息，利用被激活的扩散模型生成给定状态序列，再利用逆动力学模型生成给定动作序列；将各任务累积的折扣奖励和的最大化作为目标，进行持续强化学习，以更新各任务对应的扩散模型参数，和逆动力学模型参数。该方法使各任务的强化学习过程在同样的空间上进行，并有效缓解了灾难性遗忘。

公开(公告)号：CN118553429B

公开(公告)日：2024-10-11

申请号：CN202411021046.1

申请日：2024-07-29

Applicant: 吉林大学

Inventor： 陈贺昌 ,  于博 ,  丛乐乐 ,  张斯诺 ,  丛宪玲 ,  贾成友 ,  吴望华 ,  孙琳 ,  王正实 ,  杨建设 ,  吕中伟 ,  杨晓丽 ,  范恒伟 ,  陈海冰 ,  江礼俊

IPC: G16H50/30 ,  G16H50/20 ,  G16H10/40 ,  G06T7/00 ,  G06N3/0464 ,  G06V10/764

Abstract: 本申请提供了一种代谢性疾病的智能预测模型训练及类别预测方法，包括：利用特制的采集工具，获取多个代谢性疾病患者的指甲样本，并对所述指甲样本进行代谢性疾病类别的标识；针对每一个指甲样本，分别采集该指甲样本的拉曼光谱图像和扫描电子显微图像；将所述拉曼光谱图像和扫描电子显微图像输入至代谢性疾病的智能预测模型，以输出代谢性疾病的类别以及各类别对应的预测概率，并基于所述代谢性疾病的类别以及各类别对应的预测概率与所述代谢性疾病类别的标识之间的损失，更新所述代谢性疾病的智能预测模型的参数。通过该方法能够实现快速、非侵入性的代谢性疾病的预测，为医疗决策提供即时的科学依据，以增强医疗服务的质量和效率。

公开(公告)号：CN118553429A

公开(公告)日：2024-08-27

申请号：CN202411021046.1

申请日：2024-07-29

Applicant: 吉林大学

Inventor： 陈贺昌 ,  于博 ,  丛乐乐 ,  张斯诺 ,  丛宪玲 ,  贾成友 ,  吴望华 ,  孙琳 ,  王正实 ,  杨建设 ,  吕中伟 ,  杨晓丽 ,  范恒伟 ,  陈海冰 ,  江礼俊

IPC: G16H50/30 ,  G16H50/20 ,  G16H10/40 ,  G06T7/00 ,  G06N3/0464 ,  G06V10/764

Abstract: 本申请提供了一种代谢性疾病的智能预测模型训练及类别预测方法，包括：利用特制的采集工具，获取多个代谢性疾病患者的指甲样本，并对所述指甲样本进行代谢性疾病类别的标识；针对每一个指甲样本，分别采集该指甲样本的拉曼光谱图像和扫描电子显微图像；将所述拉曼光谱图像和扫描电子显微图像输入至代谢性疾病的智能预测模型，以输出代谢性疾病的类别以及各类别对应的预测概率，并基于所述代谢性疾病的类别以及各类别对应的预测概率与所述代谢性疾病类别的标识之间的损失，更新所述代谢性疾病的智能预测模型的参数。通过该方法能够实现快速、非侵入性的代谢性疾病的预测，为医疗决策提供即时的科学依据，以增强医疗服务的质量和效率。

公开(公告)号：CN117540214A

公开(公告)日：2024-02-09

申请号：CN202311677765.4

申请日：2023-12-07

Applicant: 吉林大学

Inventor： 陈贺昌 ,  杜昕祺 ,  常毅 ,  邢永恒 ,  张斯诺 ,  赵松伟 ,  宋玖蔓 ,  刘天一 ,  杨哲健

IPC: G06F18/214 ,  G06N20/00 ,  G06F17/18 ,  G06F18/211

Abstract: 本说明书公开了一种智能体训练方法、装置、存储介质及电子设备，其中方法包括：获取环境向量、智能体的局部状态向量和动作向量进行拼接，得到智能体的全局向量，采用对比模块对全局向量进行计算，得到目标向量，采用集成评价网络对目标向量进行评价得到样本评分，对样本评分进行处理得到预估评分，计算对比模块、策略网络和集成评价网络的损失函数，基于损失函数对网络参数进行调整，直至损失函数指示收敛，得到训练完成的对比模块、策略网络和集成评价网络，采用本说明书，采用对比模块辅助评价网络进行训练增加额外的损失函数，提高目标向量的表示能力，并通过集成式评价网络减少预估时产生的误差，提高了智能体训练模型的样本训练效率。