-
公开(公告)号：CN113822228A
公开(公告)日：2021-12-21
申请号：CN202111253733.2
申请日：2021-10-27
Applicant: 南京大学
Abstract: 本发明公开一种基于持续学习的用户表情识别方法和系统，包括数据采集步骤，持续学习步骤和用户表情测试步骤；首先收集不同种类的用户表情，包括特征数据和特征的标记数据；然后利用当前用户表情种类训练一个模型；在学习用户新种类表情时采用最优输运技术建立以往表情和新类表情的映射关系，以重用以往的模型；最后利用新收集到的用户表情更新已有模型。本发明可以解决用户新旧表情无法同时获得，以及只能利用已有模型和新的用户表情建立一个新模型的难点，并且本发明实施过程中占用资源少，适用性强。
-
公开(公告)号：CN113822228B
公开(公告)日：2024-03-22
申请号：CN202111253733.2
申请日：2021-10-27
Applicant: 南京大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06N5/02 , G06N20/00
Abstract: 本发明公开一种基于持续学习的用户表情识别方法和系统，包括数据采集步骤，持续学习步骤和用户表情测试步骤；首先收集不同种类的用户表情，包括特征数据和特征的标记数据；然后利用当前用户表情种类训练一个模型；在学习用户新种类表情时采用最优输运技术建立以往表情和新类表情的映射关系，以重用以往的模型；最后利用新收集到的用户表情更新已有模型。本发明可以解决用户新旧表情无法同时获得，以及只能利用已有模型和新的用户表情建立一个新模型的难点，并且本发明实施过程中占用资源少，适用性强。
-
公开(公告)号：CN114663696A
公开(公告)日：2022-06-24
申请号：CN202210149567.X
申请日：2022-02-18
Applicant: 南京大学
IPC: G06V10/764 , G06V10/774 , G06K9/62 , G06N20/00
Abstract: 本发明公开一种适用于小样本医疗图像分类的类别增量学习方法和系统，首先基于已有医疗图像样本训练基础分类模型，然后采集不同类别的医疗图像样本，包括病理图片和对应的疾病类别，并基于图片特征计算新增类别代表性特征，并替换作为分类器模型的全连接层；然后在已有的医疗图像数据集上构造类别增量学习任务，学习特征调整模块；最后在医疗图像测试过程中利用特征调整模块对模型预测进行校准。本发明可以解决医疗图片因隐私问题无法同时获得，以及只能利用已有模型和新的医疗图片建立一个新模型的难点，并且本发明实施过程中占用资源少，适用性强。
-
公开(公告)号：CN118710960A
公开(公告)日：2024-09-27
申请号：CN202410757108.9
申请日：2024-06-13
Applicant: 南京大学
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0499
Abstract: 本发明公开一种基于模型睡眠与唤醒的流式医疗图像数据分类方法，首先收集待训练的医疗图像数据，包括各种不同类别的病理图片及其标注；在唤醒阶段，原始输入经过中间网络转换为特征表示，然后进行缓存并根据现有计算资源进行调度并更新模型。在睡眠阶段，采样器通过回放从缓存数据中提取数据，调度计算资源进行反向传播更新网络，唤醒与睡眠阶段交替进行。本发明通过提出唤醒和睡眠交替进行的框架实现了提高计算效率的效果，同时避免了灾难性遗忘的问题，使得网络可以持续学习新知识，最终达到很好的预测效果。另外，通过在唤醒和睡眠的训练阶段充分考虑计算资源，实现了高效的资源调度，本发明部署方便且适用性强。
-
公开(公告)号：CN118571215A
公开(公告)日：2024-08-30
申请号：CN202410758231.2
申请日：2024-06-13
Applicant: 南京大学
IPC: G10L15/06
Abstract: 本发明公开一种基于序列建模的流式语音识别方法，从持续的语音流中收集不同种类的语音数据；利用语音数据进行序列建模训练，以构建一个能够处理序列数据和捕捉长距离依赖的语音识别模型。在此过程中，动态监控并调度计算资源，确保模型训练和数据处理的资源需求得到满足，从而优化整体运行效率。当引入新种类的语音数据时，通过序列建模技术，构建先前语音数据与新类别语音数据之间的映射关系。在更新和优化模型的阶段，再次评估并调整资源分配。本发明解决了在实时语音流中新旧语音数据持续变化的挑战，并克服了仅依靠现有模型与新收集语音数据构建新模型的限制，减少了实施过程中的资源消耗，提高了系统的适应性和灵活性。
-
