-
公开(公告)号：CN113988922B
公开(公告)日：2025-04-11
申请号：CN202111254303.2
申请日：2021-10-27
Applicant: 南京大学
IPC: G06Q30/0202 , G06Q30/0201 , G06Q30/0601 , G06Q30/0251
Abstract: 本发明公开一种基于延迟时间采样的转化率模型流式更新方法，包括训练数据收集和构造步骤，权重模型和转化率模型训练步骤，流式模型更新步骤；首先收集用户的历史转化行为，然后采用延迟时间训练方法训练得到权重模型和转化率预测模型，最后利用权重模型使用流式到来的新数据对转化率预测模型进行更新。本发明的方法在实施过程中能够在较低的时延下及时更新转化率预测模型，同时避免了反馈不充分导致的模型精度下降的问题，能够实现实时性和精确性的平衡从而提高模型性能。
-
公开(公告)号：CN117612163B
公开(公告)日：2024-10-29
申请号：CN202311730723.2
申请日：2023-12-15
Applicant: 南京大学 , 复旦大学附属中山医院
Abstract: 本发明公开一种结合反绎学习与深度学习的免疫固定电泳图像识别方法，首先，获取免疫固定电泳图像及相关联的标记信息；针对少量且类别不平衡现象较为严重的样例数据，结合反绎学习引入专家知识，依照人工识别规则对样例数据进行切分和重新组合，从而实现免疫固定电泳图像的自动生成和标注；结合专家知识库，利用多任务学习范式和注意力机制设计神经网络结构，构建深度学习模型，对经反绎学习增广后的数据进行训练，获得高效且准确的分类模型；将所得到的分类模型应用于免疫固定电泳图像的识别中，准确、高效地实现免疫固定电泳图像的自动识别。
-
公开(公告)号：CN118710960A
公开(公告)日：2024-09-27
申请号：CN202410757108.9
申请日：2024-06-13
Applicant: 南京大学
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0499
Abstract: 本发明公开一种基于模型睡眠与唤醒的流式医疗图像数据分类方法，首先收集待训练的医疗图像数据，包括各种不同类别的病理图片及其标注；在唤醒阶段，原始输入经过中间网络转换为特征表示，然后进行缓存并根据现有计算资源进行调度并更新模型。在睡眠阶段，采样器通过回放从缓存数据中提取数据，调度计算资源进行反向传播更新网络，唤醒与睡眠阶段交替进行。本发明通过提出唤醒和睡眠交替进行的框架实现了提高计算效率的效果，同时避免了灾难性遗忘的问题，使得网络可以持续学习新知识，最终达到很好的预测效果。另外，通过在唤醒和睡眠的训练阶段充分考虑计算资源，实现了高效的资源调度，本发明部署方便且适用性强。
-
公开(公告)号：CN118571215A
公开(公告)日：2024-08-30
申请号：CN202410758231.2
申请日：2024-06-13
Applicant: 南京大学
IPC: G10L15/06
Abstract: 本发明公开一种基于序列建模的流式语音识别方法，从持续的语音流中收集不同种类的语音数据；利用语音数据进行序列建模训练，以构建一个能够处理序列数据和捕捉长距离依赖的语音识别模型。在此过程中，动态监控并调度计算资源，确保模型训练和数据处理的资源需求得到满足，从而优化整体运行效率。当引入新种类的语音数据时，通过序列建模技术，构建先前语音数据与新类别语音数据之间的映射关系。在更新和优化模型的阶段，再次评估并调整资源分配。本发明解决了在实时语音流中新旧语音数据持续变化的挑战，并克服了仅依靠现有模型与新收集语音数据构建新模型的限制，减少了实施过程中的资源消耗，提高了系统的适应性和灵活性。
-
公开(公告)号：CN118351367A
公开(公告)日：2024-07-16
申请号：CN202410462765.0
申请日：2024-04-17
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/084 , G06N3/096
Abstract: 本发明公开一种基于迁移学习的牙周疾病图像分类方法和系统，包括患者牙周图像的识别与筛选、牙周图像的预处理和数据集制作、预训练模型的获取、基于迁移学习的深度模型训练和更新。首先，获取医院实际拍摄的患者照片序列，并从中识别出患者的牙周正面照片，对识别出的数据进行预处理；然后，基于迁移学习方法，利用牙周数据对预训练模型进行训练与微调，最终得到一个具有泛化性的预测模型。本发明利用迁移学习的方法，使得深度模型在少量数据上仍能达到很好的分类准确率，从而降低数据收集的难度，提升牙周疾病图像识别与分类的准确率。基于端到端的思想，面向原始图片序列自动进行目标图片的识别与预测，从而降低医生的工作量，具有良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN118196406A
