公开(公告)号：CN118885729A

公开(公告)日：2024-11-01

申请号：CN202410865767.4

申请日：2024-07-01

Applicant: 华南理工大学

Inventor： 郭继凤 ,  陈俊龙 ,  张通 ,  王琳

IPC: G06F18/10 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0499 ,  G06N3/0895 ,  G06N20/20

Abstract: 本发明公开了一种基于集成半监督宽度回归系统的水泥抗压强度预估方法及装置，方法包括：确定水泥抗压强度影响因素；按照确定的影响因素对应属性数值，制备水泥样品并在标准养护条件下进行水化反应；按照水泥抗压强度测定方法对水泥样品进行测试记录；使用标记数据和无标签数据训练集成自训练的半监督宽度回归方法，并对测试数据进行预测；测试平均绝对误差小于预期值则属于对应预测强度；否则，调整模型结构，直到得到满意的预测误差。本发明有效地解决标记数据的稀缺性问题，并利用未标记数据的潜力来增强水泥抗压强度的估计，引入集成学习技术增加模型的稳定性和鲁棒性。

公开(公告)号：CN118845012A

公开(公告)日：2024-10-29

申请号：CN202410865770.6

申请日：2024-07-01

Applicant: 华南理工大学

Inventor： 张通 ,  郭继凤 ,  陈俊龙 ,  刘竹琳

IPC: A61B5/16 ,  G06F18/24 ,  G06F18/213 ,  G06N3/0495 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明公开了一种基于半监督宽度网络的弹性稀疏化情绪识别方法及装置，方法包括：采集脑电信号，获取脑电数据集；对脑电数据集进行数据预处理和特征提取，获取情绪状态特征；利用弹性稀疏自编码器对情绪状态特征提取低维特征，获取脑电低维特征；利用嵌入弹性稀疏化的多层增强节点对情绪状态特征进行深度特征提取，获取深度抽象特征，将脑电低维特征和深度抽象特征合并，形成情绪识别决策层特征；利用决策层对情绪识别特征进行分类，识别输出脑电数据相应的情绪。本发明解决了脑电情绪识别场景下面临的数据高维和标记数据不足的问题，提高识别准确率。

公开(公告)号：CN118798442A

公开(公告)日：2024-10-18

申请号：CN202411270027.2

申请日：2024-09-11

Applicant: 华南理工大学

Inventor： 李玲 ,  叶增健 ,  陈俊龙 ,  张通

IPC: G06Q10/04 ,  G06N20/00 ,  G06Q10/063 ,  G06Q10/083 ,  G06F18/214 ,  G06F18/27

Abstract: 本发明公开了可持续学习的集装箱提箱序列预测方法、系统和存储介质。所述方法包括以下步骤：执行集装箱历史数据采集操作；对采集到的集装箱历史数据执行数据清洗过程；将经过清洗的模型输入数据送入训练算法中，进行宽度学习系统模型训练操作，得到训练完成的宽度学习系统模型；当需要对新的集装箱进行堆存时间预测时，获取该集装箱的属性参数信息输入到训练完成的宽度学习系统模型中，输出该集装箱的预测堆存时间；基于可持续学习的增量学习算法，不断基于新的集装箱历史数据更新模型，提升性能，以适应新的数据和变化的业务需求。本发明利用了集装箱历史数据，通过统计学方式从数据中挖掘与堆存时间相关的特征，无需提箱序列预测的先验知识。

公开(公告)号：CN114863508B

公开(公告)日：2024-08-06

申请号：CN202210298795.3

申请日：2022-03-24

Applicant: 华南理工大学

Inventor： 张通 ,  叶汉云 ,  陈俊龙

IPC: G06V40/16 ,  G06N3/006 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明提供了一种自适应注意力机制的表情识别模型生成方法、介质及设备；其中方法为：设定每一代种群的个体数量为k；设置各个个体包含的模块个数，各个模块的输出通道数的可选区间及节点数，个体的基因格式及基因长度；初始化第1代种群个体基因，生成k个个体；将个体进行训练和测试；当迭代次数达到最大迭代次数时，在所有代种群中找出适应度最高的个体，得到最优的表情识别模型；否则，选择下一代种群的父母个体并进行变化，之后进行下一次迭代处理。该方法能够根据不同表情数据场景设计表情神经网络，并自适应地引入注意力机制提高表情识别的性能，使得该网络能够快速、准确且轻量地进行表情识别。

公开(公告)号：CN114841261B

公开(公告)日：2024-08-02

申请号：CN202210464986.2

申请日：2022-04-29

Applicant: 华南理工大学

Inventor： 陈俊龙 ,  詹永康 ,  孟献兵

IPC: G06F18/25 ,  G16H20/10 ,  G06F18/214

Abstract: 本发明提供了一种增量宽度和深度学习的药物反应预测方法、介质和设备；其中方法为：将药物的序列进行文本编码和位置编码，构建药物信息编码；将药物信息编码输入到Transformer编码器中挖掘药物的结构化特征，同时把基因表达数据输入到多层感知机学习基因的特征表示，将药物特征和基因特征拼接在一起形成药物‑基因特征对；将特征对输入到宽度学习系统中得到预测的药物敏感度回归值。该方法可解决药物表示不佳的问题；采用宽度学习系统来融合药物表示和基因表达特征，提高药物敏感性预测结果的准确性；通过增量学习算法更新网络权重，提升模型性能，无需重新训练整个模型。

