-
公开(公告)号：CN116797909A
公开(公告)日：2023-09-22
申请号：CN202310769742.X
申请日：2023-06-28
Applicant: 同济大学
IPC: G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06V10/26 , G06V10/40
Abstract: 本发明提供一种支持生成医学分割数据对的多阶段式生成对抗网络，属于医学图像生成领域，方法包括：对分割数据集内的医学图像进行解耦；将医学图像生成分为三个阶段；利用人体结构对称性获取无病灶的医学图像；使用多阶段式生成对抗网络生成多样的逼真数据对。图像解耦指利用分割掩码将医学图像分为病灶和非病灶区域，图像生成的三个阶段指非病灶区域生成、病灶区域形状的生成、非病灶和病灶区域纹理的加强。本发明为了缓解医学图像分割数据集稀缺问题，将医学图像生成过程解耦，构建了能同时生成医学图像和对应分割掩码的多阶段式生成对抗网络，通过阶段性生成复杂医学图像的不同部分，有效提升了生成图像的质量。
-
公开(公告)号：CN115457737A
公开(公告)日：2022-12-09
申请号：CN202210962804.4
申请日：2022-08-11
Applicant: 同济大学
Abstract: 本发明涉及一种单层厂房建筑火灾倒塌预警关键节点位移的实时推算方法，包括：建立单层厂房建筑的数值模型；通过数值模拟获得火灾全过程的单层厂房建筑火灾响应数据；分析得到火灾全过程中所有关键节点位移的时程曲线以及所有构件温度的时程曲线，构建数据集；构建基于循环神经网络和全连接神经网络的深度学习代理模型并训练；在火灾发生时应用训练得到的最终代理模型得到难测关键节点位移的实时时程曲线。与现有技术相比，本发明能够快速推算实际火灾现场中单层厂房建筑难以直接量测、与倒塌状态直接相关的关键节点位移数据，突破了建筑火灾倒塌预警理论与方法中关键节点位移数据难以在火场直接量测的挑战。
-
公开(公告)号：CN119228392A
公开(公告)日：2024-12-31
申请号：CN202411140883.6
申请日：2024-08-20
Applicant: 同济大学
IPC: G06Q30/018 , G06Q40/04 , G06N3/044 , G06N3/08 , G06N3/0455
Abstract: 本发明涉及关联交易检测技术领域，尤其涉及一种基于角色感知增强学习的关联交易检测方法及系统，通过分配结构角色、自适应地定制消息传递和更新函数，建立角色感知自适应消息传递机制，捕捉时间序列中的关键动态变化，创建时间上下文注意力机制，并结合变分自编码器和循环神经网络，预测图的动态演化过程；角色感知消息传递机制能够区分不同节点角色的属性和功能，增强对局部和全局结构的表示能力；时间上下文注意力机制加权集成历史时间快照，增强时序信息捕捉和动态预测；结合VAE和RNN，实现动态图的精确预测和处理。
-
公开(公告)号：CN118171210A
公开(公告)日：2024-06-11
申请号：CN202410286581.3
申请日：2024-03-13
Applicant: 同济大学
IPC: G06F18/2433 , G06Q40/08 , G06N3/042 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了一种基于预训练对比学习的图数据异常检测方法及系统，涉及图数据处理和异常检测技术领域，包括：通过历史数据集构建预训练上游模型；引入下游欺诈检测网络与预训练上游模型结合构建端到端的欺诈检测模型；通过在线学习方法更新欺诈检测模型，根据欺诈检测模型进行欺诈检测。本发明采用了对比学习在线图异常检测方法，在面对模式的变化时显示出更强的鲁棒性和高度的适应性，能够在短时间内训练出适应新变化的模型。相比于传统的在线学习方法，本发明在异常检测的准确性上有显著提高，更适合应对复杂多变的异常检测场景。这一改进不仅增强了模型对新型异常手法的快速响应能力，还确保了在实时异常检测中的高效性和准确性。
-
公开(公告)号：CN118094133A
公开(公告)日：2024-05-28
申请号：CN202311716765.0
申请日：2023-12-13
Abstract: 本发明涉及一种针对安装在SG端的同步向量测量单元的故障检测方法，包括以下步骤：S1、获取系统的参数数据，所述系统包括同步发电机和同步向量测量单元；S2、基于所述系统的参数数据，构建包括执行器误差和传感器误差的线性系统状态空间模型；S3、基于所述线性系统状态空间模型，构建系统状态和同步向量测量单元的故障观测器估计传感器误差；S4、基于所述传感器误差值计算下一检测阶段的误差阈值，并返回步骤S2得到下一检测阶段的传感器误差值；S5、判断所述下一检测阶段的传感器误差值是否小于所述误差阈值，若是，则输出故障检测结果，若否，则返回步骤S4，直至故障检测完成。与现有技术相比，本发明具有检测准确高、抗干扰能力强等优点。
-
Patent Agency Ranking
