-
公开(公告)号：CN119445194A
公开(公告)日：2025-02-14
申请号：CN202411356507.0
申请日：2024-09-27
Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06V10/764 , G06N3/084 , G06N3/0464 , G06N3/0895 , G06T7/00 , G06T7/73
Abstract: 本发明公开了一种位置自监督的结直肠CT图像病变识别与定位方法，其通过自动化图像级分类和Patch级定位，显著减少医生工作量，并通过自监督学习减少对标注数据的依赖，具体包括构建多模态CT扫描序列数据集，关键帧选取与标注，图像预处理，以及结直肠CT图像识别与定位网络的构建和训练；网络包含图像级分类分支和Patch级定位分支，后者通过病变位置自监督模块增强病变区域识别；方法还包括时序和模态一致性约束，以提高病变区域位置定位的准确性；此外，方法通过掩码校正回路策略，增强类别标签与病变位置的一致性；本发明方法作为辅助工具，能够有效辅助医生进行手术规划和治疗选择，具有重要的临床应用价值。
-
公开(公告)号：CN119130492A
公开(公告)日：2024-12-13
申请号：CN202411234924.8
申请日：2024-09-04
Applicant: 浙江大学宁波“五位一体”校区教育发展中心
IPC: G06Q30/018 , G06Q50/50 , G06F18/213 , G06F18/24 , G06F18/2135 , G06N3/048
Abstract: 一种针对快速变异信息的小样本电信反欺诈方法和装置，其方法包括：利用通用大模型构建特征抽取器；利用新数据收集支撑数据集；利用通用大模型收集支撑数据集的特征向量；获取支撑数据集的表征向量表达，组装特征矩阵；训练扩展小模型以适配新的数据风险。本发明首先收集小样本的支持数据集，通常为几条至几十条不等，然后利用超大规模语言模型对支撑文本进行数值特征转换，保留文本语义的同时降低大样本的需求；接着在支撑文本的样例空间进行降维，保留对新风险识别精度最大贡献的维度，最后在新特征空间中训练小模型完成新风险的识别。本发明针对快速变异的电信反欺诈识别问题，提供一种可持续发展的可快速迭代的小样本电信欺诈风险识别方法。
-
公开(公告)号：CN119129655A
公开(公告)日：2024-12-13
申请号：CN202411106683.9
申请日：2024-08-13
Applicant: 国网智能电网研究院有限公司 , 国网山东省电力公司济南供电公司 , 国网信息通信产业集团有限公司 , 中国电力科学研究院有限公司 , 浙江大学 , 国家电网有限公司
Inventor： 张希 , 王博 , 陈江琦 , 周飞 , 张国梁 , 王勇 , 刘晗 , 徐康 , 郭鹏天 , 王晓辉 , 李黎 , 陈勇 , 陈霞 , 梁栋 , 张纪伟 , 张若冰 , 邱镇 , 卢大玮 , 宋明黎 , 宋杰 , 王万国 , 袁弘
IPC: G06N3/0464 , G06N3/082 , G06N3/045 , G06V10/82
Abstract: 本发明提供了一种卷积网络掩码方法、系统、设备及存储介质，包括：对于卷积模块中卷积核大于设定阈值的卷积层，引入与输入特征图相同宽、高的分组矩阵，并为所述分组矩阵设置分组索引；每个输出位置在执行卷积的时间，从与所述分组矩阵同一位置上分组索引相同的区域取值并计算，得到带掩码的卷积计算结果。本发明提出一种带掩码的卷积计算方法，实现了将卷积集成到掩码图像建模自监督预训练方法中，同时还实现了高效并行计算。
-
公开(公告)号：CN117011525A
公开(公告)日：2023-11-07
申请号：CN202310880957.9
申请日：2023-07-18
Applicant: 浙江大学
IPC: G06V10/26 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0985 , G06N3/0495
Abstract: 一种面向视觉大模型的解耦优化算法和系统，其算法包括以下步骤：1)提取类别语义特征；2)类别语义特征优化；3)根据类别语义信息压缩模型参数。本发明找到与特定任务相关的类别语义信息，取代交互式大模型的提示信息，完成特定任务解耦，同时通过增加硬编码，从而完成对模型架构的缩减与整体网络性能的优化。
-
公开(公告)号：CN116842708A
公开(公告)日：2023-10-03
申请号：CN202310718754.X
申请日：2023-06-16
Applicant: 浙江大学
IPC: G06F30/20 , G06F16/215 , G06F18/214 , G06F18/24
Abstract: 一种基于正则化的在线指数凹优化方法，包含：步骤1.收集公开数据集，对数据集进行数据清洗和分析；步骤2.对参数进行初始化设置；分别对四个参数进行初始化设置；步骤3.对获得的在线数据，根据学习到的模型给出决策，然后获得本轮基于真实标签与决策差异的损失；步骤4.根据损失函数信息做决策更新；决策更新主要分成两个部分：对每个损失函数中的指数凹部分执行ONS迭代、对正则化部分使用近端映射；步骤5.记录本轮学习到的参数，基于此得到一个模型，该模型用于步骤3中，然后重复步骤3和步骤4，对参数不断进行学习和更新，直至完成T轮博弈。本发明有能力利用的指数凹性来实现与ONS相同的遗憾界并达到正则化的效果。
-
Patent Agency Ranking
公开(公告)号：CN104478464B
