-
公开(公告)号：CN116664233A
公开(公告)日：2023-08-29
申请号：CN202310606294.1
申请日：2023-05-23
Applicant: 武汉大学
IPC: G06Q30/0601 , G06F16/9035 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种行为异质性学习点击率预估方法、装置、设备及存储介质，所述方法通过获取用户的历史行为数据，对历史行为数据进行排序分割，获得行为序列嵌入向量；将行为序列嵌入向量依次输入至预设自注意力网络和预设池化层中，获得行为序列表征向量；将行为序列表征向量进行行为异质性学习，获得用户兴趣表征向量，将用户兴趣表征向量输入至多层感知机网络，获得用户关于目标商品的预估点击率，能够准确学习用户动态兴趣信息，又能判别不同行为对目标影响，并且无需引入任何额外网络结构或可训练参数，降低了模型训练复杂度，减少了运算量，提升了预估点击率的准确性，提高了行为异质性学习点击率预估速度和效率。
-
公开(公告)号：CN116028878A
公开(公告)日：2023-04-28
申请号：CN202211589310.2
申请日：2022-12-09
Applicant: 武汉大学
IPC: G06F18/2415 , G06F18/214 , G06F16/55 , G06F16/53
Abstract: 本发明提供一种面向图像分类的多样化查询主动学习方法及装置，该方法包括：利用辅助分类网络为主分类网络生成高置信度的伪标签，并从无标签数据中去除与标签数据有相似表示的冗余样本；在每个主动学习循环中，主分类网络和辅助分类网络以协同训练的方式交换各自的高自信伪标记样本，同时将被主分类网络和辅助分类网络预测为不同标签的未标记样本添加到候选池中进行主动学习，利用辅助学习和多层次的多样性筛选策略对更加多样化的样本进行人工专家标注，利用少量的有标签样本对分类模型进行主动学习循环训练即可达到接近使用大量有标签样本的训练效果。
-
公开(公告)号：CN114818771A
公开(公告)日：2022-07-29
申请号：CN202210221883.3
申请日：2022-03-09
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度主动半监督学习的心电信号分类方法及系统，首先搭建一个多分支稠密连接卷积网络(DenseNet)，该神经网络模型可以自动提取12导联心电信号特征，并融合所有分支特征输出分类结果；然后使用预处理后的心电信号对其进行预训练，生成一个初始模型；基于新对象的未标注样本，先使用主动学习策略提升初始模型的分类能力，然后使用半监督策略进一步更新模型；最终更新后的模型被用来诊断新对象。本发明开发了一种新的12导联心电信号分类方法，结合了主动学习和半监督学习的优势，克服个体差异性的同时减少人工交互过程，为辅助诊断心血管疾病提供了有效技术手段。
-
公开(公告)号：CN114678070A
公开(公告)日：2022-06-28
申请号：CN202210332642.6
申请日：2022-03-30
Applicant: 武汉大学
Abstract: 本发明提供一种单细胞RNA测序数据降维方法、设备及可读存储介质。该方法包括：对N个单细胞的单细胞测序数据进行特征选取，得到特征矩阵X；根据两两单细胞间的马氏距离，构造连接矩阵A；基于A构造图自编码器模型；将X输入图自编码器模型，得到重构特征矩阵Y、重构连接矩阵以及提取图自编码器模型中维度最低的层的隐变量Z；根据X、A、Y、以及Z得到总损失函数；采用梯度下降法得到最小化的总损失函数以及训练完成的图自编码器模型；提取训练完成的图自编码器模型中维度最低的层的隐变量Z＇作为降维结果。通过本发明，实现了在庞大、复杂且高维的数据上展开降维任务时保持了细胞之间的结构信息。
-
公开(公告)号：CN110599466B
公开(公告)日：2022-04-29
申请号：CN201910807948.0
申请日：2019-08-29
Applicant: 武汉大学
Abstract: 本发明提供一种成分投影优化分离的高光谱异常探测方法，包括使用基于熵率的超像素分割算法对高光谱图像进行超像素分割；计算每个超像素内所包含像素点的平均值，作为该超像素的光谱向量；计算每个超像素内所包含像素点到光谱向量的马氏距离，求和代表该超像素的离散值；以超像素为单位，逐个求局部异常因子；计算每个超像素的离散值与其局部异常因子倒数的乘积，将乘积较小的部分超像素选作背景集合，实现构造预估背景集合；设置成分投影和分离优化滤波函数，求解最优滤波向量；将最优解与高光谱图像逐像素相乘，得到探测结果。本发明从超像素层面解读影像信息，利用局部异常因子获取预估背景集合，结合优化滤波获得高光谱图像异常目标探测结果。
