公开(公告)号：CN118279739A

公开(公告)日：2024-07-02

申请号：CN202410367680.4

申请日：2024-03-28

Applicant: 浙江大学

Inventor： 孙震 ,  王慧琼 ,  孙立 ,  宋明黎 ,  李军伟 ,  李春光

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/082

Abstract: 基于自适应分层采样网络和作物生长周期编码器的多源遥感图像时间序列农作物覆盖分类方法和装置，其方法包括：多光谱遥感卫星图像时间序列和双极化C波段SAR雷达图像时间序列的融合；农作物地块预分割；多尺度自适应分层采样网络；注意力机制引导下采样模块；农作物生长周期Transformer编码器。本发明考虑到多源遥感卫星图像中的互补数据以及时间序列数据中隐含的农作物生育周期规律，提供了一种端到端的高准确率，可解释性强的农作物地块分类方法。

公开(公告)号：CN118155661A

公开(公告)日：2024-06-07

申请号：CN202410265676.7

申请日：2024-03-08

Applicant: 浙江大学宁波“五位一体”校区教育发展中心

Inventor： 王慧琼 ,  孙立 ,  宋明黎 ,  宋杰 ,  冯尊磊

IPC: G10L25/51 ,  G10L15/08 ,  G10L15/26 ,  G10L19/18 ,  H04L9/40 ,  H04L9/32 ,  G06F18/25 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/09 ,  G06Q50/50

Abstract: 一种基于多模态融合深度神经网络模型电信反欺诈方法和系统，其方法包括：步骤1.将信息中的语音模态转换为文字模态；步骤2.将信息中的图像进行切片并转换为图像数字向量；步骤3.将信息中的文本转换为数字向量；步骤4.文本图像信息融合向量生成；步骤5.多层联合向量的深度学习网络迭代训练；步骤6.欺诈识别预测；待预测是否为欺诈的样本输入到已经训练好的分类器模型中，利用最后一层迭代后的输出向量，经过双曲正切函数进行映射，完成欺诈预测时的是否违规的判断。

公开(公告)号：CN117559453A

公开(公告)日：2024-02-13

申请号：CN202311295636.9

申请日：2023-10-09

Applicant: 浙江大学 ,  国网浙江省电力有限公司

Inventor： 宋明黎 ,  韩耕诗 ,  罗伟 ,  刘顺宇

IPC: H02J3/06 ,  H02J3/00 ,  G06Q10/04 ,  G06Q50/06 ,  G06N3/045 ,  G06N3/092 ,  G06N3/084

Abstract: 基于帕累托优化和人类反馈强化学习的多目标实时电力调度方法和装置，其方法包括：首先，利用仿真软件构建电力系统初始状态数据集；然后，考虑电力系统实时调度的多目标特点，设计构建多目标奖励框架，并且引入多梯度下降算法求解帕累托优化，利用近端策略优化算法进行强化学习，训练多目标电力调度策略模型；最后，引入人类反馈强化学习框架，将多目标电力调度策略模型与最优潮流计算的人类偏好轨迹数据训练得到的偏好奖励模型融入强化学习框架中，进一步微调多目标电力调度策略模型，实现了综合多个目标和人类偏好的多目标实时电力调度策略模型，可运用微调优化得到的多目标电力调度策略模型进行实时电力调度。

公开(公告)号：CN116881716A

公开(公告)日：2023-10-13

申请号：CN202310851553.7

申请日：2023-07-12

Applicant: 浙江大学

Inventor： 宋杰 ,  许可 ,  郑铜亚 ,  冯尊磊 ,  宋明黎

IPC: G06F18/214 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/09 ,  G06F17/16 ,  G06F17/11

Abstract: 基于时序二分图神经网络的用户缺失属性补全方法，首先，对时序用户属性矩阵进行预处理，进行数据归一化，并记录分类变量和连续变量。然后将时序用户属性矩转化为时序二分图结构，并采用图卷积神经网络来聚合提取图中节点嵌入向量和边嵌入向量，并使用LSTM融合不同时间步的节点特征；将时序二分图中预测边的两端节点的图特征拼接作为用户节点‑属性节点的边预测模型的输入；采用多个线性层构建边预测模型，引入多任务学习框架同时学习分类任务和回归任务，从而灵活处理分类变量和连续变量。最后，通过该框架来对用户缺失属性进行补全，并将结果写回原数据中。本发明还包括基于时序二分图神经网络的用户缺失属性补全方法的系统。

公开(公告)号：CN115908920B

公开(公告)日：2023-10-03

申请号：CN202211453096.8

申请日：2022-11-21

Applicant: 浙江大学

Inventor： 冯尊磊 ,  张圣旭明 ,  胡凯文 ,  俞晓天 ,  宋明黎

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0464

Abstract: 基于卷积神经网络的急性主动脉综合征CT图像分类方法，包括：1)躯干CT平扫和CT增强图像数据集收集；2)主动脉检测图像数据和急性主动脉综合征分类图像数据标注；3)获取主动脉CT检测图像；4)主动脉CT图像分类网络初始训练；5)高置信度样本梯度通道模式聚合；6)基于高置信度样本梯度通道模式进行梯度约束的主动脉CT图像分类网络重训练；7)对CT图像整体分类。本发明可以对急性主动脉综合征的CT增强图像甚至CT平扫图像进行分类。本发明采用两阶段方法，将主动脉部分CT图像从整体躯干扫描CT图像中分离出来，减少无关部分的干扰，并使用高置信度主动脉CT图像引导低置信度主动脉CT图像的学习进程，增加主动脉CT图像分类准确度，具有较强的实用性，有助于减轻医生工作量。

