-
公开(公告)号：CN117433677B
公开(公告)日：2024-04-19
申请号：CN202311736669.2
申请日：2023-12-18
Applicant: 之江实验室
Abstract: 本发明公开了一种基于光谱变化的微纳光纤锥区受力位置检测方法和装置。方法是将待测压力施加到微纳光纤的锥区，后根据经过微纳光纤的光谱变化对待测压力及受力区间的位置检测，具体根据待测压力施加前后所检测到的光谱变化、待测压力移动位置前后所检测到的光谱变化并结合待测压力施加的位置判断；装置中，微纳光纤的腰区放置在柔性基底上并被柔性薄膜包埋，微纳光纤两端分别连接白光光源和光谱仪，微纳光纤正上方设置三维压力传感器，并且再底面设置施加压力的按压头。本发明通过比较不同受力位置和大小下的全输出光谱，对光纤锥区内不同受力位置能够进行准确测定，且结合人工智能算法，成功实现了对位置和力的高精度预测。
-
公开(公告)号：CN113537272B
公开(公告)日：2024-03-19
申请号：CN202110332332.X
申请日：2021-03-29
IPC: G06F18/2415 , G06F18/214 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0895 , G06Q50/00
Abstract: 本发明公开了一种基于深度学习的半监督社交网络异常账号检测方法，首先构建社交网络账号图，对部分账号进行标签标记，采用文本特征提取方法对每个账号的属性信息进行特征提取，得到账号属性的文本特征，同时获取社交网络的邻接矩阵，构建基于深度学习的属性特征映射网络和结构特征映射网络，采用账号属性的文本特征对属性特征映射网络进行训练，采用账号属性的文本特征和邻接矩阵对结构特征映射网络进行训练，在对账号进行异常检测时，根据该账号的属性向量和结构向量计算得到评价分数，与评价阈值比较得到异常检测结果。本发明可以实现对社交网络中相互关联的账号中的异常账号的自动发现。
-
公开(公告)号：CN117393176A
公开(公告)日：2024-01-12
申请号：CN202311366722.4
申请日：2023-10-20
Applicant: 之江实验室
Abstract: 本申请涉及一种宏微观图融合的传染病感染预测方法、装置和存储介质。所述方法包括：获取某一设定时间段内多个第一区域的宏观图，以及多个第二区域的微观图；第一区域中包括多个第二区域；将宏观图输入第一图卷积神经网络得到第一隐层向量；将微观图输入第二图卷积神经网络得到第二隐层向量；融合第一隐层向量与第二隐层向量得到各第一区域的融合隐层信息；对融合隐层信息进行时序计算得到各第一区域的时序隐层信息，将时序隐层信息分别输入两个预测网络中得到两个预测结果；将两个预测结果进行融合计算，得到最终各第一区域的传染病预测结果。采用本方法能够实现宏微观图融合挖掘的传染病预测，提高预测结果可解释性和传染病预测的效率。
-
公开(公告)号：CN112100518B
公开(公告)日：2023-11-28
申请号：CN202010995705.7
申请日：2020-09-21
IPC: G06F16/9536 , G06Q50/00 , G06F40/216 , G06F40/289
Abstract: 本发明公开了一种考虑用户在线关系网络的舆情主题发现方法，其步骤包括：1构建用户在线关系网络，2设计有参贝叶斯模型user link topic model生成文本主题，3利用坍塌式吉布斯抽样算法进行参数推断。本发明在应对大规模社交网络时，能有效、快速、准确地发现用户关注度高的舆情主题，有助于舆情主题检测，从而为决策者提供重要信息，用于评估在过去特定时间内对于民众舆情引导效果，并有助于及时了解用户当下所关心的热点话题。
-
公开(公告)号：CN113282415B
公开(公告)日：2023-10-31
申请号：CN202110570428.X
申请日：2021-05-25
Abstract: 本发明公开了一种分布式环境下的带标签图模式匹配方法，分布式环境中的主节点对数据图进行划分并将每份节点数据分别发送至每个从节点，同时将带标签模式图分发到每个从节点，从节点会根据本地数据的存储情况和通信状况动态选择匹配路径，得到图模式匹配结果后反馈至主节点，由主节点对所有图模式匹配结果进行聚合后输出。本发明在使用以任务为中心的图计算模式的同时，充分考虑到了分布式环境中存在的负载均衡问题，以便充分利用分布式环境中每台机器的CPU算力，可以有效提高图模式匹配的效率。
-
Patent Agency Ranking
公开(公告)号：CN116561590B
