-
公开(公告)号：CN116776731A
公开(公告)日：2023-09-19
申请号：CN202310746326.8
申请日：2023-06-25
Applicant: 成都信息工程大学
IPC: G06F30/27 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F111/10 , G06F111/04
Abstract: 本发明涉及一种基于物理约束的自适应神经网络海洋垂直混合参数化方法，主要针对海洋垂直混合参数化过程精度不高的问题，本发明构建了一个自适应网络模型，在海上实际站点观测数据的基础上加入一定的人工合成数据，构成训练集进行学习，构建参数化神经网络，参数化神经网络由四个自适应全连接模块AFCM堆叠构成，学习不同深度的海洋密度ρ、剪切平方S2、分层N2、速度U与垂直扩散系数Kt的关系，然后通过融合学习到的特征预测垂直混合参数化过程中的垂直扩散系数Kt，在训练过程和网络推理过程中引入物理约束来提高网络的预测精度，使得本发明的参数化网络在精度和泛化能力方面比现有技术表现更好。
-
公开(公告)号：CN116776269A
公开(公告)日：2023-09-19
申请号：CN202310746435.X
申请日：2023-06-25
Applicant: 成都信息工程大学
IPC: G06F18/2433 , G06F18/213 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/08 , G08G1/01
Abstract: 本发明涉及一种基于图卷积神经网络自编码器的交通异常检测方法，设计一种结合交通异常和深度学习的一维卷积及上下文编码网络，所述网络主要包括镜像时域卷积模块和依次级联的两个图卷积门控循环模块，通过提取交通特征像是速度和流量来预测交通状况和可能发送的异常，在镜像时域卷积模块之前使用了自适应方法来适应不同的路段，通过镜像传入更多的特征给时间卷积模块，通过时间卷积模块获取更多的信息，让网络不断地学习这种交通网络，图卷积门控循环模块使用了高斯核函数模块，让分布更加集中于高维空间，再利用图卷积网络架构的特点捕获了隐藏的空间相关性结合图卷积神经网络捕获可能的异常点发生，更加准确，大大提高了预测异常的可靠性。
-
公开(公告)号：CN116721027A
公开(公告)日：2023-09-08
申请号：CN202310663159.0
申请日：2023-06-06
Applicant: 成都信息工程大学
IPC: G06T5/00 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于变分模糊核估计的运动图像去模糊方法，首先通过变分推断算法，拟合模糊核的隐式物理结构分布，将其表示为潜在变量，例如方向、范围，能够得到非参数化的模糊核特征。其次，采用模糊生成模型，以数据驱动的方式近似模糊核的预期统计分布。在模糊生成阶段采用双头解码器结构。本发明的模糊核估计方法克服了现有非均匀运动模糊估计方法的局限性，能够生成大量极其精确的运动模糊核，通过训练该模型，不仅能够实现对真实的运动模糊图像去模糊，而且够生成大量清晰‑模糊数据对，从而有效地丰富和扩充现有的基准数据集。综合实验证明，本发明方法比现有的基于端到端深度学习的方法具有更好去模糊效果。
-
公开(公告)号：CN115545198B
公开(公告)日：2023-05-26
申请号：CN202211488786.7
申请日：2022-11-25
Applicant: 成都信息工程大学
Abstract: 本发明涉及边缘智能技术领域，公开了一种基于深度学习模型的边缘智能协同推断方法及系统，通过获取巡检设备和边缘设备的参数信息以及所述巡检设备采集的监控图像数据的处理需求分别构建适用于巡检设备和边缘设备的简单模型和复杂分支模型；简单模型较复杂分支模型的网络层数和神经元个数更少，神经网络计算会明显减少任务推断时间和自身消耗的能耗；巡检设备端输出结果置信度值判定器以输出结果的置信度最大值作为依据判断监控图像数据是否需要传输到边缘设备端进行处理，从而保证深度学习模型结果准确率的同时，最大程度的利用巡检设备、边缘设备的计算和存储能力，以及降低系统在单边执行任务时的所带来的高时延和高能耗。
-
公开(公告)号：CN116153404A
公开(公告)日：2023-05-23
申请号：CN202310182496.8
申请日：2023-02-28
Applicant: 成都信息工程大学
IPC: G16B25/00 , G16B40/00 , G06N3/0455
Abstract: 本发明公开了一种单细胞ATAC‑seq数据分析方法，通过提取单细胞分辨率的染色质可达性特征峰序列中转录因子‑DNA结合基元的所属种类、相对位置、长距离依赖关系等众多转录调控语法规则，从而更全面地表示单个细胞的功能状态和高阶特征。此外，本发明方法利用获取的转录调控语法规则、细胞功能状态和高阶特征，一站式地实现染色质可达性预测、细胞类型注释、染色质可达性图谱降噪、转录因子活性推断等一系列下游分析任务。
