-
公开(公告)号：CN115062159B
公开(公告)日：2024-05-24
申请号：CN202210666541.2
申请日：2022-06-13
Applicant: 西南交通大学
IPC: G06F16/36 , G06N5/02 , G06N3/0464 , G06N3/048 , G06N3/098
Abstract: 本发明公开了一种基于联邦学习的多粒度动态知识图谱嵌入模型构造方法，包括步骤：客户端对多粒度动态知识图谱嵌入模型进行本地训练；多个完成本地多轮训练多粒度动态知识图谱嵌入模型的客户端，将模型的卷积核集合和权重向量上传到服务器，服务器按照平均聚合规则(或者多粒度聚合规则)更新卷积核集合和权重向量，之后下传到每个客户端；重复执行上述步骤多轮后，得到全局多粒度动态知识图谱嵌入模型。本发明关注不同时间粒度的信息与事实三元组的关联性，提高了动态知识图谱嵌入模型中事实三元组表征的准确性。联邦学习使用多粒度聚合规则时，提高了动态知识图谱嵌入模型的通信效率，降低了冗余信息。
-
公开(公告)号：CN117495998A
公开(公告)日：2024-02-02
申请号：CN202311529979.7
申请日：2023-11-16
Applicant: 西南交通大学
IPC: G06T11/00 , G06N3/0475 , G06N3/0455 , G06N3/047 , G06N3/0895
Abstract: 本发明公开了一种多目标分段优化的图像语义通信框架，包括发送端模块、传统通信模块和接收端模块；发送端模块由语义编码器与信道编码器构成，接收端模块由信道解码器与语义解码器构成，传统通信模块由负责发送与接受的组件构成；在训练时，根据优化目标将系统的不同模块分别划分到两个训练阶段中：在第一个阶段，系统中的语义编码器和信道编解码器部分负责提取与传递图像的整体语义；在第二个阶段，系统中的语义解码器负责根据接受到的信息生成与原始图像语义一致的图像。本发明充分结合了高层和低层语义信息的优势，实现混合语义信息到图像的映射，提高了生成图像的质量，具备更强大的语义表达能力。
-
公开(公告)号：CN116702450A
公开(公告)日：2023-09-05
申请号：CN202310600341.1
申请日：2023-05-25
Applicant: 西南交通大学
IPC: G06F30/20 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于协同计算的贝叶斯优化算法，解决了现有技术中传统Kriging模型的构建与训练速度慢以及期望提高准则求解效率低的技术问题。基于协同计算的贝叶斯优化算法包括步骤：Step100.将一个d维优化问题随机划分为t个维度为s维的子优化问题，得到协同Kriging模型；其中，s*t＝d；Step200.训练协同Kriging模型：通过最大化似然函数求解第i个子优化问题的s个子超参数，然后采用s个子超参数对共享超参数进行更新；Step300.协同EI准则采样：通过最大化协同EI函数求解第i个子优化问题的子最优解，然后采用子最优解对共享最优解进行更新；Step400.如果i+1≤t，则进入Step200；反之，则进入Step500；Step500.如果评估次数+1≤预设的最大评估次数，则进入Step100；反之，则运算完成，输出共享最优解及其目标函数值。
-
公开(公告)号：CN116564553A
公开(公告)日：2023-08-08
申请号：CN202310505434.6
申请日：2023-05-06
Applicant: 西南交通大学
IPC: G16H70/40 , G16H50/70 , G06N3/042 , G06N3/0464 , G06N3/0442
Abstract: 本发明提供了一种基于共病特征的用药效果预测方法，属于用药效果预测技术领域，该方法包括：获取原始数据，并对原始数据进行处理得到标准数据集；利用标准数据集训练双通道神经网络模型，得到患者的单个特征；将患者的单个特征作为节点特征，以患者间相似程度连边构造网络得到相似患者网络；利用图卷积网络学习相似患者网络的空间结构，挖掘相似患者间的关联信息，并基于关联信息预测患者的用药效果。本发明构建了相似患者网络，充分挖掘患者间信息，大幅提高用药效果预测的准确度，进而提高医疗决策的准确性，改善患者的治疗效果，在临床实践中具有广泛的应用前景。
-
公开(公告)号：CN111291163B
公开(公告)日：2023-04-11
申请号：CN202010158279.1
申请日：2020-03-09
Applicant: 西南交通大学
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06F16/903
Abstract: 本发明公开了一种基于症状特征的疾病知识图谱检索方法，对输入文本预处理，提取症状特征，在图谱中检索与符合症状特征的疾病节点，计算全部疾病节点与症状特征的相关度，将相关的内容依次按照相关度值从高到低依次呈现，节省检索时间，提高检索效率。
-
Patent Agency Ranking
