-
公开(公告)号：CN118866260A
公开(公告)日：2024-10-29
申请号：CN202411048884.8
申请日：2024-03-20
申请人： 合肥工业大学
IPC分类号： G16H20/70 , G16H50/20 , G06F18/22 , G06F18/2411 , G06N20/10
摘要： 本发明公开了一种抑郁障碍检测模型训练方法，属于数据处理技术领域。该方法包括获取训练数据集，输入当前域和前一域，进行特征提取及预测，利用JS散度以及训练数据集中的类别信息动态学习类定制的阈值，为训练数据集中的每个类使用相应类定制的阈值进行样本选择，将样本选择结果进行域内对齐，区分样本相似性，有效缩小这些领域之间的差距。这样的对齐过程鼓励从各个领域提取的特征变得更加紧凑，从而显著提高了对新数据的适应性，减轻了灾难性遗忘，有利于提高抑郁障碍检测准确性及效率。
-
公开(公告)号：CN118314977B
公开(公告)日：2024-09-03
申请号：CN202410719089.0
申请日：2024-06-05
申请人： 合肥工业大学
IPC分类号： G16C20/30 , G16C20/50 , G16C20/70 , G16H20/10 , G16H70/40 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06F18/22 , G06F18/25
摘要： 本发明属于医药数据分析技术领域，尤其涉及一种药物相互作用的预测方法。包括：获取新药物的生化特征后，使用预训练后的预测模块来预测新药物与现存药物之间的药物相互作用，预训练包括：预测模块获取现存药物的生化特征，构建现存药物生化相似度矩阵；并基于现存药物的化学式字符串获取药物分子结构图和药物分子结构中的重要子图并进行特征表示；预测模块构建现存药物相互作用网络，并融合学习现存药物相互作用网络中各节点在超图视角和变分图自编码器视角的节点表示后，预测出现存药物间的药物相互作用，再基于对应现存药物间真实的药物相互作用来计算预测结果的整体损失函数，优化预测模块。本发明能快速且准确地预测出药物之间的相互作用。
-
公开(公告)号：CN113836298B
公开(公告)日：2024-08-20
申请号：CN202110894298.5
申请日：2021-08-05
申请人： 合肥工业大学
IPC分类号： G06F16/35 , G06F40/30 , G06F18/214 , G06F18/25
摘要： 本发明提供一种基于视觉增强的文本分类方法和系统，涉及计算机视觉以及自然语言理解技术领域，本发明通过注意力机制实现了获取基于图像辅助信息的语义表示和基于文本语义的图像特征表示，充分考虑了图像信息包含的复杂内容以及图像信息和文本之间的相互影响关系，减少文本语义表达过程中的噪声信息的引入，最终实现了对文本语义的准确理解以及提高文本分类的准确性。
-
公开(公告)号：CN118504690A
公开(公告)日：2024-08-16
申请号：CN202410660045.5
申请日：2024-05-27
申请人： 合肥工业大学
摘要： 本发明公开了一种针对公平感知认知诊断任务的路径因果推理的答题预测方法，包括：1，建立包含敏感属性的认知诊断任务因果图，并用于构建深度神经网络模型；2，建立基于交叉熵损失的混合损失函数；3，在教育数据集上训练深度神经网络模型；4，利用训练好的网络模型对学生答题能力进行预测。本发明能够有效去除教育数据集中敏感属性所带来的偏差，从而实现更加公平的答题能力预测。
-
公开(公告)号：CN118504578A
公开(公告)日：2024-08-16
申请号：CN202410644220.1
申请日：2024-05-23
申请人： 合肥工业大学
IPC分类号： G06F40/30 , G06F16/35 , G06N3/0464
摘要： 本发明公开了一种基于大语言模型和情绪词典的访谈文本细粒度抑郁情绪识别方法及电子设备，属于自然语言处理检测领域。该方法包括配合指令提示模板，利用大语言模型ChatGLM3‑6b对访谈文本进行分析，生成重述文本；构建情绪词典，并利用bart‑large‑mnli预训练语言模型提取重述文本与情绪词典匹配的情绪特征，得到不同粒度下的情绪特征矩阵；构建深度神经网络模型，通过选择不同的情绪词汇对应的情绪特征矩阵训练深度神经网络模型，得到细粒度抑郁情绪识别结果。对较为简单的二元抑郁情绪分类任务、较为复杂的细粒度抑郁情绪分类任务以及回归任务，灵活选择不同尺度的情绪子集，与任务难度相适应。
-
公开(公告)号：CN118314977A
公开(公告)日：2024-07-09
申请号：CN202410719089.0
申请日：2024-06-05
申请人： 合肥工业大学
