-
公开(公告)号：CN114550840B
公开(公告)日：2024-09-17
申请号：CN202210178048.6
申请日：2022-02-25
Applicant: 杭州电子科技大学
IPC: G16C20/20 , G06F18/211 , G06F18/2415 , G06N3/0464 , G06N3/09 , G06N3/045 , G06N3/084
Abstract: 本发明公开一种基于孪生网络的芬太尼类物质检测方法及其装置。获取待检测物质的质谱数据并进行标准化处理，利用芬太尼类物质检测模型对待检测物质进行分类。芬太尼类物质检测模型训练时由孪生网络和分类网络构成检测模型，孪生网络包括两个共享权重的特征提取网络；测试时将训练好的孪生网络中任意一个特征提取网络删除后与分类网络级联。以样本对作为孪生网络的输入，大大增加了用于模型训练的样本数据，有效的解决了有监督学习方法在芬太尼类物质检测任务上的小样本难题。在损失函数的设计中，加入对比损失函数，最大化类间差异，最小化类内差异，使提取的特征更具有区分性，提高了检测模型的性能。
-
公开(公告)号：CN114997303A
公开(公告)日：2022-09-02
申请号：CN202210600879.8
申请日：2022-05-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于深度学习的膀胱癌代谢标志物筛选方法及系统，通过基于变分自编码器网络，从编码特征出发，结合反向传播对权重值大小排序，设置阈值条件进行质荷比特征筛选，极大地降低了特征维度；提出了一种基于样本相似度的缺失值插补方法，主要利用模糊C均值聚类、K最近邻法和基于贝叶斯岭回归的迭代插补对缺失值插补，有利于提升后续数据挖掘的性能和缩短插补时间。对神经网络筛选的特征使用递归特征消除方法，减小其计算复杂度。所筛选得到代谢物离子的质荷比在公开报道里有所体现，这一组质荷比特征的灵敏度、特异性及曲线下面积(AUC)均大于0.9，能够准确的反应膀胱癌患者和健康人员的代谢谱差异。
-
公开(公告)号：CN112698660A
公开(公告)日：2021-04-23
申请号：CN202011625748.2
申请日：2020-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于9轴传感器的驾驶行为视觉感知装置及方法。本发明基于异源数据融合方法，结合汽车的四个方向安装的摄像头和9轴传感器的数据融合来量化得到驾驶人的驾驶行为。摄像头在车辆行驶过程中实时采集车辆周边环境的视频，9轴传感器实时采集加速度数据和角速度数据。通过自学习、弱监督学习和循环序列算法的融合来感知自身车辆的行驶风险，并给出风险的类型和风险概率。本发明提出一种基于9轴传感器的驾驶行为感知自学习新方法，通过9轴传感器的加速度信号和角速度信号的反馈，持续更新视频图像弱监督分类模型的参数，从而达到较好的驾驶行为的识别感知效果，并判断出驾驶员或无人驾驶系统的驾驶风险。
-
公开(公告)号：CN104034299A
公开(公告)日：2014-09-10
申请号：CN201410229509.3
申请日：2014-05-27
Applicant: 杭州电子科技大学
IPC: G01B21/20
Abstract: 本发明公开了基于经验模态分解的圆度误差评定方法,对工件在一个圆周内进行等角度采样得到工件半径数据，采用经验模态分解对其从高频到低频分解为若干内蕴模态函数和1个残余分量，利用波数剔除干扰信号成分，用剩余的IMF进行重构得到的表面形状误差信号进而计算圆度误差。该发明是一种抗干扰强、自适应的圆度误差评估方法，分析精度比传统方法要高，整个分析过程快速方便，容易被使用者掌握。
-
公开(公告)号：CN116825221A
公开(公告)日：2023-09-29
申请号：CN202211740553.1
申请日：2022-12-30
Applicant: 杭州电子科技大学
IPC: G16C20/20 , G16C20/70 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/096 , G06N3/084
Abstract: 本发明公开一种基于多层感知机网络模型的小分子物质结构预测方法。所述基于多层感知机网络的小分子结构预测模型的输入为质谱数据，输出为输入质谱数据所属物质的分子指纹，即固定长度的二进制编码；包括特征提取网络和预测网络，所述的特征提取网络包括n个串联的结构相同的前馈神经网络、以及残差网络、输出层，n≥1。每个前馈神经网络包括全连接层、非线性激活层。本发明提出基于多层感知机网络的小分子结构预测模型引入修改后的残差网络来提高特征网络计算质谱数据之间关系的性能并减少时空复杂度。
-
Patent Agency Ranking
公开(公告)号：CN116189777A
