-
公开(公告)号：CN113642723A
公开(公告)日：2021-11-12
申请号：CN202110863399.6
申请日：2021-07-29
Applicant: 安徽大学
Abstract: 本发明公开了一种实现原‑异位训练的GRU神经网络电路，所述电路包括3个M+N+1行M列个忆阻器构成的阵列，以及多个模拟乘法器和加法器，其中每个忆阻器阵列的下方均连接有由电阻和运放构成的反向比例电路，每个阵列都形成下方的运算结构；对于左边的忆阻器阵列，每列输出电压经过反向比例电路后输出电压与前一时刻的输出电压经过模拟乘法器后得到结果，该结果再输入至右边忆阻器阵列的横向输入端；前一时刻电压与中间忆阻器阵列每列输出电压经过模拟乘法器运算后，结果输出至加法器；最终加法器输出的电压，用于下一时刻的输入。该电路能够解决GRU神经网络电路异位训练映射误差大，原位训练结构复杂且抗噪能力弱的问题。
-
公开(公告)号：CN118799335B
公开(公告)日：2025-04-15
申请号：CN202410787000.4
申请日：2024-06-18
Applicant: 安徽大学
IPC: G06T7/10 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种医学图像分割方法及系统，方法包括：设计能够学习输入特征图的延展方向偏移量和垂直方向偏移量的动态条形卷积块；基于所设计的动态条形卷积块、可变形卷积块以及第一标准卷积块构建多头卷积块，采用局部‑宏观注意力机制自适应融合局部‑宏观特征以及来自多头卷积块的特征，获得具有各种形态结构的融合特征；利用多头卷积块以及局部‑宏观注意力机制构建U型分割网络，将医学图像输入所述U型分割网络，输出医学图像分割结果；本发明的优点在于：采样精度高、策略简单以及鲁棒性强。
-
公开(公告)号：CN118898772B
公开(公告)日：2024-12-10
申请号：CN202411388443.2
申请日：2024-10-08
Applicant: 安徽大学
IPC: G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/098 , G06V10/26
Abstract: 本发明提供基于联邦客户端定制适配器的图像解剖分割方法及系统，方法包括：对医学基础模型，进行适配器学习adapter learning，在适配器模块插入全局‑本地解耦器GLD，得到客户端自适应适配器；对客户端自适应适配器中的卷积层，进行通道贡献量化操作，获取各通道贡献分数，以作为医学基础模型的参数生成分数；设置客户端定制联邦学习算法，在联邦学习范式下，利用客户端定制联邦更新算法，根据各通道贡献分数，对客户端进行联邦更新操作，以获取适用个性化模型；模型训练与测试。本发明解决了分布式医疗数据孤岛客户异质性显著，导致医学数据的类别不平衡，所学习的全局折衷模型与每个客户端的个体最优性偏离较大，以及稳定性低、收敛缓慢的技术问题。
-
公开(公告)号：CN118898772A
公开(公告)日：2024-11-05
申请号：CN202411388443.2
申请日：2024-10-08
Applicant: 安徽大学
IPC: G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/098 , G06V10/26
Abstract: 本发明提供基于联邦客户端定制适配器的图像解剖分割方法及系统，方法包括：对医学基础模型，进行适配器学习adapter learning，在适配器模块插入全局‑本地解耦器GLD，得到客户端自适应适配器；对客户端自适应适配器中的卷积层，进行通道贡献量化操作，获取各通道贡献分数，以作为医学基础模型的参数生成分数；设置客户端定制联邦学习算法，在联邦学习范式下，利用客户端定制联邦更新算法，根据各通道贡献分数，对客户端进行联邦更新操作，以获取适用个性化模型；模型训练与测试。本发明解决了分布式医疗数据孤岛客户异质性显著，导致医学数据的类别不平衡，所学习的全局折衷模型与每个客户端的个体最优性偏离较大，以及稳定性低、收敛缓慢的技术问题。
-
公开(公告)号：CN118887592A
公开(公告)日：2024-11-01
申请号：CN202411381944.8
申请日：2024-09-30
Applicant: 安徽大学
IPC: G06V20/40 , G06V10/26 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于缺失感知提示的模态缺失RGBT跟踪方法及系统，方法包括：获取训练帧图像对并对其对打标签，包括有缺失类型和无缺失类型；有缺失类型的图像，设置对应的缺失补偿填充集；判断当前图像对中两张图像是否有缺失，当其中一张图像有缺失时，根据缺失类型从对应的缺失补偿填充集中选择对应的补充帧图像，并与另一张无缺失的图像组成图像对作为输入，若为无缺失类型时，则当前图像对直接应用作为输入；设置图像模板搜索帧边界框并对作为输入的图像对进行分割再进行维度转换，获取图像语义信息并作为建立的缺失感知提示模态融合模型的输入，使用优化算法对模型进行优化训练，并用优化后的模型获取当前帧图像对的目标包围框提高跟踪精度。
-
Patent Agency Ranking
