-
公开(公告)号：CN118314418A
公开(公告)日：2024-07-09
申请号：CN202410436189.2
申请日：2024-04-11
Applicant: 中国科学技术大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明公开了一种基于类难度与标签分布感知边际的分类模型训练方法，获取皮肤病变目标数据集，对目标数据集进行预处理；从目标数据集中随机抽取样本，组成验证子集，确定要训练的深度神经网络模型；将目标数据集去除验证子集之后的部分作为训练集，用来训练深度神经网络模型；根据分类难度计算综合难度系数DIF，并确定综合难度边际损失函数；将综合难度边际损失函数用于深度神经网络模型训练的反向传播过程中，对目标训练集中不同类别数据样本进行损失计算，直至网络收敛，达到网络训练的目的。上述方法能有效应对现有皮肤病变图像数据集存在的数量不均衡以及分类难度不均衡的问题，显著提高深度学习神经网络模型的分类精度。
-
公开(公告)号：CN113288055B
公开(公告)日：2022-04-19
申请号：CN202110553633.5
申请日：2021-05-20
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种分布式拉曼光纤多目标探测系统，包括光发生模块、传感器模块和信号解析模块；其光发生模块是由激光器发出激光，并设置由光环形器和光纤布拉格光栅构成的各级联单元，获得各不同光谱段的反射光进入光复用器，并经选择形成出射光进入传感器模块；传感器模块是由各光纤布拉格光栅依次串联构成的纵向结构，使出射光在传感器模块中各光纤布拉格光栅上一一对应得到反射并进入信号解析模块；经解析获得测量区域的温度信息和化学信息，其测量区域是与纵向结构对应的纵向位置。本发明尤其适于术后封闭伤口检测，能够实时定量获取术后封闭伤口关于物质和温度的信息，从而实现对术后封闭伤口状态的量化表征。
-
公开(公告)号：CN104445102B
公开(公告)日：2016-06-22
申请号：CN201410706212.1
申请日：2014-11-27
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种通过前驱体的酸化剥离氧化来合成超薄Se纳米片的方法及其应用，其特征在于：以ZnSe-Amine有机-无机杂化纳米片为前驱体；在水中加入酸，调节水pH在0.1到2的范围内，然后加入前驱体，常温下连续磁力搅拌或超声0.5-2h，使用酸化剥离氧化，即得超薄Se纳米片；所得超薄Se纳米片可用于作为制备结晶Se纳米线、多孔硒化物纳米片及贵金属纳米片的模板材料。
-
公开(公告)号：CN104558701A
公开(公告)日：2015-04-29
申请号：CN201510030224.1
申请日：2015-01-21
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种具有层状结构的石墨烯超弹性复合材料的制备方法及其应用，其特征在：将氧化石墨烯纳米片加入到水溶性高分子溶液中，通过取向冷冻、脱冰干燥的方式获得具有层状结构的石墨烯宏观组装体，再对其进行高温处理即得石墨烯超弹性复合材料。本发明所制备的石墨烯超弹性复合材料不仅具有卓越的力学回弹性能和持久抗压缩疲劳特性，同时具有极其敏感的微小压力感应特性，因此在压力传感器件方面具有重要的应用价值。
-
公开(公告)号：CN114463576B
公开(公告)日：2024-04-09
申请号：CN202111602611.X
申请日：2021-12-24
Applicant: 中国科学技术大学 , 深圳友一生物科技有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于重加权策略的网络训练方法，其采用了基于阶段性渐进学习策略的类不均衡处理方案，可以减轻类不均衡数据集头部类与尾部类数量不均衡的问题，有效降低尾类数据过拟合与头类数据欠拟合的风险；同时，可以从学习表征的通用模式平滑过度到上层分类器的训练，在学习分类器的同时能够很好地保留原有学习到的深度表征；此外，具有较好的鲁棒性，通过控制阶段性超参数和渐进超参数来适应不均衡程度不同的数据集或样本数量不同的数据集，并进一步提高分类的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114463576A
公开(公告)日：2022-05-10
申请号：CN202111602611.X
申请日：2021-12-24
Applicant: 中国科学技术大学 , 深圳友一生物科技有限公司