公开(公告)号：CN116796699A

公开(公告)日：2023-09-22

申请号：CN202310841499.8

申请日：2023-07-11

Applicant: 浙江大学 ,  国网山东省电力公司济南供电公司

Inventor： 冯尊磊 ,  魏耀全 ,  陈霞 ,  宋杰 ,  宋明黎 ,  梁栋 ,  禚俊杰 ,  刘珅岐

IPC: G06F30/398 ,  G06N3/088 ,  G06N3/0895 ,  G06N3/092 ,  G06N3/045

Abstract: 基于状态关系主动提问的存储电路智能化设计方法和系统，其方法包括：首先将存储电路数据的节点特征进行对齐从而构建存储电路结构状态的一条高维向量表示。然后利用随机采样的存储电路结构数据训练特征提取器，之后构建强化学习模型。在训练强化学习模型时，将每一步遇到的存储电路结构状态特征提取出来，并放入特征池中。然后依据每一步当前存储电路结构状态特征与特征池的距离，判断是否向专家进行提问。若向专家提问，专家会给予具体动作建议让模型去执行。最后，为了保证模型能够快速学习专家知识，为每一条专家建议的样本设置额外的内置奖励。

公开(公告)号：CN116681106A

公开(公告)日：2023-09-01

申请号：CN202310317221.0

申请日：2023-03-29

Applicant: 浙江大学

Inventor： 冯尊磊 ,  陈佳伟 ,  陈琳 ,  宋明黎

IPC: G06N3/045 ,  G06N3/08 ,  G06N5/04 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了基于生命周期预测的视觉Transformer模型加速算法，包括：1)使Transformer模型进行前半部分的正向传播；2)光滑化生命周期函数并构建视觉Transformer权重转换模块；3)构建视觉Transformer权重转换模块；4)模型推理；5)训练模型。本发明使用生命周期预测模块为视觉Transformer模型的每个输入的图片块预测生命周期。在进行模型推理时，本发明依据预测出的生命周期适时丢弃图片块，从而减少不必要的推理计算，实现模型的推理加速的效果。在模型训练时，本发明通过权重转换模块，将不可微分的图片块生命周期转化为可微的权重函数，实现方便的模型端到端训练。

公开(公告)号：CN116543856A

公开(公告)日：2023-08-04

申请号：CN202310266621.3

申请日：2023-03-20

Applicant: 浙江大学

Inventor： 宋明黎 ,  马怿晟 ,  高文杰 ,  张跃飞 ,  王晋 ,  王妮 ,  张泽

IPC: G16C60/00 ,  G06F30/27 ,  G06V10/774 ,  G06V10/82 ,  G06V20/60 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084 ,  G06N3/0985 ,  G06F119/14

Abstract: 基于CNN的原位拉伸EBSD实验中的材料应变预测方法，包含：首先，通过原位拉伸EBSD实验收集EBSD欧拉图与材料应变数据；然后，采用滑动窗口裁剪的方式对所构建的数据集进行数据增强；最后，以欧拉图图像为输入，材料应变为输出，搭建并训练ResNet18网络，实现根据合金材料不同变形阶段的EBSD欧拉图对相应拉伸应变的预测。本发明首次构建CNN预测材料应变的流水线，且预测的均方误差仅为0.56，实现了通过神经网络将微观结构演化与宏观变形过程相关联。

公开(公告)号：CN110310342B

公开(公告)日：2023-06-02

申请号：CN201910598505.5

申请日：2019-07-04

Applicant: 浙江大学滨海产业技术研究院

Inventor： 盛楠 ,  陈刚 ,  宋明黎 ,  冯尊磊

IPC: G06T7/90

Abstract: 本发明提供了一种适用于灰度颜色空间图像相关色域映射方法，包括以下步骤：S1：小色域边界上下阈值获取；S2：将灰度图像的二维平面结合灰度值构建为三维颜色曲面；S3：灰度颜色曲面待映射范围边界设置；S4：基于颜色准确度与纹理保持权衡构建待求解优化模型；S5：利用迭代求解的方法获得模型的次优解。本发明所述的一种适用于灰度颜色空间图像相关色域映射方法，通过设置参数来动态调整颜色映射的精准度与灰度图像层次纹理信息的保持程度，实现灰度图像保持颜色纹理的同时实现颜色的精准映射。

公开(公告)号：CN115761453A

公开(公告)日：2023-03-07

申请号：CN202211285599.9

申请日：2022-10-20

Applicant: 浙江大学

Inventor： 宋明黎 ,  申成吉 ,  黄启涵 ,  张皓飞 ,  宋杰

IPC: G06V20/00 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N5/04

Abstract: 一种面向电力巡检场景的基于特征匹配的轻量化单样本目标检测方法，包括下列步骤：1)基于掩码的基类别目标检测模型训练；2)新类别标注样本的数据增强；3)新类别标注样本的特征提取；4)模型在测试数据上的初步推理；5)使用传统特征修正推理结果。通过上述步骤，本发明实现了在每个类别标注样本极其稀少情况下(1个)的目标检测，并克服了传统单样本目标检测中依赖于测试图像类别先验知识的问题，同时还使用神经架构搜索，在尽量保持模型性能的同时减少模型的参数量。