Patent Agency Ranking
公开(公告)号：CN110705646B
公开(公告)日：2021-11-23
申请号：CN201910953689.2
申请日：2019-10-09
Applicant: 南京大学
Abstract: 本发明公开一种基于模型动态更新的移动设备流式数据识别方法，包括增量模型的设计、训练和识别方法；对于资源受限环境下的模型训练需求（如手机等移动设备），环境中可训练的模型大小有限。本方法首先基于开放动态数据的特征，按照时序对设备数据进行采集，然后以在线学习的方式对数据进行学习，处理完即丢弃数据，以减少内存消耗，最后在实际使用中使用训练完毕的分类器，能够对开放动态环境下不同时序的输入数据均得到较好的分类结果。本发明的方法实施过程中占用资源少，且对于开放动态环境的数据鲁棒性强，易于部署。
-
公开(公告)号：CN118710356A
公开(公告)日：2024-09-27
申请号：CN202410757348.9
申请日：2024-06-13
Applicant: 南京大学
IPC: G06Q30/0601 , G06F18/2415 , G06F18/214 , G06F21/62
Abstract: 本发明公开一种基于数据生成重放的流式商品推荐方法，包括训练数据生成步骤，推荐算法模型训练步骤和商品推荐步骤；首先收集用户的反馈数据，训练一个扩散模型来拟合用户数据的分布，然后使用这个扩散模型重新构造一个伪造的用户反馈数据，在调度到计算资源后，基于这个构造的数据集更新推荐算法，最后根据推荐算法的输出结果来进行商品推荐。本发明可以在流式商品数据量较少、样本不均衡的条件下有效训练推荐算法，无需保存用户对商品的历史反馈数据，有效保护用户隐私，此外，本发明在更新模型时动态调度计算资源，确保计算资源的有效利用。
-
公开(公告)号：CN118013367A
公开(公告)日：2024-05-10
申请号：CN202410185543.9
申请日：2024-02-19
Applicant: 南京大学
IPC: G06F18/241 , G06F18/214
Abstract: 本发明公开一种面向通信领域信号分选的持续学习方法，旨在提高信号分类和识别的准确性和效率。首先通过部署数据采集系统，收集通信信号，这些信号数据将被标注以供后续处理。接着利用持续学习技术，构建一个能够适应不断变化的信号特征的动态模型。该模型采用LoRA微调技术，能够在接收到新类型信号时迅速调整，无需从头开始训练。此外，本发明通过可扩展的兼容子空间技术，建立旧信号和新信号类型之间的映射关系，从而实现对旧模型的有效重用。最后，通过实际信号数据对模型进行测试和验证。本发明使得模型在面对新的或未知的信号类型时具有更高的适应性和精准度，在通信领域的应用中展现出高效率和强大的实用性，特别适用于动态变化的通信环境。
-
公开(公告)号：CN110705646A
公开(公告)日：2020-01-17
申请号：CN201910953689.2
申请日：2019-10-09
Applicant: 南京大学
Abstract: 本发明公开一种基于模型动态更新的移动设备流式数据识别方法，包括增量模型的设计、训练和识别方法；对于资源受限环境下的模型训练需求（如手机等移动设备），环境中可训练的模型大小有限。本方法首先基于开放动态数据的特征，按照时序对设备数据进行采集，然后以在线学习的方式对数据进行学习，处理完即丢弃数据，以减少内存消耗，最后在实际使用中使用训练完毕的分类器，能够对开放动态环境下不同时序的输入数据均得到较好的分类结果。本发明的方法实施过程中占用资源少，且对于开放动态环境的数据鲁棒性强，易于部署。
-
公开(公告)号：CN114663696B
公开(公告)日：2025-04-25
申请号：CN202210149567.X
申请日：2022-02-18
Applicant: 南京大学
IPC: G06V10/764 , G06V10/774 , G06N20/00
Abstract: 本发明公开一种适用于小样本医疗图像分类的类别增量学习方法和系统，首先基于已有医疗图像样本训练基础分类模型，然后采集不同类别的医疗图像样本，包括病理图片和对应的疾病类别，并基于图片特征计算新增类别代表性特征，并替换作为分类器模型的全连接层；然后在已有的医疗图像数据集上构造类别增量学习任务，学习特征调整模块；最后在医疗图像测试过程中利用特征调整模块对模型预测进行校准。本发明可以解决医疗图片因隐私问题无法同时获得，以及只能利用已有模型和新的医疗图片建立一个新模型的难点，并且本发明实施过程中占用资源少，适用性强。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.014 seconds)
