-
公开(公告)号：CN1477588A
公开(公告)日：2004-02-25
申请号：CN03132142.9
申请日：2003-07-01
Applicant: 南京大学
Inventor： 周志华
Abstract: 本发明公开了一种基于每人一幅图像的自动人脸识别方法，包括通过数字图像输入设备获取数字灰度图像，利用眼睛定位的信息获取人脸区域，其特征是该方法包括以下步骤：(1)若识别机制未训练好，则执行步骤(2)，否则转到步骤(4)；(2)生成训练图像的加投影图像；(3)利用主成分分析技术生成加投影图像的特征空间；(4)接收待识别图像；(5)生成待识别图像的加投影图像；(6)在加投影图像特征空间中对待识别图像的加投影图像和训练图像的加投影图像进行比对；(7)以比对相似度最大的训练图像所对应的对象作为识别结果。本发明的优点是只需每人有一幅图像就可以进行自动人脸识别，以辅助提高数字人脸图像检测与识别装置的性能。
-
公开(公告)号：CN1477581A
公开(公告)日：2004-02-25
申请号：CN03132141.0
申请日：2003-07-01
Applicant: 南京大学
Inventor： 周志华
IPC: G06F19/00 , G06F159/00 , A61B5/00 , G06N3/02
Abstract: 本发明公开了一种适用于计算机辅助医疗诊断的预测建模方法，包括通过医学症状检测设备获取待诊对象的症状形成症状向量，经预测模型处理，即可得到预测结果，该方法包括以下步骤：(1)若预测模型未训练好，则执行步骤(2)，否则转到步骤(6)；(2)利用历史病例产生初始训练数据集；(3)利用初始训练数据集训练出一个神经网络集成；(4)利用神经网络集成对初始训练数据集进行处理以产生规则训练数据集；(5)利用规则学习技术从规则训练数据集中产生规则模型；(6)利用规则模型进行预测并给出结果及解释。本发明的优点是为计算机辅助医疗诊断装置提供了一种高精度、高可理解性的预测建模方法。
-
公开(公告)号：CN1471020A
公开(公告)日：2004-01-28
申请号：CN03131974.2
申请日：2003-06-24
Applicant: 南京大学
Inventor： 周志华
Abstract: 本发明公开了一种自适应的因特网目录网页推荐方法，其方法包括以下步骤：用户通过客户机提交浏览路径，因特网网络中间服务器在获取网页后，先判断其是否是目录网页，然后将目录网页交给目录网页推荐部分，否则交给普通网页推荐部分处理，推荐结果通过客户机提交给用户。本发明的优点是不需要用户指出以往浏览的目录网页中具体感兴趣的链接内容，就可以根据用户的个人偏好和使用情况进行Internet目录网页推荐，以辅助提高Internet网络中间件服务器装置的性能。
-
公开(公告)号：CN1462884A
公开(公告)日：2003-12-24
申请号：CN03131975.0
申请日：2003-06-24
Applicant: 南京大学
Inventor： 周志华
IPC: G01N33/574 , A61B5/00 , G06F19/00
Abstract: 本发明公开了一种高精度、低假阴性率的肺癌细胞图像识别方法，该方法利用光学显微镜上安置的数字摄像机拍摄细胞病理切片，数字摄像机产生的视频信号经图像采集设备后进入计算机，在经过适当的图像预处理之后，将细胞的图像交给肺癌细胞图像识别部分进行处理。本发明的方法在进行肺癌细胞识别时，先用第一级神经网络集成进行处理，只有第一级神经网络集成中的所有神经网络都预测“正常”，才认为当前细胞图像中不是癌细胞；只要有一个神经网络预测“可能有癌”，就认为当前细胞图像中很可能是癌细胞，需要提交给第二级神经网络进行处理。这种方法使得癌细胞被错当成正常细胞的机会很小，从而可以获得很高的识别精度和很低的假阴性率。
-
公开(公告)号：CN114580506B
公开(公告)日：2025-04-25
申请号：CN202210149568.4
申请日：2022-02-18
Applicant: 南京大学
IPC: G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于数据精简的高效异常流量检测方法和系统，获取基站数据库中的真实数据；随机初始化模拟数据；随机初始化一个异常流量检测模型；分别使用真实数据和模拟数据训练模型，记录模型在两组数据上的损失函数和对应的参数梯度；计算两组梯度之间的欧式距离；最小化上述欧式距离以更新模拟数据；重复上述过程，直到模拟数据收敛，记录模拟数据，并清空基站数据库中的真实数据。用户选定一种异常流量检测模型，初始化该模型；获取之前保存的模拟数据；使用模拟数据训练该模型。本发明基于梯度匹配来获取少量的模拟数据，大大减缓了基站数据库的存储压力，并保证模型的性能不变差。
-
Patent Agency Ranking
公开(公告)号：CN115035330B
公开(公告)日：2025-02-18
申请号：CN202210461879.4
