-
公开(公告)号：CN113222031B
公开(公告)日：2022-04-12
申请号：CN202110545686.2
申请日：2021-05-19
Applicant: 浙江大学
Abstract: 本发明公开了一种基于联邦个性化学习的光刻热区检测方法，中心服务器聚合每个节点返回的全局模型参数，用于融合每个节点的共同特征，更新全局模型参数，再把最新的全局模型参数反馈到每个节点；每个节点从中心服务器下载全局模型参数，然后利用本地数据训练局部模型参数，以找到当前全局模型参数下局部模型参数的最优，用于克服不同节点的模型异构和数据异构；局部模型参数微调之后，节点利用本地数据训练全部参数，以找到当前参数的最优，用于寻找不同节点的共同特征。本发明解决了局部数据过少而产生的模型过拟合问题；保护各芯片设计厂商之间的数据，实现隐私保护；提高了异构环境中联邦个性化学习模型的稳定性和整体精度。
-
公开(公告)号：CN113808106A
公开(公告)日：2021-12-17
申请号：CN202111091767.6
申请日：2021-09-17
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的超低剂量PET图像重建系统及方法，系统包括：PET与MRI配准与标准化模块，对PET和MRI图像进行配准与标准化；移位预测网络模块，对被试者三维脑图像数据拆解成的堆叠的二维图像切片间的结构信息做充分探索并预测出移位数值；空间可变聚合模块，通过可变卷积与移位数值捕捉每张切片相对于其临近切片的代谢残差值，从而达到低剂量图像预强化的目的，加速后续模块执行的效率和提升性能；基于CNN和自适应调权损失的双模态融合编码模块，对预强化的超低剂量PET和MRI切片进行融合；基于生成对抗网络，确保合成全剂量PET图像过程的准确性和高效性，同时进一步提高对图像的语义理解能力。
-
公开(公告)号：CN113505887A
公开(公告)日：2021-10-15
申请号：CN202111065383.7
申请日：2021-09-12
Applicant: 浙江大学
IPC: G06N3/08
Abstract: 本发明公开了一种针对忆阻器误差的忆阻器存储器神经网络训练方法，主要用于解决由于制程误差和动态误差导致的基于忆阻器存储器的神经网络推断准确度下降的问题。其步骤是：对忆阻器的电导值在制程误差和动态误差的影响下进行建模，并换算得到对应的神经网络权重的分布；利用建模后得到的权重分布构造权重的先验分布，进行基于变分推断的贝叶斯神经网络训练，得到权重的变分后验分布；将权重变分后验的均值转化为忆阻器存储器的目标电导值。本发明减弱了制程误差和动态误差对基于忆阻器存储器的神经网络计算的影响，使基于忆阻器存储器的神经网络推断获得了更高的准确率。
-
公开(公告)号：CN113222031A
公开(公告)日：2021-08-06
申请号：CN202110545686.2
申请日：2021-05-19
Applicant: 浙江大学
Abstract: 本发明公开了一种基于联邦个性化学习的光刻热区检测方法，中心服务器聚合每个节点返回的全局模型参数，用于融合每个节点的共同特征，更新全局模型参数，再把最新的全局模型参数反馈到每个节点；每个节点从中心服务器下载全局模型参数，然后利用本地数据训练局部模型参数，以找到当前全局模型参数下局部模型参数的最优，用于克服不同节点的模型异构和数据异构；局部模型参数微调之后，节点利用本地数据训练全部参数，以找到当前参数的最优，用于寻找不同节点的共同特征。本发明解决了局部数据过少而产生的模型过拟合问题；保护各芯片设计厂商之间的数据，实现隐私保护；提高了异构环境中联邦个性化学习模型的稳定性和整体精度。
-
公开(公告)号：CN113143242A
公开(公告)日：2021-07-23
申请号：CN202110389772.9
申请日：2021-04-12
Applicant: 浙江大学
IPC: A61B5/0538 , G05B19/042
Abstract: 本发明公开了一种用于测量人体脊柱骨电抗的电路系统，电路系统接上测量电极，可测量得到电极两端的电阻电容特性从而实现分辨脊柱骨的种类以及判断是否患病。所述电路系统包括主控系统、开关电流源电路、电极端子、双差分信号放大器和模数转换电路。所述主控系统提供开关信号到开关电流源电路，开关电流源电路给电极端子提供开关电流激励，开关电流源的电压信号通过电极端子进入人体脊柱骨中，并将电极端子的响应信号发送到双差分信号放大器中，经过两级放大后由模数转换电路转换为数字信号传递至主控系统中，通过主控系统对比测量的数字信号与正常的人体脊柱骨电抗的数字信号，监测是否有出血现象，分辨脊柱骨的种类以及判断是否患病。
-
Patent Agency Ranking
公开(公告)号：CN112288046A
公开(公告)日：2021-01-29
申请号：CN202011553635.6
