-
公开(公告)号：CN115422442B
公开(公告)日：2024-01-19
申请号：CN202210976839.3
申请日：2022-08-15
Applicant: 暨南大学
IPC: G06F16/9535 , G06F16/2457 , G06Q30/0601 , G06N3/042 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/084
Abstract: 本发明公开一种面向冷启动推荐的对抗自编码迁移学习方法，通过五个步骤处理物品冷启动问题，首先构建正负超图。然后利用多层感知机获取暖用户、冷用户的常规特征。构建超图自编码器，分别获取暖用户和物品的正、负特征，并重构正、负超图。开发一个匹配判别器，用以最小化暖用户正、负特征的分类损失以及暖用户的正特征和常规特征之间的分布差距。由此，暖用户的正特征和常规特征被连接起来，而暖用户的正特征与物品的正特征通过正超图相关联，使冷启动用户的常规特征与物品的正特征的关系被发现，计算冷用户的常规特征和物品的正特征的欧式距离并排序，向用户推荐Top‑K个物品，并用精度、召回率、NDCG、击中率为指标在多个现实数据集上验证本方法的优越性。本方法有效解决冷启动问题，为用户提供更加精确且个性化的推荐建
-
公开(公告)号：CN115424262A
公开(公告)日：2022-12-02
申请号：CN202210933026.6
申请日：2022-08-04
Applicant: 暨南大学
IPC: G06V20/70 , G06V10/77 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种用于优化零样本学习的方法，具体涉及数据处理领域。本发明通过利用了视觉和语义特征共享的潜在概念，提出匹配它们潜在的视觉和语义表示，并引入了视觉和语义特征损失的重构以减少域移和信息损失，从而将重构正则化添加到相似的特征中，通过所提出的方法获得保留知识的共享概念；在数学上该问题被表述为其潜在公共子空间的相互正交投影的最小化问题，将该问题分解为两个子问题，利用基于巴兹莱‑波温步长的搜索算法进一步解决了这两个子问题；精度优于现有的ZSL方法。
-
公开(公告)号：CN114999628B
公开(公告)日：2023-06-02
申请号：CN202210445525.0
申请日：2022-04-26
Applicant: 暨南大学
IPC: G16H50/20 , G16H50/30 , G16H50/70 , G06F18/2411 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种利用机器学习寻找退行性膝骨关节炎显著性特征方法，具体涉及智能医疗技术领域，包括以下具体步骤：S1.采集临床就诊患者的中医和西医信息，对信息预处理，构建膝骨关节炎特征数据集；S2.利用自编码器的特征降维特性去训练编码器学习膝骨关节炎的风险性特征；S3.使用6种现有的特征选择算法对膝骨关节炎特征数据集进行特征排序；S4.利用SVM分类器训练模型；S5.取出6种算法结果中高频出现的特征，并对比自编码器与传统特征选择方法对于选择风险性因素的效果。本发明筛选出的风险性因素可为中医诊断膝骨关节炎提供科学可靠的参考，构建更为准确可靠的疾病辨识模型。
-
公开(公告)号：CN110852699A
公开(公告)日：2020-02-28
申请号：CN201910958930.0
申请日：2019-10-10
Applicant: 暨南大学
Abstract: 本发明公开了一种档案电子化智能管理系统及方法，该系统包括项目管理模块、设置员工信息和员工权限的员工管理模块、获取打卡时间并设置考勤规则的考勤管理模块、按照设定的工作流程执行多种任务处理的工作信息实时获取模块，以及对档案工作管理情况进行监控的监控分析模块；项目管理模块包括项目信息定义单元和项目信息管理单元，项目信息定义单元根据不同的档案进行不同的分类管理以及个性化著录字段定义，并且通过设置工作流程规定工作周期，并设定图片存储路径以及图片存储格式；项目信息管理单元对已定义的项目信息进行查询、修改、删除。本发明实现了档案的自定义流程管理和OCR图片识别处理，提高工作效率，节约管理成本。
-
公开(公告)号：CN119167170A
公开(公告)日：2024-12-20
申请号：CN202411232039.6
申请日：2024-09-04
Applicant: 暨南大学
IPC: G06F18/241 , G06F18/22 , G06F18/213 , G06N3/0464 , G06N3/045 , G06N3/096 , G06N3/09
Abstract: 本发明公开了一种基于迁移学习的跨时段脑电运动想象分类方法，具体涉及运动脑机接口领域，包括：S1.利用数据预处理得到源域与目标域脑电数据；S2.利用基于注意力的可分离卷积神经网络提取频率、空间和时间信息；S3.利用监督学习最小化源域样本数据的分类损失；S4.利用迁移学习最大化源域与目标与样本特征之间的相似性，以训练适用于跨时段脑电的神经网络；S5.用训练的模型对目标域进行分类，并与选定几种常用先进算法对比在公开数据集上的运动想象分类效果。并验证了跨时段问题在运动脑机接口中普遍存在。发明提出的方法提供科学可靠的运动想象分类方案，构建了比选定几种常用先进算法更高准确度的运动想象分类模型。
-
Patent Agency Ranking
公开(公告)号：CN115422442A