IPC分类号： G16C20/30 , G16C20/50 , G16C20/70 , G16H20/10 , G16H70/40 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06F18/22 , G06F18/25
摘要： 本发明属于医药数据分析技术领域，尤其涉及一种药物相互作用的预测方法。包括：获取新药物的生化特征后，使用预训练后的预测模块来预测新药物与现存药物之间的药物相互作用，预训练包括：预测模块获取现存药物的生化特征，构建现存药物生化相似度矩阵；并基于现存药物的化学式字符串获取药物分子结构图和药物分子结构中的重要子图并进行特征表示；预测模块构建现存药物相互作用网络，并融合学习现存药物相互作用网络中各节点在超图视角和变分图自编码器视角的节点表示后，预测出现存药物间的药物相互作用，再基于对应现存药物间真实的药物相互作用来计算预测结果的整体损失函数，优化预测模块。本发明能快速且准确地预测出药物之间的相互作用。
-
公开(公告)号：CN118170937A
公开(公告)日：2024-06-11
申请号：CN202410335446.3
申请日：2024-03-22
申请人： 合肥工业大学
IPC分类号： G06F16/583 , G06F16/532 , G06F40/284 , G06F40/126 , G06V10/74 , G06V10/82 , G06N3/0455 , G06N3/084
摘要： 本发明涉及计算机视觉技术领域，公开了一种基于检索增强的精细化类别图像生成方法，包括：收集多种类别的图像；使用预训练的CLIP模型提取图像的特征，将得到的图像特征向量存储到向量数据库；对查询文本进行分词和编码，得到文本序列；通过预训练的CLIP模型对文本序列进行特征提取，得到查询文本的文本特征向量；对文本特征向量和图像特征向量进行相似度计算，根据向量数据库存储的路径信息，得到查询文本对应的图像；将提示词和图像输入到Stable Diffusion模型，得到最终的特定类别的图像。本发明利用检索获取的相关信息，图像生成模型可以更准确地理解所需生成图像的特定类别，并生成更符合要求的图像内容。
-
公开(公告)号：CN118051633A
公开(公告)日：2024-05-17
申请号：CN202410148559.2
申请日：2024-02-01
摘要： 本发明涉及跨模态检索技术领域，公开了一种基于长短映射的跨模态哈希检索方法，包括以下步骤：建立多模态数据集，多模态数据集中包括多个由图像以及对应的文本描述组成的图像文本描述对；构建长短映射方法；构建检索模型；哈希检索；本发明通过深度学习提取多维度特征，依据多维度特征之间的相关性差异实现不同维度特征之间的映射以增强低维特征的表现能力并提升检索准确率。
-
公开(公告)号：CN118038139A
公开(公告)日：2024-05-14
申请号：CN202410129619.6
申请日：2024-01-30
摘要： 本发明涉及计算机视觉技术领域，公开了一种基于大模型微调的多模态小样本图像分类方法，包括：图像文本对的预处理；多模态特征的提取；构建基于CLIP大模型微调的多模态小样本分类模型；类别预测：将测试图像输入到完成训练的分类模型的图像编码器后，得到图像特征，利用余弦分类器，对图像特征与类原型字典中的所有多模态特征的余弦相似度进行计算，相似度最高的多模态特征所述的类别，即为测试图像的预测类别。本发明在视觉‑语言大模型的基础之上，迁移大模型中丰富的多模态信息到特定的图像分类任务上，既通过大模型蕴含的丰富知识来补充数据不足的问题，又充分挖掘图像数据的信息，以实现更加高效的小样本图像分类方法。
-
公开(公告)号：CN118035559A
公开(公告)日：2024-05-14
申请号：CN202410344265.7
申请日：2024-03-25
申请人： 合肥工业大学
IPC分类号： G06F16/9535 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F18/24 , G06F17/16 , G06F17/18
摘要： 本发明公开了一种基于信息瓶颈的去偏推荐方法，包括：1.构造原始数据：用户对产品的交互矩阵，用户有偏属性矩阵；2.使用有偏属性编码器学习用户‑产品交互数据中的用户有偏表征；3.基于深度图神经网络学习用户和产品表征矩阵；4.基于信息瓶颈理论最小化用户表征与有偏表征，用户子图表征与有偏表征之间的互信息，计算损失函数；5.基于用户和产品表征矩阵重构交互矩阵，计算损失函数；6.联合步骤4‑步骤5的损失函数进行信息瓶颈学习，更新模型参数至模型收敛。本发明基于信息瓶颈的思想，在满足推荐任务的需求下学习无偏的用户表征，从而能有效减少推荐偏差，保证推荐的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
171 条记录 (耗时 0.036 秒)