-
Patent Agency Ranking
公开(公告)号：CN115938592B
公开(公告)日：2023-05-05
申请号：CN202310220890.6
申请日：2023-03-09
Applicant: 成都信息工程大学
IPC: G16H50/30 , G06F18/25 , G16B20/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于局部增强图卷积网络的癌症预后预测方法，属于医学技术领域，包括以下步骤：S1：获取多组学数据和通路原始数据，并利用多组学数据路和通路原始数据构建无向图；S2：对无向图进行局部增强；S3：利用图卷积网络对局部增强后的无向图进行特征提取和特征融合，得到整体特征映射组合；S4：根据整体特征映射组合，构建比例风险模型，将整体特征映射组合输入至比例风险模型中，确定患者生存风险。本发明通过对癌症相关组学数据构建图神经网络学习，对患者进行预后预测及分析，可以为生物实验提供一定指导，从而有效减少实验时间与节省实验成本。
-
公开(公告)号：CN116013449A
公开(公告)日：2023-04-25
申请号：CN202310273797.1
申请日：2023-03-21
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种融合临床信息与磁共振图像的心肌病预后辅助预测方法，所述方法首先采用Relief特征选择算法进行临床指标的筛选，然后将筛选出的临床指标与心脏MRI图像进行特征融合，构建预测神经网络模型MM‑Net包括两个独立的特征提取分支：临床特征分支和图像特征分支，分别进行临床指标和心脏MRI图像的特征提取，最后将两个分支分别提取的高维特征信息进行融合处理，输出最终的心脏MRI图像分类结果，辅助预测扩张型心肌病患者是否发生严重的预后事件。实验结果表明，本发明的辅助预测方法在引入临床指标后，辅助预测的各项指标均有提高，采用的特征层融合策略表现也有优异的表现。
-
公开(公告)号：CN115810398A
公开(公告)日：2023-03-17
申请号：CN202211696499.5
申请日：2022-12-28
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于多特征融合的TF‑DNA结合识别方法，包括：S1：获得人类常见组织的五种与转录因子结合相关的原始数据；S2：对多种数据进行预处理；S3：对预处理后的原始数据中的DNA序列数据进行数据编码处理；S4：对预处理后的原始数据中的其他数据进行归一化处理；S5：利用多特征融合的自注意力机制和卷积神经网络对编码后的DNA序列数据和归一化后的数据进行全局依赖提取、特征提取和特征融合，得到整体特征映射组合；S6：根据整体特征映射组合，对多特征融合的TF‑DNA结合识别模型进行训练，得到训练后的多特征融合的TF‑DNA结合识别模型；S7：利用训练后的多特征融合的TF‑DNA结合识别模型对待识别数据进行识别。
-
公开(公告)号：CN115154827A
公开(公告)日：2022-10-11
申请号：CN202210936570.6
申请日：2022-08-05
IPC: A61M21/00
Abstract: 本发明属于人机交互技术领域，公开了一种用于自闭症儿童眼神交流的智能穿戴装置、方法及系统，设置有：红外信号处理及智能显示装置；红外信号处理及智能显示模块通过固定黏胶剂固定于可穿戴装置的特定位置。红外信号处理及智能显示装置设置有：显示装置本体；显示装置本体前端的一侧设置有红外线发射器；显示装置本体前端的另一侧设置有红外线接收器；红外线发射器与所述红外线接收器中间设置有LED显示屏；显示装置本体后端上部位置设置有Arduinonano开发板；Arduinonano开发板下方并排设置有3个1.5V的纽扣电池。本发明提供了一种帮助自闭症儿童眼神交流的可穿戴智能面具，对自闭症儿童的社交有一定的促进作用。
-
公开(公告)号：CN109063710B
公开(公告)日：2022-08-16
申请号：CN201810907208.X
申请日：2018-08-09
Applicant: 成都信息工程大学
Abstract: 本发明涉及图像分割领域中的鼻咽部肿瘤图像分割技术，具体的说是一种基于多尺度特征金字塔的3D CNN鼻咽癌分割方法。针对训练样本，需要由有经验的放射科肿瘤医师对若干鼻咽癌病例进行标注，使用整个三维MRI图像建立数据集，并对数据集进行一定的预处理，然后用网络对训练数据集进行训练，取得高精度的分割模型。对于新的病例，可以用该分割模型分割其MRI图像。相对传统的方法，除了训练阶段需要人工标注外，其余部分均可实现自动处理，大大降低对于有经验医师的需求，且与五种主流网络对比能取得较高的精度。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.05 seconds)
