-
公开(公告)号：CN113312918B
公开(公告)日：2022-05-17
申请号：CN202110647232.6
申请日：2021-06-10
IPC: G06F40/295 , G06F16/33 , G06K9/62 , G06N3/04
Abstract: 本发明提供了一种融合部首向量的分词和胶囊网络法律命名实体识别方法，其特征在于,具体包括以下步骤：S1：分词；S2：构建法律数据集；S3：提取句间特征；S4：提取句子内部特征H；S5：将语料句子内部特征和句间特征联合表示。通过本发明的技术方案，提升词向量的表征能力，使特征提取阶段不需要繁杂的网络，结构就能得到丰富的上下文信息，提升了小规模领域标注数据集上的分词效果，帮助NER任务进行数据预处理，找到准确的实体边界，增强模型在法律领域的适应性，能够在具有特殊实体表示形式和构词方法的法律领域实现精度较高的命名实体识别结果。法律领域的命名实体识别可以在智能司法中起到重要的帮助作用，帮助提取文本中的关键信息。
-
公开(公告)号：CN118864255B
公开(公告)日：2025-02-25
申请号：CN202411345762.5
申请日：2024-09-26
IPC: G06T3/4053 , G06T5/70 , G06T5/60 , G06N3/0455 , G06N3/048 , G06N3/0495 , G06N3/082 , G06N3/084 , G06N5/04
Abstract: 本发明涉及一种基于扩散模型的轻量图像超分辨率学习方法，属于图像超分辨率技术领域。包括以下步骤：S1：正向过程；S2：预测噪声；S3：稀疏动量；S4：训练过程；S5：反向过程。通过本发明的技术方案，能够提高图像超分的速度，使扩散模型在反向推理阶段不需要按照设定的最大时间步来进行图像去噪，帮助扩散模型优化了预测噪声的模式，并且采用的稀疏动量方法，进一步减少模型的参数，让模型在稀疏的网络下能达到稠密网络的性能，显著提升图像超分辨率的速度与效率，同时在减少计算需求的基础上保持高精度输出。
-
公开(公告)号：CN118900366A
公开(公告)日：2024-11-05
申请号：CN202411104778.7
申请日：2024-08-13
Applicant: 临沂大学
IPC: H04N23/95 , H04N25/60 , G06T3/4053 , G06T3/4046 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及光学成像和深度学习技术领域，提出了基于混合神经网络模型的红外单像素成像方法及装置，包括如下步骤：根据训练得到的二值编码图案，获取与待成像目标对应的一维欠采样红外单像素探测信号；将获取的红外单像素探测信号输入至训练后的基于CNN‑Mamba混合神经网络模型，得到成像目标的重构图像；所述基于CNN‑Mamba混合神经网络模型包括CNN基的编码器，Mamba基的解码器，以及多尺度注意力融合模块。本发明的模型能够在欠采样的情况下实现高质量、高效率和高鲁棒性的红外单像素成像，解决了现有重构方法存在的重构质量和效率不高的问题。
-
公开(公告)号：CN118899044A
公开(公告)日：2024-11-05
申请号：CN202411388862.6
申请日：2024-10-08
Applicant: 临沂大学
Abstract: 本发明涉及一种基于Mamba的药物‑靶标相互作用预测方法，属于自然语言处理技术领域。其包括以下步骤：S1.获取药物和靶标蛋白的分子序列，对所述药物和靶标蛋白的分子序列进行处理，得到药物和靶标蛋白的子结构序列；S2.构建基于Mamba的药物‑靶标相互作用预测模型，所述模型包括嵌入层、Mamba层、混合注意力机制层、条件参数卷积层以及全连接层；S3.所述药物和靶标蛋白的子结构序列经过所述基于Mamba的药物‑靶标相互作用预测模型，得到药物靶标相互作用预测概率。本发明通过结合混合注意力和条件参数卷积提高了药物‑靶标相互作用预测的准确度和效率。
-
公开(公告)号：CN118864255A
公开(公告)日：2024-10-29
申请号：CN202411345762.5
申请日：2024-09-26
IPC: G06T3/4053 , G06T5/70 , G06T5/60 , G06N3/0455 , G06N3/048 , G06N3/0495 , G06N3/082 , G06N3/084 , G06N5/04
Abstract: 本发明涉及一种基于扩散模型的轻量图像超分辨率学习方法，属于图像超分辨率技术领域。包括以下步骤：S1：正向过程；S2：预测噪声；S3：稀疏动量；S4：训练过程；S5：反向过程。通过本发明的技术方案，能够提高图像超分的速度，使扩散模型在反向推理阶段不需要按照设定的最大时间步来进行图像去噪，帮助扩散模型优化了预测噪声的模式，并且采用的稀疏动量方法，进一步减少模型的参数，让模型在稀疏的网络下能达到稠密网络的性能，显著提升图像超分辨率的速度与效率，同时在减少计算需求的基础上保持高精度输出。
-
Patent Agency Ranking
公开(公告)号：CN118072862B
公开(公告)日：2024-08-23
申请号：CN202410494036.3
申请日：2024-04-24
Applicant: 临沂大学