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于重加权策略的网络训练方法，其采用了基于阶段性渐进学习策略的类不均衡处理方案，可以减轻类不均衡数据集头部类与尾部类数量不均衡的问题，有效降低尾类数据过拟合与头类数据欠拟合的风险；同时，可以从学习表征的通用模式平滑过度到上层分类器的训练，在学习分类器的同时能够很好地保留原有学习到的深度表征；此外，具有较好的鲁棒性，通过控制阶段性超参数和渐进超参数来适应不均衡程度不同的数据集或样本数量不同的数据集，并进一步提高分类的准确率。
-
公开(公告)号：CN114283307A
公开(公告)日：2022-04-05
申请号：CN202111600865.8
申请日：2021-12-24
Applicant: 中国科学技术大学 , 深圳友一生物科技有限公司
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于重采样策略的网络训练方法，其采用了基于阶段性渐进学习策略的类不均衡处理方案，可以减轻类不均衡数据集头部类与尾部类数量不均衡的问题，有效降低尾类数据过拟合与头类数据欠拟合的风险；同时，可以从学习表征的通用模式平滑过度到上层分类器的训练，在学习分类器的同时能够很好地保留原有学习到的深度表征；此外，具有较好的鲁棒性，通过控制阶段性超参数和渐进超参数来适应不均衡程度不同的数据集或样本数量不同的数据集，并进一步提高分类的准确率。
-
公开(公告)号：CN114283307B
公开(公告)日：2023-10-27
申请号：CN202111600865.8
申请日：2021-12-24
Applicant: 中国科学技术大学 , 深圳友一生物科技有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0985 , G06N3/0464
Abstract: 本发明公开了一种基于重采样策略的网络训练方法，其采用了基于阶段性渐进学习策略的类不均衡处理方案，可以减轻类不均衡数据集头部类与尾部类数量不均衡的问题，有效降低尾类数据过拟合与头类数据欠拟合的风险；同时，可以从学习表征的通用模式平滑过度到上层分类器的训练，在学习分类器的同时能够很好地保留原有学习到的深度表征；此外，具有较好的鲁棒性，通过控制阶段性超参数和渐进超参数来适应不均衡程度不同的数据集或样本数量不同的数据集，并进一步提高分类的准确率。
-
公开(公告)号：CN114332539A
公开(公告)日：2022-04-12
申请号：CN202111671005.3
申请日：2021-12-31
Applicant: 深圳友一生物科技有限公司 , 中国科学技术大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种针对类别不均衡数据集的网络训练方法，包括：获取目标图像数据集，确定类别数目和每类样本量；利用每类样本量计算相应类别的权值，并结合设置的超参数构建限制误差损失函数；利用所述目标图像数据集对神经网络模型进行训练，并将样本的预测结果与真实标签带入所述限制误差损失函数进行误差计算，使用反向传播不断更新神经网络模型的参数，直至网络收敛达到预期目标。构建的限制误差损失函数按类别数量进行加权，并且通过引入超参数对尾部泛化进行正则化的LDAM，可以将训练的关注度更多的偏向于数量较少的尾部类别，防止网络训练对尾部类欠拟合，可以应用于不均衡的图像数据集中，并可以显著提高网络对于不均衡数据集的识别准确度。
-
公开(公告)号：CN113288055A
公开(公告)日：2021-08-24
申请号：CN202110553633.5
申请日：2021-05-20
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种分布式拉曼光纤多目标探测系统，包括光发生模块、传感器模块和信号解析模块；其光发生模块是由激光器发出激光，并设置由光环形器和光纤布拉格光栅构成的各级联单元，获得各不同光谱段的反射光进入光复用器，并经选择形成出射光进入传感器模块；传感器模块是由各光纤布拉格光栅依次串联构成的纵向结构，使出射光在传感器模块中各光纤布拉格光栅上一一对应得到反射并进入信号解析模块；经解析获得测量区域的温度信息和化学信息，其测量区域是与纵向结构对应的纵向位置。本发明尤其适于术后封闭伤口检测，能够实时定量获取术后封闭伤口关于物质和温度的信息，从而实现对术后封闭伤口状态的量化表征。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.03 seconds)
