-
公开(公告)号：CN107273478B
公开(公告)日：2019-10-08
申请号：CN201710434078.8
申请日：2017-06-09
Applicant: 华东师范大学 , 上海丰蕾信息科技有限公司
IPC: G06F16/583 , G06F16/51 , G06K9/62
Abstract: 本发明提供了一种基于Group Lasso的半监督哈希图像搜索方法，属于图像搜索领域。所述方法包括：识别图像数据库中的标签图像和非标签图像，对输入图像、标签图像和非标签图像进行预处理；根据预处理后的输入图像、标签图像和非标签图像进行基于Group Lasso的半监督哈希学习得到各图像对应的二进制哈希码；根据二进制哈希码计算输入图像与图像数据库中各图像之间的海明距离，并返回最小海明距离对应的图像作为图像搜索结果。本发明中，能够结合现有图像数据的状况，有效的建模图像数据结构，快速准确的搜索到所需的图像，并且无需存储图像本身，大大节约了存储空间。
-
公开(公告)号：CN107169137A
公开(公告)日：2017-09-15
申请号：CN201710437582.3
申请日：2017-06-09
Applicant: 华东师范大学 , 上海丰蕾信息科技有限公司
Abstract: 本发明提供一种基于Group Lasso的半监督哈希图像搜索装置，属于图像搜索领域。所述装置包括：预处理模块，用于识别图像数据库中的标签图像和非标签图像，并对输入图像、标签图像和非标签图像进行预处理；训练学习模块，用于根据预处理之后的输入图像、标签图像和非标签图像进行基于Group Lasso的半监督哈希学习得到各图像对应的二进制哈希码；计算模块，用于根据二进制哈希码计算输入图像与图像数据库中各图像之间的海明距离，并返回最小海明距离对应的图像作为图像搜索结果。本发明中，能够结合现有图像数据的状况，有效的建模图像数据结构，快速准确的搜索到所需的图像，并且无需存储图像本身，大大节约了存储空间。
-
公开(公告)号：CN107146027A
公开(公告)日：2017-09-08
申请号：CN201710322901.6
申请日：2017-05-09
Applicant: 华东师范大学 , 上海丰蕾信息科技有限公司
CPC classification number: G06Q10/06375 , G06F17/30557 , G06N3/04
Abstract: 本发明公开了一种工厂智能预警系统，包括顺序连接的如下模块：多元异构数据融合处理模块，收集工厂各子系统产生的监测数据，将海量多元异构数据基于xml技术进行融合，并用，抽样，归一化等统计学方法进行处理；机器学习模块，基于循环神经网络，用多元异构数据融合处理模块产生的数据，进行训练学习，不断调整，产生关于故障数据，故障现象的神经网络系统模型，用于对后续生产系统中产生的多元异构数据进行分析，并做出预测；信息预警模块，将机器学习模块产生的分析结果智能推送提醒相关管理人员。本发明通过结合深度学习技术所建立深度学习神经网络系统，直接作用于工厂实时海量数据的分析预测，实现高效，智能，自动演化地协助人类进行工厂管理。
-
公开(公告)号：CN107169137B
公开(公告)日：2019-10-08
申请号：CN201710437582.3
申请日：2017-06-09
Applicant: 华东师范大学 , 上海丰蕾信息科技有限公司
Abstract: 本发明提供一种基于Group Lasso的半监督哈希图像搜索装置，属于图像搜索领域。所述装置包括：预处理模块，用于识别图像数据库中的标签图像和非标签图像，并对输入图像、标签图像和非标签图像进行预处理；训练学习模块，用于根据预处理之后的输入图像、标签图像和非标签图像进行基于Group Lasso的半监督哈希学习得到各图像对应的二进制哈希码；计算模块，用于根据二进制哈希码计算输入图像与图像数据库中各图像之间的海明距离，并返回最小海明距离对应的图像作为图像搜索结果。本发明中，能够结合现有图像数据的状况，有效的建模图像数据结构，快速准确的搜索到所需的图像，并且无需存储图像本身，大大节约了存储空间。
-
公开(公告)号：CN107273478A
公开(公告)日：2017-10-20
申请号：CN201710434078.8
申请日：2017-06-09
Applicant: 华东师范大学 , 上海丰蕾信息科技有限公司
Abstract: 本发明提供了一种基于Group Lasso的半监督哈希图像搜索方法，属于图像搜索领域。所述方法包括：识别图像数据库中的标签图像和非标签图像，对输入图像、标签图像和非标签图像进行预处理；根据预处理后的输入图像、标签图像和非标签图像进行基于Group Lasso的半监督哈希学习得到各图像对应的二进制哈希码；根据二进制哈希码计算输入图像与图像数据库中各图像之间的海明距离，并返回最小海明距离对应的图像作为图像搜索结果。本发明中，能够结合现有图像数据的状况，有效的建模图像数据结构，快速准确的搜索到所需的图像，并且无需存储图像本身，大大节约了存储空间。
