公开(公告)号：CN116956017A

公开(公告)日：2023-10-27

申请号：CN202310499258.X

申请日：2023-05-06

Applicant: 浙江大学 ,  国网上海市电力公司

Inventor： 宋明黎 ,  汪雨雯 ,  刘顺宇 ,  陈凯旋 ,  李文达 ,  苏运 ,  田英杰

IPC: G06F18/214 ,  G06F18/24 ,  G06F17/16 ,  G06N3/0464 ,  G06N3/08

Abstract: 基于图彩票假设理论的电网暂态失稳子结构定位方法和系统，包括：首先本发明将电网暂态数据处理为带有暂态稳定性标签的图结构数据，引入图卷积神经网络对图的表示特征进行提取。然后通过基于幅值的联合稀疏化方法，实现对电网图中冗余信息的丢弃，并且考虑到稀疏化过程中，元素的重要性会随着模型结构和图结构的动态改变而发生变化的问题，在每次进行进一步稀疏之前，重新考虑被丢弃元素的重要性，并设计对抗互补擦除框架对识别的关键子结构进行修正。本发明能明确造成电网暂态失稳的原因，为电网暂态失稳的调控提供准确和高效的解决方案。

公开(公告)号：CN116912166A

公开(公告)日：2023-10-20

申请号：CN202310647375.6

申请日：2023-06-02

Applicant: 浙江大学宁波“五位一体”校区教育发展中心

Inventor： 孙立 ,  吴洪岩 ,  梁瑞 ,  孙震 ,  王慧琼 ,  宋明黎

IPC: G06T7/00 ,  G06T7/60 ,  G06T7/70 ,  G06V10/75

Abstract: 基于模板学习与比对的薄面外观缺陷检测方法，包括：1)基于良品图像自动学习构建模板原型；2)对每个模板原型，检测待检测样本图像中的模板实例；3)对每个模板实例，将对应的模板原型与模板实例区域进行映射对齐；4)对每个模板实例，将应映射对齐后的模板实例和模板原型进行比对得到特征差异图；5)对每个模板实例的特征差异图，应用缺陷检测算法参数提取模板实例内的缺陷信息；6)综合所有模板实例的缺陷信息，输出产品OK/NG判定和缺陷信息列表。本发明综合多种技术手段实现对平面规则内容产品的准确、灵活、高效的外观缺陷检测。

公开(公告)号：CN116843011A

公开(公告)日：2023-10-03

申请号：CN202310841509.8

申请日：2023-07-11

Applicant: 浙江大学

Inventor： 宋明黎 ,  徐文祥 ,  陈琳 ,  贾志杰 ,  冯尊磊

IPC: G06N3/084 ,  G06N3/088 ,  G06N3/0985 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774

Abstract: 基于卷积神经网络预训练模型的卷积核激活值正则化方法和系统，其方法包括：1)预训练卷积神经网络模型；2)计算卷积核产生的激活值的重要程度；3)正则化处理卷积核产生的激活值，产生新的激活值，使用新的激活值代替原先的激活值；4)基于正则化处理之后的卷积神经网络模型对图像进行分类。本发明找到卷积神经网络预训练模型中每个卷积核产生的激活值的重要程度，基于激活值的重要程度对卷积核激活值进行正则化处理。根据分类结果计算损失函数，利用损失函数对卷积神经网络的参数进行更新，提升预训练卷积神经网络的图像分类性能。

公开(公告)号：CN116805386A

公开(公告)日：2023-09-26

申请号：CN202310841505.X

申请日：2023-07-11

Applicant: 浙江大学

Inventor： 冯尊磊 ,  陈凯隆 ,  宛袁玉 ,  宋明黎

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 基于Frank‑Wolfe的图像对抗样本防御方法和系统，其方法包括以下步骤：(1)数据收集和清洗；(2)构建神经网络模型；(3)基于原始图像，使用Frank‑Wolfe和二分算法生成初始对抗样本；(4)使用Frank‑Wolfe算法精细搜索对抗样本边界；(5)将生成的对抗样本给模型训练，提高模型的鲁棒性。本发明设计了一种基于Frank‑Wolfe的图像对抗样本防御方法。该技术的核心思想是通过二分算法和Frank‑Wolfe算法减少需要初始化一个较小的对抗样本的迭代次数，并基于Frank‑Wolfe算法对已经生成的对抗样本进行更进一步的搜索，以达到缩小对抗样本范数的效果，从而优化生成对抗样本的次数和效率。本发明生成对抗样本范数小，生成效率高，从而为构建更加鲁棒的图像分类系统打好基础。

