公开(公告)号：CN118885603A

公开(公告)日：2024-11-01

申请号：CN202411014924.7

申请日：2024-07-26

Applicant: 上海应用技术大学

Inventor： 高美珠 ,  于万钧 ,  吴盈

IPC: G06F16/335 ,  G06F16/36 ,  G06N5/022

Abstract: 本发明涉及图书推荐方法技术领域，尤其涉及基于DeepFM和注意力机制的知识图谱图书推荐方法及系统，包括：利用TransE方法和TransH方法获取读者和电子图书的初始向量嵌入，通过One‑Hot编码处理其特征，得到对应的向量表示。利用DeepFM模型优化读者向量表示得到最终的读者向量Xreader，使用KGAT模型的信息传播模块优化电子图书表示得到最终的电子图书向量Xbook。利用Xreader和Xbook进行评分预测和模型参数优化。我方发明的方法充分利用知识图谱和特征交互信息，不仅有效缓解数据稀疏性问题，降低冷启动的影响，还提升了推荐模型的准确性和泛化能力。

公开(公告)号：CN118210609A

公开(公告)日：2024-06-18

申请号：CN202410369560.8

申请日：2024-03-28

Applicant: 上海应用技术大学

Inventor： 韩腾飞 ,  于万钧 ,  吴盈 ,  程岳庆 ,  刘湘楠

IPC: G06F9/48 ,  G06F9/50 ,  G06N3/04 ,  G06N3/092

Abstract: 本发明公开了一种基于DQN模型的云计算调度方法，涉及。包括定义云计算环境中的任务调度问题；构建任务调度架构，计算任务优先级，并进行调度决策；设计奖励函数，并训练DQN模型，任务调度架构包括任务管理器、调度器、DQN模型以及资源管理器，根据预先设定的概率将任务随机映射到虚拟机上，实现从随机探索到利用经验的过渡；当模型做出决策并获得反馈时，将经验存储到重放存储器中；重放存储器按批量抽取样本数据，对模型进行训练；设计奖励函数，采用深度神经网络结构构建DQN模型，并设置超参数；迭代训练DQN模型。本发明设计了综合时间跨度和服务水平协议(SLA)违反情况的奖励函数，使DQN模型在训练过程中能够权衡多个目标。

公开(公告)号：CN119474524A

公开(公告)日：2025-02-18

申请号：CN202411407849.0

申请日：2024-10-10

Applicant: 上海应用技术大学

Inventor： 梁夏炎 ,  于万钧 ,  吴盈

IPC: G06F16/9535 ,  G06F18/23213

Abstract: 本发明公开了一种个性化推荐方法、电子设备及存储介质，所述方法将准确性、多样性和新颖性有效耦合，计算用户对项目的预测评分，包括以下步骤：步骤S1，构建用户项目评分矩阵；步骤S2，通过时间衰减函数调整用户对项目的评分数值，更新用户项目评分；步骤S3，获得用户‑特征因子矩阵和项目‑特征因子矩阵；步骤S4，计算用户对项目新颖性偏好值新颖性因子；步骤S5，计算用户的多样性倾向度；步骤S6，对SVD++模型进行改进，得到DNSVD模型；步骤S7，训练DNSVD模型；步骤S8，在测试集上进行预测，计算用户对项目的预测值。本发明同时考虑准确性、多样性以及新颖性，在保证准确性较优的前提下，最优化推荐算法的多样性和新颖性。

公开(公告)号：CN118941577A

公开(公告)日：2024-11-12

申请号：CN202410980330.5

申请日：2024-07-22

Applicant: 上海应用技术大学

Inventor： 陈伟 ,  于万钧 ,  吴盈 ,  程岳庆

IPC: G06T7/11 ,  G06V10/74 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于改进U‑Net的视网膜血管分割方法及系统，包括：收集3D眼底医学图像，利用对称的编码‑解码结构，通过卷积、池化和上采样操作对图像特征进行提取和整合；引入密集卷积层和SimAM无参数注意力机制，通过残差结构映射浅层和深层特征，增强特征重用性；通过残差结构减少梯度消失，使用SimAM注意力机制对特征图进行加权融合，提升模型特征表示能力。结合SimAM注意力机制，模型能够更加精准地关注与任务相关的重要特征，从而显著提高视网膜血管分割的精度，特别是在细小血管和复杂背景中的分割效果。SimAM无参数注意力机制通过计算特征相似性矩阵，对特征图进行加权融合，使模型能够有效减少背景噪声对血管分割的干扰。

公开(公告)号：CN117218510A

公开(公告)日：2023-12-12

申请号：CN202311160366.0

申请日：2023-09-08

Applicant: 上海应用技术大学

Inventor： 吴盈 ,  于万钧 ,  王蓉 ,  韩腾飞 ,  梁夏炎 ,  高美珠 ,  陈伟

IPC: G06V10/82 ,  G06V10/40 ,  G06V10/762 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于改进YOLOv5的火焰检测方法，选择其中网络深度最小和特征图宽度最小、检测速度最快、精度相对较高的YOLOv5s网络结构作为基础模型架构，在现有的YOLOv5S网络中，用FReLU激活函数替换了骨干和颈部网络中Conv和C3结构中的SiLU激活函数，同时将YOLOv5的骨干网络后段特征提取原用的C3结构替换为Fasternet网络；网络优化改进，以此适应小目标火焰的精确检测。FReLU激活函数不仅可以提高模型的特征表达能力，还可以增强模型的非线性拟合能力以及减少梯度消失问题的发生。其次骨干网络部分中的部分替换为Fasternet网络，可以通过同时减少冗余计算和内存访问来更有效地提取空间特征。可以有效提升火焰检测的有效性和实时性。