公开(公告)日：2023-05-30
申请号：CN202211730556.7
申请日：2022-12-30
Applicant: 杭州电子科技大学
IPC: G16B40/00 , G06F18/241 , G06N3/0455 , G06N3/084
Abstract: 本发明公开一种基于变分自编码器的代谢组学数据分类方法。本发明构建基于变分自编码器的分类模型，将训练好的变分自编码器网络的模型参数与分类网络共享。本发明避免了传统机器学习的复杂数据处理，简化了数据预处理过程中人工参数选择的繁琐步骤，提出的深度学习的非线性映射方法，很好的提高了分类精度。本发明通过添加一个KL散度损失，使得学习的隐层空间特征向标准正态靠近，使得解码过程更加合理化，分类结果更好。
-
公开(公告)号：CN120048383A
公开(公告)日：2025-05-27
申请号：CN202510124830.3
申请日：2025-01-26
Applicant: 杭州电子科技大学
IPC: G16C20/20 , G16C20/70 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464
Abstract: 本发明公开一种基于CNN和Transformer网络特征融合的分子指纹预测方法及其系统。该方法先获取化合物的质谱数据、前体离子、SMILES构成数据集，划分训练集和测试集；接着构建包含Transformer特征提取模型、CNN特征提取模型、融合网络的融合模型并训练和测试；最后用训练和测试好的模型进行预测分子指纹。Transformer模型负责提取全局分子指纹特征，CNN模型提取局部分子指纹特征，融合网络将两者特征融合后经MLP预测。本发明从整体和局部不同视角全面捕捉分子信息，弥补了单一模型在特征提取上的缺陷，显著提升了分子指纹预测的精度。
-
公开(公告)号：CN111951277B
公开(公告)日：2024-03-12
申请号：CN202010740171.3
申请日：2020-07-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于CTA图像的冠状动脉分割方法。首先，通过图像预处理有效抑制了非冠脉组织，提升了冠状动脉和背景的对比度；其次，结合光流法与心脏解剖结构先验知识检测带冠状动脉分叉的不规则升主动脉层，避免了手动初始化左右冠状动脉的起始点；最后，相比于传统区域生长法，提出的结合端点检测的自适应区域生长法对于灰度不均且拓扑结构复杂的细小分支有更好的分割能力和准确性。
-
公开(公告)号：CN114998292A
公开(公告)日：2022-09-02
申请号：CN202210707582.1
申请日：2022-06-21
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/62 , G06V10/44 , G06V10/80 , G06V10/82 , G16H30/20 , G16H50/20 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于残差双注意力机制的心血管钙化斑块检测系统。本发明提出基于残差双注意力机制的分割模型，包括主干网络模块BackBone和残差双注意力模块，所述残差双注意力模块包括并联的第一注意力模块、第二注意力模块，以及融合模块；所述两个并行的注意力模块输入为所述BackBone模块的输出特征X，输出为分割结果。本发明通过构建残差双注意力机制模块，解决了网络随深度的加深会出现的梯度消失的问题，使得特征随着层层前向传播得到完整保留的信息越来越少的问题得到解决，从而使得新特征能够更加准确完整，分割出的钙化区域更加精确。
-
公开(公告)号：CN114550840A
公开(公告)日：2022-05-27
申请号：CN202210178048.6
申请日：2022-02-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于孪生网络的芬太尼类物质检测方法及其装置。获取待检测物质的质谱数据并进行标准化处理，利用芬太尼类物质检测模型对待检测物质进行分类。芬太尼类物质检测模型训练时由孪生网络和分类网络构成检测模型，孪生网络包括两个共享权重的特征提取网络；测试时将训练好的孪生网络中任意一个特征提取网络删除后与分类网络级联。以样本对作为孪生网络的输入，大大增加了用于模型训练的样本数据，有效的解决了有监督学习方法在芬太尼类物质检测任务上的小样本难题。在损失函数的设计中，加入对比损失函数，最大化类间差异，最小化类内差异，使提取的特征更具有区分性，提高了检测模型的性能。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.02 seconds)