公开(公告)号：CN111178897B

公开(公告)日：2023-08-08

申请号：CN201911309071.9

申请日：2019-12-18

Applicant: 浙江大学

Inventor： 宋明黎 ,  郑铜亚

IPC: G06Q20/40 ,  G06V10/764 ,  G06V10/70

Abstract: 在不平衡数据集上进行快速特征学习的代价敏感的动态聚类方法，首先将不平衡数据的训练集全体送入前馈神经网络中，得到输出层之前的样本表征；设定聚类的类别数目K，将属于数据集大类的样本表征取出，用K‑Means方法将这批样本聚为K类；利用得到的这批样本的聚类标签作为训练的类别标签，计算代价敏感系数下的神经网络损失，利用反向传播训练神经网络；迭代计算下一批样本表征，并设置K‑Means的初始化标签为上一轮大类样本的K‑Means标签，继续训练过程直到收敛。能够较好地解决不平衡数据集训练中出现的模型偏置情况，在大类和小类的分类结果上均表现良好，用于金融数据中不平衡数据的分类学习。

公开(公告)号：CN115600160B

公开(公告)日：2023-07-21

申请号：CN202211288616.4

申请日：2022-10-20

Applicant: 浙江大学

Inventor： 宋杰 ,  贾爱玲 ,  宋明黎

IPC: G06F21/10 ,  G06F18/22

Abstract: 基于积分梯度可解释算法的网络模型窃取行为的检测方法，包括：1)随机选取不同领域的图像组成探测数据集，并输入到待验证模型中；2)通过可解释性方法积分梯度算法对模型进行归因分析，计算不同模型下输入图片像素对最终输出影响的贡献度大小，对探测数据集中的图片生成相应的归因图；3)将模型对探测数据集生成的归因图作为度量空间，将模型在探测数据集图片的同一位置处得到的归因值组合构成一个位置归因向量，计算不同模型在同一位置处的归因向量之间的距离大小；4)将度量空间中所有像素点对应的输入位置归因向量之间的距离进行平均，即为模型之间的距离；5)计算原始模型与窃取模型、原始模型与非窃取模型之间的距离并进行距离比较。

公开(公告)号：CN116108364A

公开(公告)日：2023-05-12

申请号：CN202310039060.3

申请日：2023-01-11

Applicant: 浙江大学

Inventor： 宋明黎 ,  张江涛 ,  宋杰 ,  吴洋 ,  黄文淇

IPC: G06F18/24 ,  G06F18/214 ,  G06V40/16

Abstract: 一种基于元学习的集成式深度模型分类方法，包括：1)收集与任务相关的标注数据，划分数据集为训练集和测试集；2)通过任务与数据类型选择多组较优的数据增强方式，对初始数据进行增强；3)选择N个相同的的深度学习网络模型作为初始模型，选择1种算法作为模型集成所需算法；4)训练过程中将训练集部分采样得到查询集，剩下部分作为支撑集；5)使用支撑集训练该N组模型，并进行梯度更新；6)使用查询集验证该N组模型，并对算法进行梯度更新，使用更新后的算法对多模型集成，将集成模型参数替换掉该N个网络模型的参数；7)重复4‑6步骤多次，使用最后一轮得到的算法对最后一轮得到的N组模型进行集成，得到最终的模型。

公开(公告)号：CN116108217A

公开(公告)日：2023-05-12

申请号：CN202211327218.9

申请日：2022-10-27

Applicant: 浙江大学

Inventor： 谢谨蔓 ,  高杨 ,  冯尊磊 ,  庄永真 ,  罗进开 ,  宋明黎

IPC: G06F16/583 ,  G06V10/56 ,  G06V20/58 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于深度哈希编码和多任务预测的逃费车辆相似图片检索方法。其特征在于，以resnet50作为特征提取器，分别输入到车辆id、车型、颜色预测模块和哈希码生成模块四个分支同时训练。哈希码生成模块可以生成不同长度的哈希编码，车型和颜色预测模块分别对车型和颜色进行预测。该方法同时对车型预测、颜色预测、哈希编码生成模块进行优化，可以实现基于属性的粗粒度检索和基于不同层次哈希码的细粒度检索。针对逃费车辆，首先可以从数据库中针对粗粒度属性特征筛选出匹配的图片，再根据由短到长的哈希码不断进行更加精细化的检索。由粗到精的检索方法和哈希编码的方式大大提高检索速度和检索效率。

公开(公告)号：CN115908920A

公开(公告)日：2023-04-04

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：CN115603388A

公开(公告)日：2023-01-13

申请号：CN202211369486.7

申请日：2022-11-03

Applicant: 浙江大学(CN)

Inventor： 宋明黎 ,  周屹赫 ,  刘顺宇

IPC: H02J3/48 ,  G06N3/08 ,  G06N3/04

Abstract: 基于多智能体对比强化学习的电网热稳越限调控方法，首先，根据典型日电网正常运行数据构建一系列电网热稳越限数据集，并利用图注意力神经网络计算电网节点的嵌入表示向量；然后，在基于协作架构的值分解深度Q网络基础上构建发电机调控的多智能体强化学习框架，该框架根据电网图表示特征拟合各发电机节点各动作的价值；然后构建对比学习模型来更好的区分不同发电机节点的特征表示；最后构建发电机动作执行模块，每个发电机根据自己节点的表示向量通过智能体网络选取期望价值最大的动作来调控电网，使得电网从热稳越限恢复到正常状态。本发明还包括基于多智能体对比强化学习的电网热稳越限调控系统。