申请日：2022-04-28
Applicant: 南京大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/088 , G06N3/096
Abstract: 本发明公开了一种面向环境变化的无监督迁移学习图像分类方法，获取待分类图片，若不存在面向应用环境的模型，则从学习环境迁移学习新模型；收集训练数据，初始化模型；在伪标签生成器上，计算有标签样本的分类损失以及学习环境和应用环境数据的分布偏移损失，并生成部分伪标签；设计多个联合分类器输出二维联合概率同时预测图片主任务和自监督任务标签，计算联合分类器的分类损失；在联合分类器输出中，对自监督任务标签的边际概率积分，得到不同的概念标签；计算应用环境样本的不同概念标签间的一致性损失；累加所有损失，用梯度反向传播更新参数；迭代训练至最大迭代次数；用所有联合分类器对待分类图片的概念标签均值来预测。
-
公开(公告)号：CN114839879B
公开(公告)日：2025-01-03
申请号：CN202210553231.X
申请日：2022-05-19
Applicant: 南京大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于分布式强化学习的自主设备决策控制方法，包括训练环境搭建步骤，分布式训练步骤和输出决策模型步骤。在分布式集群中配置好采样节点、缓存节点和训练节点，将自主设备仿真环境封装到容器镜像中，分配虚拟化资源。启动分布式智能体训练系统，初始化训练端模型参数，发送参数到缓存节点，再转发到采样节点，完成智能体与仿真环境的交互过程后，再回传数据到训练节点，使用离轨深度强化学习算法更新模型参数。分布式训练完成后，将模型从系统中导出，切换到快速推理模式，用于智能决策问题。本发明在实施过程中能在较大规模分布式集群上进行训练，并且能够充分利用硬件资源，同时对于通信模式的改良能够显著减小带宽需求。
-
公开(公告)号：CN119129638A
公开(公告)日：2024-12-13
申请号：CN202411624958.8
申请日：2024-11-14
Applicant: 南京大学
IPC: G06N3/006 , G06N3/0455 , G06N3/0464 , G06F40/20 , G06F18/241
Abstract: 本发明公开一种基于自然语言指令的高效人机协作策略部署方法，该方法借助于自然语言指导的条件扩散模型的强大表征能力，将多样化队友的最优协作策略参数压缩为单个条件扩散模型，在部署阶段基于人类队友提供的自然语言指令，为队友生成定制化的协作策略。该方法能够在试错成本较高的实际场景中仅通过少量自然语言指令实现协作策略的生成和部署，能够保证人机协作策略部署的高效性。
-
公开(公告)号：CN118627645A
公开(公告)日：2024-09-10
申请号：CN202410708183.6
申请日：2024-06-03
Applicant: 南京大学
IPC: G06N20/20 , G06F18/214 , G06N3/08
Abstract: 本发明公开一种针对长时间序列预测精度不足问题的基于多周期分歧的长时间序列预测集成学习装置；序列分解模块收集处理时间序列数据，划分好训练和待预测数据，对序列指定多个周期进行多轮分解。子模型训练模块在这些不同尺度分解后的数据上，训练多个不同的子模型。集成学习模块对子模型进行集成，识别多周期分解后预测性能走势之间的分歧，选择那些在长序列的部分维度上预测表现最好的模型，并将他们拼接在一起，完成基于多周期分歧的集成，提升长序列预测的精度。本发明可以解决长序列预测问题的长距离依赖难以提取和累计误差问题，并且本发明的使用不受具体预测的模型结构影响，在实施过程中应用面广、适用性强、精度提升效果好。
-
公开(公告)号：CN112529160B
公开(公告)日：2024-08-23
申请号：CN202011450396.1
申请日：2020-12-09
Applicant: 南京大学
IPC: G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06T7/207 , G06T9/00
Abstract: 本发明公开一种摄像器材记录的视频图像数据的高维模仿学习方法，首先利用高效卷积神经网络的自动编码器作为特征抽取器将智能体采集的图像数据压缩成编码，之后对编码进行二值化处理；获得智能体的图像数据的二值编码后，使用全连接神经网络输出奖赏信号；最后将奖赏信号输入给现有的智能体进行学习，从而获得能够很好地模仿专家行为的智能体。在实用阶段，只需给模型输入专家示范的数据和智能体与环境交互采集到的图像数据，就能获得高效的奖赏信号，该信号可直接用于智能体进行强化学习训练。由于该方法可处理高维视频图像数据，因此模型可运行在搭载有摄像器材的设备上。
-
-
-
-
-
-
-
-
-
Search Results
238
records
(took 0.027 seconds)