公开(公告)号：CN113658493A
公开(公告)日：2021-11-16
申请号：CN202110962416.1
申请日：2021-08-20
Applicant: 安徽大学
IPC: G09B23/18
Abstract: 本发明公开一种用于模拟联想记忆的强化学习仿生电路架构，所述电路架构包括MUX，所述MUX上连接有突触模块、控制模块和输出模块，突触模块包括用于模拟输入神经元的方波电压信号，方波电压信号为2n个，其中，n为大于1的整数，控制模块包括控制信号，控制信号为可以为n个，n和控制信号可强化形成2n种不同类型的强化控制信号代表学习方法强化的人群刺激进入2n个突触模块。本发明强化学习仿生电路架构是基于巴甫洛夫联想记忆以及非联想记忆的，它更真实地模拟了人类记忆的特点，这与我们人类的记忆是一致的；通过输入模拟输入神经元的方波电压信号，通过设置控制信号模拟学习方法强化的人群，能够更加全面的模拟人的学习过程。
-
公开(公告)号：CN119293537B
公开(公告)日：2025-03-18
申请号：CN202411820703.9
申请日：2024-12-11
Applicant: 安徽大学
IPC: G06F18/23213 , G06F18/25 , G06V10/74 , G06V20/40 , G06F16/73
Abstract: 本发明提供了基于层次化预定义知识学习的长时活动分析方法和系统，方法包括：利用多模态语义一致性，通过对比学习将教程活动的视频片段与其对应的文本描述嵌入联合语义空间，学习出视觉语言联合表示先验分布；从下游数据集中按比例采样出部分视频文本对样本，对它们的表示进行聚类，对于不同粒度的层级，构造一个对应的知识图；构成体系化预定义知识图；查找每层知识图中匹配度最高的概念节点，通过自注意融合策略将概念节点的表示进行融合，再与给定模态的样本的原始表示融合，得到样本的增强特征表示。本发明的优点在于：提出的体系化预定义知识增强方法在行为分割任务上达到了最佳性能，帧级准确度得到提高。
-
公开(公告)号：CN119293537A
公开(公告)日：2025-01-10
申请号：CN202411820703.9
申请日：2024-12-11
Applicant: 安徽大学
IPC: G06F18/23213 , G06F18/25 , G06V10/74 , G06V20/40 , G06F16/73
Abstract: 本发明提供了基于层次化预定义知识学习的长时活动分析方法和系统，方法包括：利用多模态语义一致性，通过对比学习将教程活动的视频片段与其对应的文本描述嵌入联合语义空间，学习出视觉语言联合表示先验分布；从下游数据集中按比例采样出部分视频文本对样本，对它们的表示进行聚类，对于不同粒度的层级，构造一个对应的知识图；构成体系化预定义知识图；查找每层知识图中匹配度最高的概念节点，通过自注意融合策略将概念节点的表示进行融合，再与给定模态的样本的原始表示融合，得到样本的增强特征表示。本发明的优点在于：提出的体系化预定义知识增强方法在行为分割任务上达到了最佳性能，帧级准确度得到提高。
-
公开(公告)号：CN118887592B
公开(公告)日：2024-12-03
申请号：CN202411381944.8
申请日：2024-09-30
Applicant: 安徽大学
IPC: G06V20/40 , G06V10/26 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于缺失感知提示的模态缺失RGBT跟踪方法及系统，方法包括：获取训练帧图像对并对其对打标签，包括有缺失类型和无缺失类型；有缺失类型的图像，设置对应的缺失补偿填充集；判断当前图像对中两张图像是否有缺失，当其中一张图像有缺失时，根据缺失类型从对应的缺失补偿填充集中选择对应的补充帧图像，并与另一张无缺失的图像组成图像对作为输入，若为无缺失类型时，则当前图像对直接应用作为输入；设置图像模板搜索帧边界框并对作为输入的图像对进行分割再进行维度转换，获取图像语义信息并作为建立的缺失感知提示模态融合模型的输入，使用优化算法对模型进行优化训练，并用优化后的模型获取当前帧图像对的目标包围框提高跟踪精度。
-
公开(公告)号：CN113469348B
公开(公告)日：2024-02-20
申请号：CN202110684264.3
申请日：2021-06-21
Applicant: 安徽大学
IPC: G06N3/063
Abstract: 本发明公开了一种联想记忆中多次泛化和分化的神经形态电路，包括三个输入信号端IN1、IN2、IN3，一个总输出信号OUT，输入信号端IN1、IN2、IN3定义为三个前神经元，前神经元IN1对应巴甫洛夫联想记忆中的非条件反射信号，前神经元IN2和IN3对应条件反射信号；输入信号经处理后得到对应的三个输出信号OUT1、OUT2、OUT3，再经或门U12后得到总输出信号OUT；其中，或门U12定义为后神经元，总输出信号OUT为后神经元接受刺激后发出的信号。上述电路能仿生巴甫洛夫联想记忆中的多次泛化和彻底分化现象，也能仿生传统巴甫洛夫联想记忆中的学习和遗忘现象，具有广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.016 seconds)