公开(公告)号：CN109918671B
公开(公告)日：2022-12-20
申请号：CN201910184951.1
申请日：2019-03-12
Applicant: 西南交通大学
IPC: G06F40/289 , G06F40/30 , G06N3/04 , G16H10/60
Abstract: 本发明公开了一种基于卷积循环神经网络的电子病历实体关系抽取方法，该方法包括：利用数据构造器对自然语句进行重新构造得到多维层次序列；采用向量表示技术将多维层次序列映射为输入特征向量；采用卷积循环神经网络ConvLSTM同时捕捉语句的局部与全局语义信息，得到上层句子向量；采用两级注意力机制捕获与语义关系紧密关联的文本内容，获得高级别句子向量，以解决多实例误标签的问题；根据获取到的高级别句子向量进行关系判定，得到预测标签。本发明不依赖任何外部资源特征，仅通过数据重构与改进网络模型框架的方式以提升实体关系抽取性能。同时该发明的方法可以扩展到其他具有特征提取不充分与样本不均衡等问题的任务中。
-
公开(公告)号：CN111382272B
公开(公告)日：2022-11-01
申请号：CN202010156828.1
申请日：2020-03-09
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于知识图谱的电子病历ICD自动编码方法，涉及自然语言处理技术领域，其将电子病历字符序列中的字符映射为d维的字符嵌入矩阵，采用向量表示方法将电子病历字符序列X向量化，采用CNN网络从输入特征向量中学习到文本语义信息；构建临床医学知识图谱，采用图嵌入表示方法，根据临床医学知识图谱和ICD编码信息得到图嵌入表示Yg；采用注意力机制，根据上层序列向量H和图嵌入表示Yg计算得到高级别序列向量V；对高级别序列向量V进行标签判定，得到预测标签，使用正确标签和预测标签的二元交叉熵作为目标函数，完成电子病历ICD自动编码。本发明能减少研究时间和匹配错误，可以吸纳医生经验，能够仅提取局部有用信息。
-
公开(公告)号：CN114869241B
公开(公告)日：2022-09-23
申请号：CN202210812071.6
申请日：2022-07-11
Applicant: 西南交通大学
IPC: A61B5/00
Abstract: 本发明提供了一种睡眠呼吸事件预测方法、装置、设备及可读存储介质，涉及医疗信息技术领域，包括获取第一信息包括待测试人员的四个睡眠通道的信号；对第一信息的特征向量的相关性进行计算，并构建睡眠呼吸图；构建RCCN模型，对所述待测试人员的呼吸信号进行预测，得到预测结果；根据所述预测结果进行分类，判断分类后的所述待测试人员的呼吸信号是否属于暂停事件，若是则输出所述暂停事件的结果。本发明的有益效果为综合考虑了时间和空间维度中的四通道呼吸信号特征，充分应用瓶颈策略，实现数据的特征压缩和尺度压缩；通过堆叠时空循环卷积块对空间和时间特征分别进行提取，从而综合多维度的信息提高情感识别的准确率和鲁棒性。
-
公开(公告)号：CN114550932A
公开(公告)日：2022-05-27
申请号：CN202210167175.6
申请日：2022-02-23
Applicant: 西南交通大学
Abstract: 本发明提供了一种睡眠呼吸暂停风险评估方法、装置、设备及存储介质，涉及睡眠呼吸暂停风险评估技术领域。本申请中基于不确定性采样策略选择蕴含信息量大的ECG信号片段进行标注并用其训练神经网络模型，不仅降低获得标注样例的成本和难度，还降低神经网络模型算法样本的复杂度，提高对OSA病症片段的自动检测效率。将用户前一晚睡眠期间收集到的ECG信号输入到训练后的神经网络模型中，得到描述当前片段为正常生理状态的概率和患有OSA病症的概率。然后根据确定患有OSA病症的所有片段计算得到用户前一晚的AHI指数，根据AHI指数得到OSA病症的等级程度，帮助用户结合当前自身的身体状态采取相应的治疗措施。
-
公开(公告)号：CN108628682B
公开(公告)日：2021-09-24
申请号：CN201810346476.9
申请日：2018-04-17
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于数据持久化的Spark平台成本优化方法，包括构建基准成本率模型，构建目标应用程序的Attention‑DAG图即注意力‑有向无环图，结合Spark Checkpoint特性构建成本优化方案，根据成本优化方案对目标应用程序进行同环境配置下的执行等步骤。本发明的积极效果是：(1)提出一种广义分布式云计算环境下的基准成本率模型。对于具有不同工作特点的分布式计算框架来说，该基准成本率模型能够为评价优化算法的效果提供一种统一量纲的量化指标。(2)提出了一种基于数据持久化的Spark平台成本优化方法。该方法可作为一种成本优化的方法论，能够广泛用于任意具有持久化机制的系统或框架中，其核心思想是寻求计算成本与存储成本的平衡。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.067 seconds)