Abstract: 本发明涉及药物知识图谱和人工智能技术领域，具体设计一种多模态药物知识图谱的知识表征与推理方法，步骤如下：构建多模态药物知识图谱，分析整合药物主成分的化学结构，并将这些信息融入药物知识图谱中；提取多模态药物知识图谱中的药物特征，包括药物主成分的化学分子式结构等知识，然后通过图神经网络技术提取分子结构式的拓扑结构特征对药物特征进行表示；通过路径的图卷积算法筛选出待推理药物‑药物之间的路径，然后以查询药物为中心广度遍历生成的子图对待推理药物‑药物的关系路径规则进行表示；预测推理结果得分。本发明提高了药物互作用预测的准确性，还为药物知识图谱的应用提供了新视角和方法。
-
公开(公告)号：CN117975314A
公开(公告)日：2024-05-03
申请号：CN202410369741.0
申请日：2024-03-29
Applicant: 临沂大学
IPC: G06V20/17 , G06V10/62 , G06V10/82 , G06V10/80 , G06N3/0499 , G06N3/084 , G06N3/0464
Abstract: 本申请涉及一种无人机多模态跟踪方法，本方法通过模板图像、搜索区域图像和文本的组合特征，基于Transformer编码层进行特征提取和模态交互，通过截取搜索区域部分的特征输入至前馈神经网络进行分类和回归，基于得到的分类响应图、偏移量和尺度大小计算追踪目标的最终边界框；本申请，解决了当前目标追踪技术无法适配无人机视角变化快、视野高的问题。本申请能够提升目标追踪的性能，优化追踪效果。
-
公开(公告)号：CN113486667B
公开(公告)日：2024-03-05
申请号：CN202110846235.2
申请日：2021-07-26
IPC: G06F40/295 , G06F40/284 , G06F40/211 , G06F18/25 , G06F18/214 , G16H10/60
Abstract: 本发明提供了一种基于实体类型信息的医疗实体关系联合抽取方法，包括对医疗文本数据集进行预处理；将训练数据句子中的每一个词转化成对应的词向量，构建词嵌入层；根据医疗文本的词向量表示，获取具有特征信息的文本特征向量表示；通过分层的指针标注方法，并融合实体类型信息，抽取出医学文本中的关系三元组。本发明将实体类型信息加入到医疗实体关系联合抽取训练模型中，实体类型信息与上下文信息对于关系抽取模型同样重要，融合了实体类型信息的模型使得实体与关系之间的依赖性更强，联系更为紧密，增强了实体关系抽取模型的性能；基于分层的指针网络模型，将关系建模为主语到宾语的映射，较好的处理医疗文本数据中存在的实体关系重叠问题。
-
公开(公告)号：CN117423020B
公开(公告)日：2024-02-27
申请号：CN202311743263.7
申请日：2023-12-19
Applicant: 临沂大学
IPC: G06V20/17 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/084 , G06V10/774
Abstract: 本发明公开一种检测无人机小目标的动态特征和上下文增强方法，属于无人机数据图像处理技术领域。具体包括：S1对智能无人机拍摄的图像进行预处理；S2对处理后的图像数据进行训练数据集、验证数据集和测试数据集的划分；S3基于无人机采集的数据集构建一种动态特征和上下文增强的小目标检测模型；S4使用S2中的训练数据集和验证数据集对S3搭建的检测模型进行训练、验证和优化，并将得到的最优模型权重进行保存；S5将S2中的测试数据集输入S3中构建的模型，通过加载S4中的最优模型权重，以检测无人机拍摄的小目标。相比现有技术，本发明模型有更少的参数量和计算量，能搭载到无人机设(56)对比文件Bo Fang,Dong Zhu,Yayun Cheng,FeiHu.Hidden object detection based onprobabilistic fuzzy fusion and fishervectors in passive millimeter-waveimages《.2023 IEEE InternationalGeoscience and Remote Sensing Symposium》.2023,第6462-6465页.
-
公开(公告)号：CN117423020A
公开(公告)日：2024-01-19
申请号：CN202311743263.7
申请日：2023-12-19
Applicant: 临沂大学
IPC: G06V20/17 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/084 , G06V10/774
Abstract: 本发明公开一种检测无人机小目标的动态特征和上下文增强方法，属于无人机数据图像处理技术领域。具体包括：S1对智能无人机拍摄的图像进行预处理；S2对处理后的图像数据进行训练数据集、验证数据集和测试数据集的划分；S3基于无人机采集的数据集构建一种动态特征和上下文增强的小目标检测模型；S4使用S2中的训练数据集和验证数据集对S3搭建的检测模型进行训练、验证和优化，并将得到的最优模型权重进行保存；S5将S2中的测试数据集输入S3中构建的模型，通过加载S4中的最优模型权重，以检测无人机拍摄的小目标。相比现有技术，本发明模型有更少的参数量和计算量，能搭载到无人机设备中进行实时监测，成本降低。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.077 seconds)