公开(公告)日：2024-06-14
申请号：CN202410163502.X
申请日：2024-02-05
Applicant: 南京大学 , 中国人民解放军东部战区总医院
IPC: G06V10/26 , G06V20/69 , G06V10/762 , G16H50/20 , G16H10/60
Abstract: 本申请提供了一种用于对图像进行分割处理的方法、装置及计算机可读介质。根据本申请的方法包括：获取待处理的目标图像，所述目标图像包含多个目标对象；通过使用目标分割模型和目标聚类算法来对目标图像中包含的各个目标对象进行分割处理；生成所述目标图像的分割结果信息。本申请通过结合分割模型和聚类算法来对图像中彼此交叠的细长结构的对象进行图像分割处理，并达到优异的图像分割效果；并且，根据本申请实施例的方法，通过结合分割模型和聚类算法来在精子检测的场景中对精子显微照片进行图像分割处理，准确识别和分割彼此交叠的精子尾部，整个过程无需人工参与，实现了精子自动分割，极大地提升了对显微照片中的精子进行分割的效率。
-
公开(公告)号：CN116484970B
公开(公告)日：2024-04-02
申请号：CN202310396335.9
申请日：2023-04-13
Applicant: 南京大学
Abstract: 本发明公开一种基于锚位学件的学件查搜方法，在大规模学件库（学件市场）中进行高效模型查搜，分为两个阶段：上传阶段和部署阶段。在上传阶段，使用学件聚类来结构化地组织模型，确定锚位学件；在部署阶段，学件库将所有锚位学件传给用户，用户对得到的锚位学件评估并返回评估结果给学件库，学件库根据评估结果了解用户任务，从而进一步推荐学件给用户，用户选择有益学件。通过让用户首先评估锚位学件来缩小候选学件范围，避免了遍历学件库中的所有学件，达到了提高模型查搜效率的目的。
-
公开(公告)号：CN117575730A
公开(公告)日：2024-02-20
申请号：CN202311531235.9
申请日：2023-11-16
Applicant: 南京大学
IPC: G06Q30/0601 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于离散表征强化学习的商品推荐系统，将商品图像输入卷积神经网络，得到m个向量作为初级表征；初始化N个基底向量，对m个表征向量中的每一个向量，找出与其距离最近的基底向量j，得到商品的离散表征；将商品编码为m维的向量v_i，将用户的历史信息编码为m维的向量s_i，使用v_i和s_i的内积刻画用户对商品的感兴趣程度；使用S4 Layer来建模状态转移函数，输入当前时刻用户信息以及选择的商品，对网络参数进行更新，得到最终的策略网络；对于目标用户，利用训练好的策略网络中；取最大的K个概率值及其对应的商品，推荐给用户。本发明使用强化学习来刻画用户对商品的感兴趣程度，提高推荐准确率。
-
公开(公告)号：CN115908947A
公开(公告)日：2023-04-04
申请号：CN202211693971.X
申请日：2022-12-28
Applicant: 南京大学
IPC: G06V10/764 , G06V10/774 , G06N20/00
Abstract: 本发明公开一种基于反绎学习的多模态牙周图像识别方法和系统，首先，获取标注的牙周疾病图片，并以有监督的方式对于预训练模型进行更新；接着，对于牙周疾病严重程度的知识进行形式化，形成知识库；然后，基于预训练模型对无标注牙周疾病图片数据生成伪标记，并将伪标记与知识库进行对比，用逻辑推理的结果针对伪标记进行矫正与更新，并利用矫正数据重新训练模型；最后，利用训练好的模型生成图片对应的最终标记，并利用多模态融合的方法得到最终的识别结果。本发明利用反绎学习的框架，在仅有少量标注数据的场景下，通过形式化并利用专家知识，在加速训练过程的同时，更能使模型达到较高的识别准确率。
-
公开(公告)号：CN114757256A
公开(公告)日：2022-07-15
申请号：CN202210173217.7
申请日：2022-02-24
Applicant: 南京大学
Abstract: 本发明公开了一种包含未见软件数据的半监督业务感知训练推理方法和系统，应用于通信领域，包括样机信号搜集步骤、业务感知模型预训练步骤、业务感知模型半监督训练步骤和业务感知模型推理步骤；所述样机信号搜集步骤中，通过部署样机搜集业务APP以及其他各种未见APP传输的通信包信号；所述业务感知模型预训练步骤和业务感知模型半监督训练步骤分别利用收集到的业务APP和未见APP通信包数据通过提出的半监督学习技术训练一个业务感知模型；所述业务感知模型推理步骤中，将业务感知模型部署进行推理使用。本发明引入大量未见APP的通讯数据帮助业务APP的感知模型训练，可以大幅度提升业务感知模型的泛化性能，易于实现部署且适用性强。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.02 seconds)
