公开(公告)号：CN114638413A

公开(公告)日：2022-06-17

申请号：CN202210261243.5

申请日：2022-03-17

Applicant: 桂林电子科技大学

Inventor： 王茂发 ,  单维锋 ,  张润杰 ,  龚启舟 ,  黄鸿亮

IPC: G06Q10/04 ,  G06N3/08 ,  G06N3/04 ,  G06N20/10

Abstract: 本发明公开了一种基于深度元学习的中强震短临余震智能预测模型，其特征在于，包括多源地震目录预处理模型、中强震短临余震预测动态框架模型和余震预测深度元学习网络；所述多源地震目录预处理模型，包括三部分，地震目录重复样本的剔除、地震能量等缺失字段的填充和采用箱型图法处理地震样本异常值；所述中强震短临余震预测动态框架模型，包括余震预测模型训练样本生成、余震预测模型参数动态选择和基于元学习的多个深度学习算法灵活切换，本发明能够突破在余震预测研究中对主、余震参数间地球物理学关系的依赖，并利用AI算法去挖掘、研究地震目录中复杂、抽象、深层的关联关系。

公开(公告)号：CN114638413B

公开(公告)日：2025-02-28

申请号：CN202210261243.5

申请日：2022-03-17

Applicant: 桂林电子科技大学

Inventor： 王茂发 ,  单维锋 ,  张润杰 ,  龚启舟 ,  黄鸿亮

IPC: G06F30/27 ,  G06N3/08 ,  G06N3/0442 ,  G06N20/10 ,  G06N3/0455

Abstract: 本发明公开了一种基于深度元学习的中强震短临余震智能预测模型，其特征在于，包括多源地震目录预处理模型、中强震短临余震预测动态框架模型和余震预测深度元学习网络；所述多源地震目录预处理模型，包括三部分，地震目录重复样本的剔除、地震能量等缺失字段的填充和采用箱型图法处理地震样本异常值；所述中强震短临余震预测动态框架模型，包括余震预测模型训练样本生成、余震预测模型参数动态选择和基于元学习的多个深度学习算法灵活切换，本发明能够突破在余震预测研究中对主、余震参数间地球物理学关系的依赖，并利用AI算法去挖掘、研究地震目录中复杂、抽象、深层的关联关系。

公开(公告)号：CN112184697B

公开(公告)日：2022-10-04

申请号：CN202011103209.2

申请日：2020-10-15

Applicant: 桂林电子科技大学

Inventor： 王茂发 ,  高光大 ,  单维锋 ,  龚启舟 ,  韩定良

IPC: G06T7/00 ,  G06N3/08 ,  G06N3/04 ,  G06N3/00 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06F30/27 ,  G06Q10/04

Abstract: 本发明公开了一种基于果蝇优化算法的糖尿病视网膜病变分级深度学习方法，该方法首次实现了多子群搜索过程中的动态子群湮灭和逃逸机制，同时将多子群、列维搜索与高斯边界校正机制有机融合，从而提高寻找全局最优解的能力，降低陷入局部最优解的风险。在模型所使用的糖尿病性视网膜病变图像数据集上，通过对糖尿病性视网膜病数据集进行10轮交叉验证，MALBFOA‑DL与基准模型之间在召回率数据上的比较，显而易见的，几乎在每个回合中，MALBFOA‑DL模型与同级别的基准模型（使用VGG‑16）相比较，都获得了更好的结果。

公开(公告)号：CN116051573A

公开(公告)日：2023-05-02

申请号：CN202211687670.6

申请日：2022-12-27

Applicant: 桂林电子科技大学

Inventor： 王茂发 ,  龚启舟 ,  袁静 ,  刘振丙 ,  单维锋 ,  张润杰

IPC: G06T7/11 ,  G06V10/75 ,  G06F16/56 ,  G06F17/10 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了基于深度元学习的模拟测震图纸矢量化方法，该方法通过使用多尺度图像分割技术，使现有架构能够自动、快速确定扫描图纸的尺寸；自动提取图纸中各项记录参数；针对多尺度的图纸设计最佳的尺寸归一化、类型分类、灰度化及图像分割算法，从而为后续矢量化模型提供优质的输入数据，解决了原有矢量化算法存在的目标图纸的单一的问题；采用时间标记点模板匹配算法和自动拾取算法，自动完成对图纸中显著时间标记点的检测与标定，从而有效降低在时间坐标系构架过程中的人力消耗，进而达到提高图纸矢量化效率的目的。

公开(公告)号：CN112184697A

公开(公告)日：2021-01-05

申请号：CN202011103209.2

申请日：2020-10-15

Applicant: 桂林电子科技大学

Inventor： 王茂发 ,  高光大 ,  单维锋 ,  龚启舟 ,  韩定良

IPC: G06T7/00 ,  G06N3/08 ,  G06N3/04 ,  G06N3/00 ,  G06K9/62 ,  G06F30/27 ,  G06Q10/04

Abstract: 本发明公开了一种基于果蝇优化算法的糖尿病视网膜病变分级深度学习方法，该方法首次实现了多子群搜索过程中的动态子群湮灭和逃逸机制，同时将多子群、列维搜索与高斯边界校正机制有机融合，从而提高寻找全局最优解的能力，降低陷入局部最优解的风险。在模型所使用的糖尿病性视网膜病变图像数据集上，通过对糖尿病性视网膜病数据集进行10轮交叉验证，MALBFOA‑DL与基准模型之间在召回率数据上的比较，显而易见的，几乎在每个回合中，MALBFOA‑DL模型与同级别的基准模型（使用VGG‑16）相比较，都获得了更好的结果。