-
Patent Agency Ranking
公开(公告)号：CN114334013A
公开(公告)日：2022-04-12
申请号：CN202111671817.8
申请日：2021-12-31
Applicant: 武汉大学
Abstract: 本发明提供一种单细胞聚类方法、装置、设备及可读存储介质。该方法包括：基于单细胞样本点和簇中心的相似度构造分布Q和目标分布P；基于分布Q与目标分布P构造第一损失函数；对样本特征矩阵进行降维，得到降维后的样本特征矩阵；将降维后的样本特征矩阵和连接矩阵传入低通滤波图卷积模块，得到概率矩阵；基于目标分布P和概率矩阵构造第二损失函数；根据第一损失函数和第二损失函数得到新的概率矩阵；从新的概率矩阵中获取单细胞样本点的聚类结果。通过本发明，降维后的样本特征矩阵在低通滤波图卷积模块传输的过程中同一簇类的特征表示变得更光滑，使得从新的概率矩阵中获取单细胞样本点的聚类结果更好。
-
公开(公告)号：CN114191098A
公开(公告)日：2022-03-18
申请号：CN202111552632.5
申请日：2021-12-17
Applicant: 武汉大学
Abstract: 本发明公开了一种电磁控制的介入手术系统及方法，系统包括患者端和操作者端；操作者端是基于计算机图形学渲染技术和实时物理仿真方法构建的程序展示的虚拟手术环境，并由操纵杆等设备接收用户输入；患者端包括线圈阵列、磁性可控导丝、视觉输入设备、边缘计算设备和嵌入式控制设备。本发明首先是计算得到的各个线圈通过单位强度电流时的磁场矢量来构建磁控系统线性动力学方程的系数矩阵；再根据此系数矩阵，使用Moore‑Penrose广义逆进行线圈阵列电流值的实时求解。本发明由嵌入式系统模块动态准确地控制电流配置、进行外加磁场的生成，可远程操作受控导丝至指定位置，使医生免受手术环境下的辐射损伤从而提高手术效率。
-
公开(公告)号：CN111275714B
公开(公告)日：2022-02-01
申请号：CN202010030052.9
申请日：2020-01-13
Applicant: 武汉大学
Abstract: 本发明公开了一种基于注意力机制的3D卷积神经网络的前列腺MR图像分割方法，包括数据预处理阶段、网络训练阶段和网络推理阶段。数据预处理阶段包括前列腺MR图像格式统一、像素值范围裁剪、图像重采样。网络训练阶段包括基于注意力机制的卷积神经网络设计、过采样策略平衡正负样本比例和网络训练。网络推理阶段包括滑动窗口取样前列腺MR子图像、网络预测子图像分割图和加权融合子图像分割图。
-
公开(公告)号：CN113628242A
公开(公告)日：2021-11-09
申请号：CN202110767102.6
申请日：2021-07-07
Applicant: 武汉大学
Abstract: 本发明提供一种基于背景减除法的卫星视频目标跟踪方法及系统，包括基于卫星视频目标运动且背景相对不变的特点，结合多帧差分与基于高斯混合模型的背景减除方式进行跟踪，使用积分图快速计算图像分数以定位目标最终位置。因为卫星视频背景是相对不变的，利用背景减除法在背景中分割出目标并应用于目标跟踪中具有极大的潜力。本发明通过使用高斯混合模型背景减除法与积分图法，可以针对卫星视频中微小运动目标的进行高效跟踪；而在此基础上将背景减除法与多帧差分法结合，可以提高跟踪精度，从而构建了一种快速精准的卫星视频目标跟踪方法。
-
公开(公告)号：CN111184508B
公开(公告)日：2021-05-18
申请号：CN202010063050.X
申请日：2020-01-19
Applicant: 武汉大学
Abstract: 本发明公开了一种基于联合神经网络的心电信号检测装置及分析方法，首先在机器学习服务器上搭建联合神经网络算法并训练模型，针对预处理后的心电数据，该模型通过残差神经网络模块提取数据空间特征并得到空间分类概率，通过双向长短期记忆神经网络和注意力模块在降维后的空间特征图上提取数据的时序特征并得到时序分类概率，最后融合这两种分类概率得到检测结果；从可穿戴式装置获取患者少量心电数据，人工标记后输入机器学习服务器对模型fine‑tuning，将最终模型部署到智能移动设备；最后将可穿戴式装置与智能移动设备通过无线传输实现实时异常检测。本发明开发了心电信号从采集到实时检测的可穿戴式装置，为辅助诊断心脏疾病提供有效技术手段。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.024 seconds)