公开(公告)日：2023-10-03
申请号：CN202310834041.X
申请日：2023-07-10
Applicant: 之江实验室
IPC: G06F18/214 , G01L1/24 , G06F18/15 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的微纳光纤负载大小和位置预测方法及装置，提出一种基于多尺度一维卷积神经网络(1D‑CNN)和长短期记忆网络（LSTM）的方法(MSCNN‑LSTM)，能够同时精确预测施加在微纳光纤表面的负载大小和位置。通过数据增强的技术解决了在可用数据集较少的情况下深度学习易陷入过拟合的风险，同时通过将光谱数据与当前时间无负载下原始光谱数据做比值，解除了因原始光谱变化引起的数据偏差对模型预测的影响，提高模型对光谱数据对应负载大小和位置预测准确率。本发明方法在整个实验范围内能准确预测负载大小（MAE=0.02N）和负载施加位置（MAE=7.6um）,可用于开发广泛运用的触觉传感器。
-
公开(公告)号：CN115994831A
公开(公告)日：2023-04-21
申请号：CN202211586682.X
申请日：2022-12-09
IPC: G06Q50/00 , G06F16/9536
Abstract: 本申请涉及数据智能分类技术领域，特别涉及一种基于节点增强超图的局部社区发现方法及装置，其中，方法包括：根据应用场景输入超图数据集中的初始种子节点；基于初始种子节点获取扩展种子集；从扩展种子集中提取质量增强种子节点集合，并以质量增强种子节点集合为初始点，计算局部节点扩散，以输出局部社区发现子图。由此，解决了相关技术中仅能适用于小规模超图的社区发现工作，降低了局部社区发现工作的适用性，并且种子节点质量对性能的影响较大，降低了局部社区发现工作的精度，无法满足局部社区发现工作的需求等问题。
-
公开(公告)号：CN114357264A
公开(公告)日：2022-04-15
申请号：CN202111511187.8
申请日：2021-12-03
Applicant: 之江实验室
IPC: G06F16/906
Abstract: 本发明公开了基于SOMEi数据结构回退重构的动态极大团枚举方法，该方法利用数据结构SOMEi（其中包括v‑header候选团和ICTree结构）对图中存在的极大团进行存储，并在图发生改变的过程中，动态更新SOMEi结构，动态枚举图中的极大团，同时可以动态枚举某一序号区间内节点构成的图中存在的所有极大团。本发明在动态极大团枚举的过程中，不区分图的增边减边变化，实现了在图的增减边混合更新以及大批量更新下极大团的枚举，提高动态极大团枚举的时间效率。
-
公开(公告)号：CN114330580A
公开(公告)日：2022-04-12
申请号：CN202111676330.9
申请日：2021-12-31
IPC: G06K9/62
Abstract: 本发明公开了基于歧义指导互标签更新的鲁棒知识蒸馏方法，包括：A、构建训练数据集；B、构建教师网络和学生网络；C、通过鲁棒学习方法对教师网络进行训练；D、对数据集中的每个样本进行歧义感知权重估计和权重分配；E、根据小损失标准对数据集中的样本进行标签重新标注，结合教师网络特征的标签传播算法更新标签，再计算损失和更新网络参数；F、在学生网络和教师网络之间进行互标签传播算法，并更新样本标签、计算损失和更新网络参数；G、将测试图像数据导入学生网络，由其得到预测结果且用于图像分类；本方案可以有效地提升知识蒸馏对噪声标签的鲁棒性，从而可以在噪声标签的环境下获取一个高性能的轻量级网络，其更能适用于实际情况。
-
公开(公告)号：CN113191359B
公开(公告)日：2021-11-16
申请号：CN202110734232.X
申请日：2021-06-30
Abstract: 本发明公开了基于支持与查询样本的小样本目标检测方法与系统，包括，支持样本和查询样本特征提取、基于查询样本引导的支持样本加权、支持样本引导的查询特征增强、候选框的打分和筛选、混合损失函数计算，将小样本学习机制引入到深度目标检测框架，建立了一套准确率高的小样本目标检测系统。本发明的方法框架简单、使用方便、可扩展性强、可解释性强，并在两个主流视觉属性数据集的小样本目标检测的结果上，都超过了现有方法。本发明能够为目标检测技术在军事和工业应用领域，提供基础框架和算法的支持，也能很容易地扩展到其他小样本学习任务上。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.025 seconds)