申请日：2020-12-24
Applicant: 浙江大学
Abstract: 本发明公开了一种用于神经网络的基于混合粒度的联合稀疏方法，该联合稀疏方法包括独立的向量级细粒度稀疏化和块级粗粒度稀疏化，通过对两种稀疏方式独立生成的剪枝蒙版进行按位逻辑与运算，获得最终的剪枝蒙版，进而获得稀疏化后的神经网络的权重矩阵。本发明联合稀疏性始终获得介于块稀疏和平衡稀疏模式之间的推理速度，而无需考虑向量级细粒度稀疏化的向量行大小和块级粗粒度稀疏化的向量块大小。用于神经网络卷积层和全连结层的剪枝，具有稀疏粒度可变，通用硬件推理加速，模型推理精度高的优点。
-
公开(公告)号：CN111932550A
公开(公告)日：2020-11-13
申请号：CN202010622947.1
申请日：2020-07-01
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的3D心室核磁共振视频分割系统，该系统包括：MRI数据预处理模块；基于可变形卷积的深度注意力网络：深度时空可变形卷积融合模块TDAM，将时间轴上连续的3D心室MRI视频切片图像输入网络，以获取MRI视频段中高维图像的补偿区域，利用可变形卷积层得到高维图像特征；深度可变形卷积全局注意力模块DGPA，构建可变形卷积注意力模块得到有注意力的特征图，并使用加和注意力模块来抑制不相关的背景，最终得到网络模型。利用训练好的网络模型对新输入的3D心室MRI视频直接进行分割，该系统通过引入多帧图像补偿、可变形卷积以及加和注意力机制，能有效地提高心室分割的准确度和效率，并具有较高的鲁棒性。
-
公开(公告)号：CN108629093B
公开(公告)日：2020-07-10
申请号：CN201810360721.1
申请日：2018-04-20
Applicant: 浙江大学
IPC: G06F30/367 , G06F30/373
Abstract: 本发明公开了一种噪声感知的动态电压频率调节过渡序列设计方法，涉及片上电源分配网络的噪声分析及动态电压频率调节操作的高效分析以及规划；通过将相关的问题定义为混合型0/1线性规划模型，并改进分支界限法联合启发式算法求解；而对于启发式算法存在难以对所得规划结果进行评估的问题，线性规划的方法通过建立并求解对偶问题，可准确评估当前所得解与最优解间的距离，并以此准确评估所得解的优化程度，且具备搜索获得最优解的能力；而对于启发式算法容易陷入局部最优导致搜索停滞的问题，使用线性规划模型并利用分支界限法求解能够保证正确的搜索方向，迅速搜索到明显优于启发式算法的结果且具备保证最优解的能力。
-
公开(公告)号：CN108563882B
公开(公告)日：2020-01-31
申请号：CN201810360713.7
申请日：2018-04-20
Applicant: 浙江大学
IPC: G06F30/367 , G06F30/396
Abstract: 本发明公开了一种噪声感知的片上时钟域控制序列设计方法，涉及片上电源分配网络的噪声分析及片上多时钟域开关操作的高效分析以及规划；通过将相关的问题定义为混合型0/1线性规划模型，并改进分支界限法联合启发式算法求解；而对于启发式算法存在难以对所得规划结果进行评估的问题，线性规划的方法通过建立并求解对偶问题，可准确评估当前所得解与最优解间的距离，并以此准确评估所得解的优化程度，且具备搜索获得最优解的能力；而对于启发式算法容易陷入局部最优导致搜索停滞的问题，使用线性规划模型并利用分支界限法求解能够保证正确的搜索方向，迅速搜索到明显优于启发式算法的结果且具备保证最优解的能力。
-
公开(公告)号：CN118887208B
公开(公告)日：2024-12-10
申请号：CN202411346453.X
申请日：2024-09-26
Applicant: 浙江大学
IPC: G06T7/00 , G06T7/10 , G06V10/26 , G06V10/40 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明公开一种机器学习辅助的晶圆制造工艺评估和异常检测方法，包括：基于领域专家知识构建一个文本提示库，包含对所有可能出现的缺陷的形貌描述，并经CLIP文本编码器得到文本特征向量；定制化图像特征提取，得到原始图像特征和新图像特征；原始图像特征基于少量样本微调后的转换层，得到转换后的原始图像特征，用它和文本特征计算相似度得到缺陷图AF；新图像特征与文本特征进行去冗余特征的相似度计算，得到缺陷图AV；缺陷图AF与AV相加得到最终的缺陷分割图；基于SEM缺陷图像，采用原始图像特征进行缺陷分类，并输出分类结果。本申请方法能够有效减少背景干扰，实现对纳米级晶圆表面缺陷高效且准确的分类分割。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.021 seconds)
