-
公开(公告)号：CN116958741A
公开(公告)日：2023-10-27
申请号：CN202310832459.7
申请日：2023-07-07
Applicant: 复旦大学
IPC: G06V10/774 , G06V10/82 , G06N3/0985 , G06V10/764 , G06V10/25 , G06V10/74 , G06V10/80 , G06V10/40 , G06N3/0464 , G06N3/0455 , G06N3/045 , G06N3/044
Abstract: 本发明属于机器学习技术领域，具体为一种基于DETR和元学习的零样本目标检测方法。本发明方法是基于transformer架构的DETR检测器进行构建，将零样本学习机制引入到DETR深度目标检测框架，将类别语义向量直接融入到DETR的查询向量中，并通过解码器直接预测出结果，在训练的过程中，通过逐类别的最优匹配和损失计算来完成训练。本发明方法框架简单、使用方便、可扩展性强、可解释性强，在主流视觉属性数据集的零样本目标检测的结果表明，本方法性能明显优于现有的方法。本发明为目标检测技术在工业应用领域，提供算法的支持，也能很容易地扩展到其他零样本学习任务上。
-
公开(公告)号：CN109558898B
公开(公告)日：2023-09-05
申请号：CN201811333067.1
申请日：2018-11-09
Applicant: 复旦大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于机器学习技术领域，具体为一种基于深度神经网络的高置信度多选择学习方法。本发明方法中，提出了一个置信合页损失来解决专家网络过度自信的问题，防止非专家模型以高可信度进行不准确的预测；采用选择网络来学习每个专家网络的可信度，使得最终可以从多样性的预测结果这聚合一个更可靠的决策预测。本发明方法框架简单、使用方便、可扩展性强；在图像分类和图像语义分割的任务上进行实验，达到或超过现有最好方法的水平。本发明能够为计算机视觉、数据挖掘等领域，提供基础框架和算法的支持。
-
公开(公告)号：CN110309671B
公开(公告)日：2022-12-20
申请号：CN201910558380.3
申请日：2019-06-26
Applicant: 复旦大学
Abstract: 本发明属于隐私保护技术领域，具体为一种基于随机应答技术的通用数据发布隐私保护方法。本发明基于随机应答技术，利用矩阵分解方法与克罗内克积性质，将重构无偏估计结果的计算复杂度从指数级增长降为线性增长，实现无偏估计结果的误差最小化，并允许为每个属性单独设置隐私保护参数，有效提高计算效率、数据可用性和应用灵活性。本发明方法支持单敏感属性和多敏感属性的数据发布，所述敏感属性包括布尔型属性、分类型属性和数值型属性；本发明能够为医疗、金融、生物信息和交通等领域的科研与管理提供高效、灵活的数据发布隐私保护机制，有助于在数据发布过程中保护数据隐私的同时，保留发布数据有用信息，促进数据的共享共用。
-
公开(公告)号：CN114240967A
公开(公告)日：2022-03-25
申请号：CN202111541040.3
申请日：2021-12-16
Abstract: 本发明提供一种全景图像的空间感知地理定位方法及系统，其特征在于：建立全景图像和存储地理坐标的光学遥感图像的数据集，对光学遥感图像进行极坐标转换使其与全景图像对应对齐；构建由基干网络、空间感知模块以及天空视域因子自动计算分支组成的空间感知地理定位神经网络并基于平衡正负样本的二项式损失函数进行训练；对训练中产生的图像特征描述符施加注意力机制得到抑制形变的图像特征描述符并采用空间感知模块对其进行聚合嵌入生成最终抑制形变的图像特征描述符；由天空视域因子自动计算分支计算出全景图像的天空视域因子；将天空视域因子嵌入至最终抑制形变的图像特征描述符以生成新的图像特征描述符；基于新的图像特征描述符进行地理定位。
-
公开(公告)号：CN112802547A
公开(公告)日：2021-05-14
申请号：CN202110119134.5
申请日：2021-01-28
Applicant: 复旦大学
Abstract: 本发明公开了一种基因检测方法，实现了检验导致某种特定特点的因果基因。现有的对因果基因的鉴别往往离不开独立性检验，传统的独立性检验随着数据维度的增加复杂度呈指数增加，故传统的独立性检验在数据具备高纬度特点的生物科学领域受到较大限制，因此本发明利用一种基于线性回归独立性检验策略替代传统的独立性检验，能够高效准确地找出因果基因。和其他因果基因鉴别领域的方法比较之下，均有着突出的表现，能够更准确的找出更多的因果基因。
-
Patent Agency Ranking
