公开(公告)号：CN118410228A

公开(公告)日：2024-07-30

申请号：CN202311539256.5

申请日：2023-11-17

Applicant: 三峡大学

Inventor： 杨雯 ,  岳瑞波 ,  赵军

IPC: G06F16/9535 ,  G06F16/9537 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本申请提出了一种基于电影类型和时间间隔的顺序推荐算法，该算法首先使用LSTM捕获用户交互序列的时间顺序特征，解决了自注意力机制不考虑时间顺序的问题；其次该算法将用户‑电影交互序列里相同类型的电影时间间隔作为电影之间的关系；再次该算法利用卷积神经网络提取用户‑电影交互序列的局部信息，并将模型由线性转换为非线性，提高模型的拟合能力；此外该算法采用双向多头自注意机制解决了单向多头自注意机制限制用户行为序列中隐藏表征能力的问题；最终在公开数据集MovieLens‑1M、MovieLens‑100k和MovieLens‑Latest‑Small上的实验结果证明，本申请可以根据用户的兴趣提供更加精准的推荐。

公开(公告)号：CN117807305A

公开(公告)日：2024-04-02

申请号：CN202311539255.0

申请日：2023-11-17

Applicant: 三峡大学

Inventor： 杨雯 ,  岳瑞波 ,  赵军

IPC: G06F16/9535 ,  G06F16/9537 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本申请提出了基于电影类型时间间隔的自注意力顺序推荐算法，该算法首先根据用户‑电影交互序列里相同类型的电影计算类型时间间隔；其次使用多头自注意力机制对用户‑电影交互序列、电影的绝对位置和类型时间间隔建模；再次利用卷积神经网络提取用户‑电影交互序列的局部信息，并将模型由线性转换为非线性，提高模型的拟合能力；最终在公开数据集Movielens和Amazon上进行实验，经过训练模型可以得到评价指标NDCG@10和Hit Rate@10值。本申请可以根据用户的兴趣提供更加精准的推荐。

公开(公告)号：CN119150940A

公开(公告)日：2024-12-17

申请号：CN202411079499.X

申请日：2024-08-07

Applicant: 三峡大学

Inventor： 杨雯 ,  廖云停

IPC: G06N3/067 ,  G06N3/084 ,  G06N3/0464 ,  G06F15/173 ,  G06F15/78

Abstract: 本申请提供一种在Mesh结构的片上光网络中加速FCNN训练的方法，本发明公开了一种在mesh拓扑结构的片上光网络(ONoC)中加速全连接神经网络(FCNN)训练的方案；该加速方案提出了一种基于mesh的ONoC的FCNN加速模型；首先设计了一种FCNN感知映射策略，将FCNN中的神经元映射到ONoC上的核心；再根据映射核的分布，提出了一种低波长要求的分组核间通信方案；然后，通过在通信时间和计算时间之间进行权衡，得到每个周期内的最优核数。

公开(公告)号：CN115578638A

公开(公告)日：2023-01-06

申请号：CN202211340900.1

申请日：2022-10-30

Applicant: 三峡大学

Inventor： 孙航 ,  李勃辉 ,  但志平 ,  余梅 ,  郑锐林 ,  杨雯 ,  方帅领 ,  刘致远

IPC: G06V20/10 ,  G06V10/20 ,  G06V10/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于U‑Net的多层次特征交互去雾网络的构建方法，该网络的基础框架为U型架构，其中包括多层次特征交互模块和通道非局部信息增强注意力模块。给U型网络架构输入有雾图像，进行卷积下采样的分别得到EB1，EB2，EB3，之后通过多层次特征模块将EB1，EB2，EB3进行特征融合得到融合特征EF1，EF2，EF3。将上一步得到的融合特征通过通道非局部信息增强注意力模块之后分别与解码阶段DB1，DB2，DB3相融合，再通过上采样得到最终的去雾图像。在浓雾、非均雾图像以及尺度变化较大的遥感图像上，本发明所提的方法能够恢复出具有更好的颜色、亮度以及细节信息的去雾图像。