公开(公告)日：2022-12-02
申请号：CN202210976839.3
申请日：2022-08-15
Applicant: 暨南大学
IPC: G06F16/9535 , G06F16/2457 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种面向冷启动推荐的对抗自编码迁移学习方法，通过五个步骤处理物品冷启动问题，首先构建正负超图。然后利用多层感知机获取暖用户、冷用户的常规特征。构建超图自编码器，分别获取暖用户和物品的正、负特征，并重构正、负超图。开发一个匹配判别器，用以最小化暖用户正、负特征的分类损失以及暖用户的正特征和常规特征之间的分布差距。由此，暖用户的正特征和常规特征被连接起来，而暖用户的正特征与物品的正特征通过正超图相关联，使冷启动用户的常规特征与物品的正特征的关系被发现，计算冷用户的常规特征和物品的正特征的欧式距离并排序，向用户推荐Top‑K个物品，并用精度、召回率、NDCG、击中率为指标在多个现实数据集上验证本方法的优越性。本方法有效解决冷启动问题，为用户提供更加精确且个性化的推荐建议。
-
公开(公告)号：CN109598658A
公开(公告)日：2019-04-09
申请号：CN201811449819.0
申请日：2018-11-30
Applicant: 暨南大学
IPC: G06Q50/20 , G06F16/33 , G06F16/332
Abstract: 本发明公开了一种新生入学服务系统和方法，该系统包括：彼此连接的后台服务端和移动终端；所述后台服务端包括：用户管理模块、语料管理模块和消息管理模块；所述移动终端包括：安全性身份验证模块、机器问答模块、校内信息模块和新生报到指引模块；所述机器问答模块，和消息管理模块连接，用于接收学生输入的问题；所述消息管理模块，还和语料管理模块，用于根据问题通过预先训练好的模型生成回答，并将回答返回给机器问答模块；所述校内信息模块，和学校官方通知网站相连，用于发布校内信息；所述新生报到指引模块，用于针对不同报到阶段让学生获取图文并茂的报到指引，实现了“一对多”的高效问答服务，打破人力物力不足的局限。
-
公开(公告)号：CN117746131A
公开(公告)日：2024-03-22
申请号：CN202311762968.3
申请日：2023-12-20
Applicant: 暨南大学
IPC: G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0895 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种面向半监督节点和超边分类的超图协作网络方法，涉及超图学习技术领域，包括超图协作网络，它是由三个主要部分组成，用于学习节点表示的节点编码器、用于学习超边表示的超边编码器和用于重构超图的解码器，该方法同时考虑了前一个节点和超边的信息以获得信息丰富的潜在表示，进一步引入超图重构误差作为正则化器来学习有效的分类器，能够解决半监督场景下的超图节点分类和超边分类的问题，并用准准确率、精度、召回率、F1分数、精准匹配率、0/1损失在多个基准数据集上与现有的几种方法进行比较，实验结果表明本方法的优越性。
-
公开(公告)号：CN117313024A
公开(公告)日：2023-12-29
申请号：CN202311130384.4
申请日：2023-09-04
Applicant: 暨南大学
IPC: G06F18/25 , A61B5/11 , A61B5/389 , G06F18/213 , G06F18/27 , G06F18/24 , G06N3/0442 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种可迁移的多模态融合连续预测方法，具体涉及多模态生物信号分析技术领域，包括以下步骤：设计实验范式和多模态生理信号采集系统采集多模态生理信号，以肌肉电信号、陀螺仪信号作为训练数据，虚拟现实信号作为真实标签，然后设计同时预测膝关节角度和对应步态相位的神经网络，然后评估设计的神经网络的预测表现，为被试提供更加精确的膝关节角度和对应步态相位的预测。本发明是关于膝关节角度和步态相位的可迁移的多模态融合连续预测方法，用于处理被试的多模态生理信号，为被试提供更精确且个性化的预测。
-
公开(公告)号：CN109598658B
公开(公告)日：2023-05-02
申请号：CN201811449819.0
申请日：2018-11-30
Applicant: 暨南大学
IPC: G06Q50/20 , G06F16/33 , G06F16/332
Abstract: 本发明公开了一种新生入学服务系统和方法，该系统包括：彼此连接的后台服务端和移动终端；所述后台服务端包括：用户管理模块、语料管理模块和消息管理模块；所述移动终端包括：安全性身份验证模块、机器问答模块、校内信息模块和新生报到指引模块；所述机器问答模块，和消息管理模块连接，用于接收学生输入的问题；所述消息管理模块，还和语料管理模块连接，用于根据问题通过预先训练好的模型生成回答，并将回答返回给机器问答模块；所述校内信息模块，和学校官方通知网站相连，用于发布校内信息；所述新生报到指引模块，用于针对不同报到阶段让学生获取图文并茂的报到指引，实现了“一对多”的高效问答服务，打破人力物力不足的局限。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.017 seconds)