公开(公告)号：CN118152612A

公开(公告)日：2024-06-07

申请号：CN202410136760.9

申请日：2024-01-31

Applicant: 华南理工大学

Inventor： 江英进 ,  张通 ,  陈俊龙

IPC: G06F16/65 ,  G06F16/61 ,  G06F16/68 ,  G06F16/635 ,  G06F16/683

Abstract: 本发明公开了一种基于维度模型位点轨迹的音乐情绪标注系统，包括乐曲采集模块、乐曲上传模块、乐曲预处理模块、乐曲标注模块、用户交互模块等；乐曲采集模块从指定的在线站点上采集乐曲，采集的信息分别输入数据管理模块和数据存储模块；乐曲预处理模块进行去重、统一格式和各种参数、输入人声识别模型进行判断，得到有效乐曲片段；用户交互模块完成标注主体用户的信息采集，基于已有的有效乐曲片段创建任务容量池，并向标注主体用户分发标注任务；乐曲标注模块与用户交互模块对接，向已就绪的计算机输入设备授予位点控制权，全过程监测位点在效价‑唤醒度空间中的移动轨迹，采集情绪描述信息并将多模态标注信息提交到数据管理模块。

公开(公告)号：CN118051834A

公开(公告)日：2024-05-17

申请号：CN202410049597.2

申请日：2024-01-12

Applicant: 华南理工大学

Inventor： 张通 ,  李启粼 ,  陈俊龙

IPC: G06F18/2413

Abstract: 本发明提出一种在线音乐情感标注方法及系统，包括以下步骤：标注准备阶段，被试者完成用户注册；对被试者进行标注测试；被试者根据标注界面的提示，在VA空间圆盘单击鼠标开始播放音乐并进行标注；在VA空间的不同象限内通过移动光标，实时记录被试者感受到的音乐情绪；在音乐播放完成后，光标自动停止记录，该首乐曲标注完成；在VA空间圆盘，被试者通过在纵轴为效价，横轴为唤醒度的圆形空间内实时根据自己听到的音乐记录完整的情绪变化，实时的记录情绪的标注信息，计算被试者标注结果的偏差值，如果平均偏差距离不高于阀值，则认为被试者通过标注测试，否则不通过。

公开(公告)号：CN114925742B

公开(公告)日：2024-05-14

申请号：CN202210296315.X

申请日：2022-03-24

Applicant: 华南理工大学

Inventor： 陈俊龙 ,  邱际宝 ,  张通

IPC: G06F18/241 ,  G06F18/213 ,  G06N3/084 ,  G06N3/045 ,  G06N3/098

Abstract: 本发明提供基于辅助任务的符号音乐情感分类系统及方法。所述系统包括符号音乐编码模块、嵌入层、特征提取器、汇聚层、情感分类器、调式分类器和力度分类器。所述方法包括预训练阶段和微调阶段，能仅在微调阶段采用辅助任务，也可同时在预训练阶段和微调阶段采用辅助任务。本发明利用和情感相关的辅助任务提高情感识别的准确率，通过多任务的学习，模型能够更好地学习到和情感相关的表征，从而提高模型对于情感识别任务的准确率。

公开(公告)号：CN114724214B

公开(公告)日：2024-05-14

申请号：CN202210331968.7

申请日：2022-03-31

Applicant: 华南理工大学

Inventor： 范启伟 ,  陈俊龙 ,  张通

IPC: G06V40/16 ,  G06N3/0455 ,  G06N3/094 ,  G06N3/0475 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于面部动作单元的微表情编辑方法及系统，方法包括：获取训练数据，并对训练数据进行预处理；通过优化训练模块对中性生成器进行模型训练；通过优化训练模块对图像编码器、表征编码器以及解码器进行模型训练；将目标人脸图像输入至训练完成的中性生成器，得到目标人物的无表情人脸图像；将目标人物的无表情人脸图像输入至训练完成的图像编码器，得到指定尺寸的带有身份信息的张量T1；将目标人物人脸区域的表征数据和带有目标人物身份信息的张量T1输入至训练完成的表征编码器，得到混合有目标人物人脸表情的结果张量T2；将结果张量T2输入至训练完成的解码器，得到带有表情的目标人脸图像。本发明能保证编辑有效性，且编辑效果更真实。

公开(公告)号：CN114203264B

公开(公告)日：2024-05-14

申请号：CN202111444354.1

申请日：2021-11-30

Applicant: 华南理工大学

Inventor： 陈俊龙 ,  刘如意 ,  孟献兵

IPC: G16C20/30 ,  G16C20/10 ,  G16C20/70 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了基于深度学习的化学反应转化率预测方法、系统及介质，方法包括：从参加化学反应的反应物的所属类型中选出对化学反应转化率影响最大的反应物类型A，并进行反应物类型A的反应物和化学反应对应的化学反应式R的分词及特征提取，接着通过注意力机制求反应物类型A的反应物的深层表征信息Ta、化学反应对应的化学反应式R的深层表征信息Tr、反应物和反应式的关系信息Tm，最后利用宽度学习系统对反应物类型A的反应物的深层表征信息Ta、化学反应对应的化学反应式R的深层表征信息Tr、反应物和反应式的关系信息Tm进行融合，预测化学反应转化率。本发明大大提高了化学反应转化率的预测精度。