-
Patent Agency Ranking
公开(公告)号：CN107038506A
公开(公告)日：2017-08-11
申请号：CN201710322900.1
申请日：2017-05-09
Applicant: 华东师范大学 , 上海丰蕾信息科技有限公司
Abstract: 本发明公开了一种工厂智能预警方法，包括：多元异构数据融合处理步骤，收集工厂各子系统产生的监测数据，将海量多元异构数据基于xml技术进行融合，并用，抽样，归一化等统计学方法进行处理；机器学习步骤，基于循环神经网络，用多元异构数据融合处理步骤产生的数据，进行训练学习，不断调整，产生关于故障数据，故障现象的神经网络系统模型，用于对后续生产系统中产生的多元异构数据进行分析，并做出预测；信息预警步骤，将机器学习步骤产生的分析结果智能推送提醒相关管理人员。本发明通过结合深度学习技术所建立深度学习神经网络系统，直接作用于工厂实时海量数据的分析预测，实现高效，智能，自动演化地协助人类进行工厂管理。
-
公开(公告)号：CN119271940A
公开(公告)日：2025-01-07
申请号：CN202411316125.5
申请日：2024-09-20
Applicant: 上海丰蕾信息科技有限公司
IPC: G06F17/11 , G06F18/214
Abstract: 本发明公开了一种基于大语言模型的SAT求解器启发式函数优化方法，属于函数优化方法技术领域，方法包括大语言模型分析SAT求解器源码，提取其中可能进行优化的启发式函数；根据制定好的启发式函数选择策略，选择本次步骤中进行优化的启发式函数；获取待优化的原始启发式函数，准备训练集和验证集，确定实验参数，如测试SAT求解器的超时阈值，本次样本数限制；初始化代码数据库，在验证集上运行原始SAT求解器，初始化分数表和分数；生成提示词，提供给大语言模型，并获得大语言模型的反馈。
-
公开(公告)号：CN119271205A
公开(公告)日：2025-01-07
申请号：CN202411317167.0
申请日：2024-09-20
Applicant: 上海丰蕾信息科技有限公司
IPC: G06F8/41 , G06F11/3668 , G06F17/15
Abstract: 本发明公开了一种基于大语言模型的SAT求解器优化系统，属于SAT求解器优化系统技术领域，用于优化原始求解器性能，提高处理复杂SAT问题的效率，系统包括：启发式函数提取模块，用于提取原始SAT求解器中的启发式函数；优化函数选择模块，用于选择本次步骤中进行优化的启发式函数；分析优化模块，用于和LLM通信，获取优化后的函数；代码整合模块，用于替换原始SAT求解器中相应的启发式函数，构造新SAT求解器；评估测试模块，用于评估新SAT求解器，将结果反馈至优化函数选择模块，与现有技术相比，本发明充分利用了LLM在代码生成方面的优势，可以高效且智能地生成相应启发式函数，优化SAT求解器的性能，提高SAT求解器面对不同问题的求解效率。
-
公开(公告)号：CN114143882B
公开(公告)日：2025-04-25
申请号：CN202111427464.7
申请日：2021-11-29
Applicant: 华东师范大学
IPC: H04W72/0446
Abstract: 一种基于强化组织控制的多智体系统自组织方法及系统，通过二元决策将大规模自动分拣任务中分拣机器人集群的自组织问题建模为一个多智体强化学习问题，每个智能体能够通过二元决策单元自发地决定是否与邻近智能体组成系统，将传统图论算法用于智能体的自组织问题中，而最终能够提升自动分拣任务完成的时间效率以及任务完成度。本发明能够保证系统内紧密协作、实现对复杂协作任务的分治，从而有效提升学习算法在应用到大规模多智体系统的可扩展性。
-
公开(公告)号：CN114565605B
公开(公告)日：2025-01-28
申请号：CN202210264678.5
申请日：2022-03-17
Applicant: 华东师范大学 , 复旦大学附属华山医院
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种病理图像的分割方法及装置。其中，该方法包括：将训练集样本输入到先验分类网络，得到样本的预测类别；根据预测类别和真实类别计算二值交叉熵损失，作为先验分类损失；根据先验分类网络生成类激活图，并使用孪生网络对类激活图进行正则化，得到修正类激活图；根据修正类激活图转换为伪像素级标签；将训练集样本输入至预先设置的语义分割网络，得到训练集样本的分割结果；将分割结果与伪像素级标签计算Dice损失，以优化语义分割网络，并通过优化后的语义分割网络进行病理图像分割。本方案可以使用标注量较少的图像级标签的组织病理图像，通过弱监督学习方式，对其进行快速准确地分割，完成对病理图像中癌变区域的自动定位。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.034 seconds)
