-
公开(公告)号：CN110728349A
公开(公告)日：2020-01-24
申请号：CN201910886161.8
申请日：2019-09-19
Applicant: 武汉大学
Abstract: 本发明公开了一种混合蝙蝠算法的优化方法以及多层感知器的优化方法，首先，在种群重构方面，通过改进原有反向学习策略，提出一种带扰动多策略反向学习，以重构一个有效的多样性搜索空间；其次，在全局勘探搜索方面，通过引入鲸鱼优化算法并对其进行改进，提出一种自适应约束步长鲸鱼优化算法，以弥补原有蝙蝠算法在全局勘探能力方面的不足；第三，在局部开采搜索方面，通过引入柯西变异和设计动态纠正策略，提出一种基于柯西变异和动态纠正的蝙蝠算法，以便提高原有蝙蝠算法的局部搜索能力；第四，优化得到的新算法在三个策略的协同作用下，有效提高了优化结果的精度和稳定性。最后，将新算法应用到多层感知器训练问题，并取得较高的分类精度。
-
公开(公告)号：CN112507124A
公开(公告)日：2021-03-16
申请号：CN202011408734.5
申请日：2020-12-04
Applicant: 武汉大学
IPC: G06F16/36 , G06F40/211 , G06F40/30 , G06K9/62 , G06F16/31
Abstract: 本发明提出了一种基于图模型的篇章级别事件因果关系抽取方法。本发明进行数据收集并进行训练集合、测试集合的划分；对训练集合进行事件与事件因果关系人工标注；对数据进行预处理操作得到规范化后的输入数据；将规范化后的输入数据通过BERT语言模型获得事件与句子的语义向量；将事件与句子的语义向量利用层次注意力机制获取包含篇章信息的事件语义向量；基于包含篇章信息的事件语义向量利用图模型计算事件因果关系；利用梯度下降算法进行训练得到可用于预测事件因果关系的模型。本发明的事件因果关系抽取性能更加优良，且也能推广至其他类型实体关系、事件关系抽取任务之中。
-
Patent Agency Ranking
公开(公告)号：CN116091695A
公开(公告)日：2023-05-09
申请号：CN202310013794.4
申请日：2023-01-05
Applicant: 武汉大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于分层强化学习的可迁移三维重建方法及系统，属于三维重建领域。通过简化动作空间从而增加重建的准确度，同时使得训练出来的代理在不同类别间更具有可迁移性。分层强化学习将对同一个Loop操作的动作进行聚合，从而将任务分解给不同的代理进行处理。顶层代理能够在全局上对整体形状进行把握，选择出最需要进行调整的Loop，并将其交给对应的子代理去处理。使用基于状态空间增强的子代理(ASS‑Sub‑Agent)替代传统方法中的一组子代理，ASS‑Sub‑Agent能够共享原子代理的训练过程并且拥有更少的训练参数，能够加速子代理的训练过程，更多样的状态空间又促进了ASS‑Sub‑Agent的迁移性。
-
公开(公告)号：CN112288787A
公开(公告)日：2021-01-29
申请号：CN202011067248.1
申请日：2020-10-05
Applicant: 武汉大学
IPC: G06T7/38
Abstract: 本发明提出了一种基于生物地理优化的多模态医学图像配准方法。将同一病人部位的CT图像和MR图像输入到医学图像配准系统中进行预处理得到预处理后病人部位的CT图像和MR图像；根据预处理后病人部位的CT图像计算信息熵，根据预处理后病人部位的MR图像计算信息熵，计算预处理后病人的CT图像与MR图像的联合信息熵，进一步计算标准化互信息；将预处理后病人部位的CT图像与MR图像的标准化互信息作为适应度值，根据适应度值通过优化方法多次迭代更新变化矩阵，当达到最大迭代次数或者适应度值大于适应度阈值则结束迭代得到最优变化矩阵，将MR图像应用最优变换矩阵实现与CT图像的配准。本发明配准精度高，稳定性强。
-
公开(公告)号：CN111325284A
公开(公告)日：2020-06-23
申请号：CN202010158303.1
申请日：2020-03-09
Applicant: 武汉大学
Abstract: 本发明公开了一种基于多目标动态分布自适应的图像分类方法，首先获取第一图像数据和第二图像数据，然后采用多目标优化算法搜索得到目标映射空间，包括：初始化种群，将映射空间的情况编码进种群中，利用多目标优化算法搜索最优的种群，其中，最优的种群为满足两个目标的帕累托解集，两个目标为条件分布概率和边缘分布概率；再从帕累托解集中筛选出最优的解，根据最优的解获得目标映射空间；接着将第一图像数据映射到目标映射空间，获得第三图像数据；接下来基于第三图像数据训练出一个图像分类器；再利用训练出的图像分类器对第二图像数据的标签进行预测，对第二图像数据贴标。本发明可以解决现有数据迁移学习过程中分布不均衡的技术问题。
-
公开(公告)号：CN112507124B
公开(公告)日：2024-03-19
申请号：CN202011408734.5
申请日：2020-12-04
Applicant: 武汉大学
IPC: G06F16/36 , G06F40/211 , G06F40/30 , G06F18/214 , G06F16/31
Abstract: 本发明提出了一种基于图模型的篇章级别事件因果关系抽取方法。本发明进行数据收集并进行训练集合、测试集合的划分；对训练集合进行事件与事件因果关系人工标注；对数据进行预处理操作得到规范化后的输入数据；将规范化后的输入数据通过BERT语言模型获得事件与句子的语义向量；将事件与句子的语义向量利用层次注意力机制获取包含篇章信息的事件语义向量；基于包含篇章信息的事件语义向量利用图模型计算事件因果关系；利用梯度下降算法进行训练得到可用于预测事件因果关系的模型。本发明的事件因果关系抽取性能更加优良，且也能推广至其他类型实体关系、事件关系抽取任务之中。
-
公开(公告)号：CN113379811A
公开(公告)日：2021-09-10
申请号：CN202110697394.0
申请日：2021-06-23
Applicant: 武汉大学
Abstract: 本发明提出了一种基于烟花算法增强的珊瑚礁优化的多模态医学图像配准方法。将同一病人部位的CT图像和MR图像输入到医学图像配准系统中进行预处理得到预处理后病人部位的CT图像和MR图像；根据预处理后病人部位的CT图像计算信息熵，根据预处理后病人部位的MR图像计算信息熵，计算预处理后病人的CT图像与MR图像的联合信息熵，进一步计算标准化互信息；将预处理后病人部位的CT图像与MR图像的标准化互信息作为适应度值，根据适应度值通过优化方法多次迭代更新变化矩阵，当达到最大迭代次数或者适应度值大于适应度阈值则结束迭代得到最优变化矩阵，将MR图像应用最优变换矩阵实现与CT图像的配准。本发明配准精度高，收敛速度快。
-
-
-
-
-
-
Search Results
7
records
(took 0.012 seconds)
