-
公开(公告)号：CN110688585A
公开(公告)日：2020-01-14
申请号：CN201910912752.8
申请日：2019-09-25
Applicant: 北京工业大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于神经网络和协同过滤的个性化电影推荐方法，采用Bert神经网络对电影情节进行特征提取，形成一个关于item的特征矩阵与Funk-SVD形成衔接，再利用矩阵分解技术产生一个完整的U-I矩阵，得到所有预测评分的一种快速有效的方法。先利用Bert神经网络对电影情节进行特征提取，并得到一个关于电影item的特征矩阵；然后将得到的特征矩阵与协同过滤算法Funk-SVD算法衔接，再利用矩阵分解技术，梯度下降法进行优化，得到一个误差最小的完整的U-I矩阵，最终获得所有预测评分等一系列操作；本发明在原有显式反馈和隐式反馈的基础上，加入辅助信息即电影情节，更加准确的获取item的特征矩阵，使最小误差降低了2.40％，提高了预测的精确度。
-
Patent Agency Ranking
公开(公告)号：CN110688585B
公开(公告)日：2022-04-19
申请号：CN201910912752.8
申请日：2019-09-25
Applicant: 北京工业大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于神经网络和协同过滤的个性化电影推荐方法，采用Bert神经网络对电影情节进行特征提取，形成一个关于item的特征矩阵与Funk‑SVD形成衔接，再利用矩阵分解技术产生一个完整的U‑I矩阵，得到所有预测评分的一种快速有效的方法。先利用Bert神经网络对电影情节进行特征提取，并得到一个关于电影item的特征矩阵；然后将得到的特征矩阵与协同过滤算法Funk‑SVD算法衔接，再利用矩阵分解技术，梯度下降法进行优化，得到一个误差最小的完整的U‑I矩阵，最终获得所有预测评分等一系列操作；本发明在原有显式反馈和隐式反馈的基础上，加入辅助信息即电影情节，更加准确的获取item的特征矩阵，使最小误差降低了2.40％，提高了预测的精确度。
-
公开(公告)号：CN118644670A
公开(公告)日：2024-09-13
申请号：CN202311297475.7
申请日：2023-10-09
Applicant: 北京工业大学
IPC: G06V10/26 , G06V10/764 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 一种基于高显著特征逐步失活的弱监督语义分割方法，属于计算机视觉领域。首先将图像分为三个不同尺度：包括分类网络和分割网络。其中分类网络输入的是中尺度图像，功能是生成CAM图，训练过程中通过使用改进的PDA方法减小CAM中高显著特征的激活值，从而减少最具鉴别性区域的贡献，使得分类网络更关注其他区域的同时不会忽略最具鉴别性区域的特征，然后通过加权后的特征图进行分类，以此扩大分类网络生成的CAM图的显著区域，从而得到更准确的CAM图，最终分类网络的输出是优化的CAM图。分割网络的输入是三个不同尺度的图像，其基于U‑Net网络，由3个编码器和1个解码器组成。在解码阶段，网络将三个尺度的特征进行融合，获得更好的分割性能。
-
公开(公告)号：CN113128384B
公开(公告)日：2024-04-05
申请号：CN202110376347.6
申请日：2021-04-01
Applicant: 北京工业大学
IPC: G06F18/241 , G06F18/213 , G06F18/10 , G06F18/27 , G06N3/0464 , G06N3/09 , G06N3/084 , G16H50/20 , A61B5/372
Abstract: 一种基于深度学习的脑卒中康复系统脑机接口软件关键技术方法属于深度学习技术领域。本发明通过在脑电信号特征提取和分类阶段，采用自回归模型和样本熵对其进行特征提取，并利用CNN算法对其进行分类，可以提高脑电信号分类的准确度，应用到脑卒中康复系统脑机接口软件后可以为实现脑卒中患者的康复治疗。
-
公开(公告)号：CN116934775A
公开(公告)日：2023-10-24
申请号：CN202310821345.2
申请日：2023-07-06
Applicant: 北京工业大学
IPC: G06T7/11 , G06T5/00 , G06T5/20 , G06T5/40 , G06V10/762 , G06V10/80 , G06T3/40 , G06N3/0464 , G06N3/0895
Abstract: 一种基于噪声指数指导的多尺度半监督目标分割方法，属于计算机视觉领域，针对现有的单一传统分割方法鲁棒性不强、特征捕获能力有限，以及深度学习方法U‑Net对上下文信息关注不足、全监督方法像素级标注复杂的问题。本发明涉及两个层面的信息融合：由于单一的传统分割方法特征捕获能力有限，因此可以融合多种传统方法得到更加准确的伪标签；由于深度学习网络U‑Net对上下文信息关注不足，可以在每个阶段的跳跃连接融合不同尺度的下采样特征图，这样融合的特征图将会携带多尺度背景信息，并保存细粒度目标位置信息，进而使网络关注更重要区域。
-
公开(公告)号：CN113128384A
公开(公告)日：2021-07-16
申请号：CN202110376347.6
申请日：2021-04-01
Applicant: 北京工业大学
Abstract: 一种基于深度学习的脑卒中康复系统脑机接口软件关键技术方法属于深度学习技术领域。本发明通过在脑电信号特征提取和分类阶段，采用自回归模型和样本熵对其进行特征提取，并利用CNN算法对其进行分类，可以提高脑电信号分类的准确度，应用到脑卒中康复系统脑机接口软件后可以为实现脑卒中患者的康复治疗。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