公开(公告)号：CN111144469A
公开(公告)日：2020-05-12
申请号：CN201911321107.5
申请日：2019-12-20
Applicant: 复旦大学
Abstract: 本发明属于人工智能技术领域，具体为一种基于多维关联时序分类神经网络的端到端多序列文本识别方法。本发明设计了编码器、多维关联时序分类神经网络和解码器；对含有多个文本序列的图片进行编码解码，编码器将原始的图片映射到特征空间，多维关联时序分类神经网在特征空间上捕获图片的空间时序信息，并利用该信息对各个位置进行文本识别，解码器则根据分类得到的最大概率类别图进行解码生成多序列文本。本发明方法框架简单、使用方便、可扩展性强、可解释性强。本发明设计了多个数据集和实用场景并在其上进行了实验，能够有效的识别图片中的多文本序列。本发明能够为多序列文本识别等底层的计算机视觉任务，提供基础框架和算法的支持。
-
公开(公告)号：CN110322060A
公开(公告)日：2019-10-11
申请号：CN201910558312.7
申请日：2019-06-26
Applicant: 复旦大学
Abstract: 本发明属于金融大数据挖掘技术领域，具体为一种基于深度强化学习的金融市场最优交易方法。本发明充分利用市场的信息，设计独特的特征提取网络：将量和价组成的四通道矩阵作多层卷积；对当前综合市场组成的向量作全连接，最后拼接特征，全连接后再输出抽象的综合特征。本发明采用深度强化学习对最优交易策略问题进行研究，包括将一个历史窗口的价/量组成的矩阵和当前市场的综合信息作为状态，将离散化的定价作为动作，设计基于相对收益的奖励函数，基于深度确定性策略梯度算法，解决最优交易问题。本发明方法具高实用性、强鲁棒性和高准确度的优点，可适用于股票、证券和期货等领域的高频交易。
-
公开(公告)号：CN107527144A
公开(公告)日：2017-12-29
申请号：CN201710715883.8
申请日：2017-08-21
Applicant: 复旦大学
CPC classification number: G06Q10/0635 , G06Q30/0185 , G06Q40/04
Abstract: 本发明属于金融大数据挖掘技术领域，具体为一种金融领域关联交易的检测方法。本发明方法包括：采用带符号的委托量作为投资者交易活动的特征变量，建立带符号委托量序列；建立投资者交易的统一聚集的带符号委托量序列；计算两个投资者交易行为相似性，建立多个投资者相关系数矩阵；根据一个交易日的相关系数矩阵，构建单日权重图，多个单日权重图合并为一个综合权重图，综合权重图中的一个连通子图对应的投资者集合就是一个潜在关联交易组。本发明的方法可以在市场风险形成之前采取预防措施，避免演变为重大的风险事件，交易业务一线监管机构可由此开发一套快捷直观的关联交易组监视和发现工具，用于市场监管和风险管理。
-
公开(公告)号：CN107341583A
公开(公告)日：2017-11-10
申请号：CN201710689142.7
申请日：2017-08-14
Applicant: 复旦大学
Abstract: 本发明属于金融大数据挖掘技术领域，具体为一种金融市场在线投资组合选择方法。本发明方法分为计算预测值和在线学习投资组合向量两个部分；本发明基于在线学习框架，提出使用高斯函数递减式加权市场历史数据来反映历史数据的不同作用，并用两次预测的方法来克服噪音和异常值的影响。本发明方法具有低时间复杂度和高预测准确度的优点，可适用于股票、证券和期货等领域的高频交易。对在线投资组合选择领域的研究与应用具有较大的学术意义和实用价值。
-
公开(公告)号：CN101840426B
公开(公告)日：2012-08-22
申请号：CN201010148350.4
申请日：2010-04-15
IPC: G06F17/30
Abstract: 本发明属于信息技术中的空间信息存储与查询技术领域，具体为一种基于坐标分离的GML文档存储与查询方法。通过SAX解析器将GML文档中的空间坐标数据与非空间坐标数据相分离。将分离后的不包含空间坐标的数据存储于基本Native xm1的DB2 pureXML的数据库，将分离后的空间数据存储于DB2 Spatial Extender中，并通过数据分离时所产生的连接因子将空间坐标数据和非空间坐标数据相互联系起来。在查询时将查询语句分离成两个查询语句：空间查询、非空间查询，并进行查询操作。实验证明，本发明提出的基于空间坐标数据分离的GML数据存储方案是有效、可行的，能有效地存储管理GML文档数据。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.026 seconds)