公开(公告)号：CN117094982A
公开(公告)日：2023-11-21
申请号：CN202311222669.0
申请日：2023-09-21
Applicant: 同济大学
IPC: G06T7/00 , G06T7/10 , G06V10/26 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于层次式注意力网络的医学图像半监督分割方法，包括：S1、通过基于StyleGAN2的层次式注意力生成对抗网络结构为层次式注意力生成模型；S2、通过以残差网络为骨干的编码器将生物医学图像编码到低维隐空间，然后用训练好的层次式注意力生成对抗网络生成相应的语义分割掩码；S3、对层次式注意力生成模型中的尾部双分支生成器的某一层提取的特征图应用k‑means聚类算法，并将聚类结果作为输入图像的最终分割掩码；S4、将输入图像编码到隐空间，得到了输入图像在隐空间的语义表示，实现医学图像数据集的跨域分割。根据本发明，通过将输入图像编码到隐空间，可以实现不同数据集之间的跨域分割，具有较好的半监督分割性能和跨域分割性能，可被广泛应用于医学图像分割领域。
-
公开(公告)号：CN117035978A
公开(公告)日：2023-11-10
申请号：CN202310603819.6
申请日：2023-05-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于图的贷款网络风险传染预测方法、装置及存储介质，方法步骤包括：将担保记录转化为从担保人到借款人的贷款网络；通过广度优先搜索算法从贷款网络中提取传染链，构建多级高阶消息传递网络，通过高阶消息传递层和HGA层学习级联传染过程；构建策略网络，以多个HGA层的输出作为输入，使用多头注意层生成高级嵌入表示，并生成关键企业的优先级列表；对风险缓解效果做评估并且生成智能体对应的奖励，最终推断出有高违约概率的贷款网络节点。与现有技术相比，本发明可以更有效地预测关键企业，使金融监管机构和贷款经历在金融危机发生前采取更迅速的预防措施，可避免商业银行的潜在财务损失。
-
公开(公告)号：CN116911907A
公开(公告)日：2023-10-20
申请号：CN202310654251.0
申请日：2023-06-05
Applicant: 同济大学
IPC: G06Q30/0202 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种面向重大事件预警的时空数据模式识别方法，涉及商业预测领域包括，利用特征嵌入层编码时序销量信息与事件相关协变量信息和商品画像；利用波动注意力模块检测和提取重大事件导致的异常时序波动；利用并行注意力流模块挖掘重大事件信息与业务信息与销量共同变化的模式；结合提炼的时序异常波动权重与的协变量事件信息对销量序列做出预测和修正。本发明提供的一种面向重大事件预警的时空数据模式识别方法与现有技术相比，提出一个端到端的基于注意力机制深度学习框架ECAN，成功解决不确定性重大事件背景下的时空数据模式识别与预测问题。
-
公开(公告)号：CN115457737B
公开(公告)日：2023-08-08
申请号：CN202210962804.4
申请日：2022-08-11
Applicant: 同济大学
Abstract: 本发明涉及一种单层厂房建筑火灾倒塌预警关键节点位移的实时推算方法，包括：建立单层厂房建筑的数值模型；通过数值模拟获得火灾全过程的单层厂房建筑火灾响应数据；分析得到火灾全过程中所有关键节点位移的时程曲线以及所有构件温度的时程曲线，构建数据集；构建基于循环神经网络和全连接神经网络的深度学习代理模型并训练；在火灾发生时应用训练得到的最终代理模型得到难测关键节点位移的实时时程曲线。与现有技术相比，本发明能够快速推算实际火灾现场中单层厂房建筑难以直接量测、与倒塌状态直接相关的关键节点位移数据，突破了建筑火灾倒塌预警理论与方法中关键节点位移数据难以在火场直接量测的挑战。
-
公开(公告)号：CN114549176A
公开(公告)日：2022-05-27
申请号：CN202210162187.X
申请日：2022-02-22
Applicant: 同济大学
Abstract: 本发明涉及一种基于复杂金融网络的系统性风险评估方法，具体包括以下步骤：S1、基于广度优先搜索算法获取目标企业的状况数据和担保贷款信息，建立担保网络模型，并构建所有相关的传染链，对担保网络模型和传染链动态更新；S2、根据构建的传染链，建立链内注意力神经网络和链间注意力神经网络，采用多级特征学习层计算得到传染链和风险评级的潜在风险信息；S3、建立卷积神经网络模型，根据传染链和风险评级的潜在风险信息，得到目标企业的风险等级评估结果。与现有技术相比，本发明具有提高在复杂的金融贷款网络中预测系统性风险的准确性、提高系统性风险评分的有效性、具有较高的适用性和灵活性等优点。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.03 seconds)