公开(公告)日：2016-08-17
申请号：CN201410781565.8
申请日：2014-12-16
Applicant: 浙江大学
IPC: C04B38/00 , C04B35/48 , C04B35/50 , C04B35/624
Abstract: 本发明公开了一种锆酸镧多孔块体的制备方法，包括以下步骤：在室温下，分别将锆无机盐、镧无机盐和相分离诱导剂溶解在溶剂中，搅拌至得透明澄清溶液；然后加入干燥控制化学添加剂搅拌；再加入凝胶促进剂搅拌；所得的均质溶液放入密封容器中，于30℃～80℃放置10～30min，得湿凝胶；将湿凝胶置于35～80℃下陈化12～24h，接着先用低表面张力溶剂清洗后再用表面修饰剂溶液浸泡，最后再用低表面张力溶剂清洗；清洗后湿凝胶于30～90℃干燥24～72h；然后于400～1300℃热处理2～4h，得到锆酸镧多孔块体。采用该方法制备的锆酸镧多孔块体具有共连续大孔结构，孔隙率高和孔径分布集中等特点。
-
公开(公告)号：CN119446144A
公开(公告)日：2025-02-14
申请号：CN202411356079.1
申请日：2024-09-27
Applicant: 浙江大学
Abstract: 基于预训练语言模型的中文唇语识别提升方法和装置，其方法包括：构建纠错数据集，通过同音词增强和混淆矩阵数据增强方法拓展数据集规模；对纠错数据集进行预处理，通过分词模型将字符映射为对应的令牌，然后再通过嵌入层映射为词嵌入。通过预训练语言模型对纠错句子进行特征提取；预训练语言模型输出的特征通过线性错误预测层输出错误字符的位置，线性错误纠正层对错误字符进行纠正；基于错误检测损失函数和错误纠正损失函数训练纠错网络，并且在训练过程中使用填充策略提升模型的纠错准确率；基于训练好的唇语纠错网络对唇语识别结果进行改善。本发明有效地降低了自回归和非自回归模型的字符错误率，并且易于迁移到其他模型。
-
公开(公告)号：CN119005277A
公开(公告)日：2024-11-22
申请号：CN202410989398.X
申请日：2024-07-23
Applicant: 浙江大学
Abstract: 基于预训练模型参数融合的模型微调方法，包括以下步骤：1)选择是否采用现有的参数融合算法，若是，则跳转至步骤2，否则随机生成线性组合权重p并跳转至步骤3；2)通过该参数融合算法对预训练模型A与预训练模型B进行参数融合，并根据公式m＝pa+b逆向推导出p，其中a和b分别代表两个预训练模型的参数，p为线性组合权重，m为融合后模型的参数；3)通过p构建出模型P，并对P进行优化；4)通过公式m＝pa+b对两个预训练模型进行合并，得到模型M；5)对模型M进行微调。利用神经网络的学习能力获取最优的模型参数组合，尽可能消除两个模型之间的损失障碍，从而使模型在后续的微调中表现出更加优秀的性能。本方法克服了传统方法中条件过于理想，而在实际合并过程中很难达到理想状态的问题，从而更有效地消除了两个待合并模型之间的损失障碍，让合并后的模型在经过微调后的效果更加优秀。
-
公开(公告)号：CN117612178A
公开(公告)日：2024-02-27
申请号：CN202311513546.2
申请日：2023-11-14
Applicant: 国网信息通信产业集团有限公司 , 国网山东省电力公司济南供电公司 , 中国电力科学研究院有限公司 , 国网智能电网研究院有限公司 , 浙江大学 , 国网智能科技股份有限公司
Inventor： 张晓航 , 邱镇 , 卢大玮 , 王勇 , 刘晗 , 徐康 , 陈霞 , 梁栋 , 张纪伟 , 王晓辉 , 郭鹏天 , 李黎 , 陈勇 , 周飞 , 张国梁 , 王博 , 宋明黎 , 宋杰 , 王万国 , 袁弘
IPC: G06V30/148 , G06V30/19 , G06V10/82 , G06N3/0455
Abstract: 本申请实施例提供一种文档识别方法及装置，包括：获取文档图像；将文档图像输入预先构建的文档识别模型，由所述文档识别模型输出文档识别结果；其中，所述文档识别模型包括多层编码器、至少两个下采样层、特征金字塔和多层解码器，所述特征金字塔的特征图像包括其中一层编码器输出的第一尺度的特征图像、经过一个下采样层和多层编码器处理输出的第二尺度的特征图像和经过另一个下采样层和多层编码器处理输出的第三尺度的特征图像，所述特征金字塔用于对各特征图像融合处理后生成特征隐向量，多层解码器用于对所述特征隐向量处理后输出词元序列。本申请能够提高从文档图像识别文档内容的准确性。
-
公开(公告)号：CN116450738A
公开(公告)日：2023-07-18
申请号：CN202310378980.8
申请日：2023-04-11
Applicant: 浙江大学
Abstract: 基于区块链的深度神经网络模型联邦重组方法，包括：构建模型联邦重组的联盟链；设置模型联邦重组的智能合约；存储模型联邦重组过程中的数据；训练模型训练方的源模型，交由模型重组验证方进行联邦重组；模型联邦重组，模型重组验证方对源模型进行联邦重组，进而得到目标模型；计算模型训练方的贡献值。本发明还包括基于区块链的深度神经网络模型联邦重组的系统。本发明考虑到深度神经网络模型的可复用性已经单节点用户模型重组时的算力和数据的有限性，则进行多节点模型联邦重组。同时考虑联邦过程中的数据安全性及私密性，以及联邦中多节点之间合作的互不信任，建立基于Hyperledger Fabric的联盟链及智能合约，提供一种多节点安全与可信合作的方法。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.058 seconds)
