-
公开(公告)号：CN112435264A
公开(公告)日：2021-03-02
申请号：CN202011197268.0
申请日：2020-10-30
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于深度学习的42CrMo单相金相组织分割方法及系统，通过将带有真值标签的42CrMo单相金相组织图像数据库分为训练集和测试集；然后将U‑Net模型中的卷积层增加至六块卷积层，去除U‑Net模型中影像重叠策略Overlap‑tile strategy，在U‑Net模型中增加能够归一化每层网络的输入的归一化处理，得到改进后的U‑Net模型，利用六块卷积层，增加网络的深度更好的提取碳化物颗粒特征，将输入图像删减了影像重叠策略，避免图像重影干涉，更容易获取图像，在精度上更好的提取了碳化物颗粒特征信息，增加批量归一化处理，使得每层网络输入标准化，在一定程度上使得网络的收敛速度更快，进而提高了训练速度，从而有效提高了42CrMo金相图像的研究效率。
-
Patent Agency Ranking
公开(公告)号：CN114489942B
公开(公告)日：2024-02-23
申请号：CN202210062739.X
申请日：2022-01-19
Applicant: 西安交通大学
Abstract: 本发明公开了一种面向应用集群的队列任务调度方法及系统，将线上和线下任务并存在Kubernetes集群中，基于打分策略对线下任务进行打分，并对线下任务进行优先级排定，保证优先级高的训练任务有着更少的等待时间的同时，考虑多方面因素来调整任务执行队列，对任务的动态变化进行实时监控，调整线上和线下任务的资源分配，保证线上任务的服务质量，同时可以根据不同维度手动暂停线下一个或者一批训练任务，和手动开启暂停的一个和一批训练任务，可应对突发事件或者特殊时期，提高了任务的分配效率，便于资源的管理和控制，解决了现有技术中，资源分配率低，服务质量低的问题。
-
公开(公告)号：CN114429197A
公开(公告)日：2022-05-03
申请号：CN202210085746.1
申请日：2022-01-25
Applicant: 西安交通大学
IPC: G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明公开了种神经网络架构搜索方法、系统、设备及可读存储介质，初始化DARTS网络的相关参数，将图像训练集输入至初始化后的DARTS网络中，根据目标函数计算损失值，根据梯度信息使用二阶泰勒展开式计算出网络损失变化，使用基于突触显著性的评分指标计算指标显著性，采用连接敏感性指标到神经网络架构搜索，用来指示操作的重要性，将可微架构结构搜索定义为初始化时的网络剪枝，在网络剪枝的初始化中采用称为操作显著性度量，实验结果表明，该框架是一种有前景的、可靠的可微神经结构搜索解决方案，在不同基准数据集和DARTS搜索空间上都取得了良好的性能。本发明方法非常高效，可以在几秒钟内完成架构搜索。
-
公开(公告)号：CN114429197B
公开(公告)日：2024-05-28
申请号：CN202210085746.1
申请日：2022-01-25
Applicant: 西安交通大学
IPC: G06N3/04 , G06N3/082 , G06V10/764 , G06V10/82
Abstract: 本发明公开了种神经网络架构搜索方法、系统、设备及可读存储介质，初始化DARTS网络的相关参数，将图像训练集输入至初始化后的DARTS网络中，根据目标函数计算损失值，根据梯度信息使用二阶泰勒展开式计算出网络损失变化，使用基于突触显著性的评分指标计算指标显著性，采用连接敏感性指标到神经网络架构搜索，用来指示操作的重要性，将可微架构结构搜索定义为初始化时的网络剪枝，在网络剪枝的初始化中采用称为操作显著性度量，实验结果表明，该框架是一种有前景的、可靠的可微神经结构搜索解决方案，在不同基准数据集和DARTS搜索空间上都取得了良好的性能。本发明方法非常高效，可以在几秒钟内完成架构搜索。
-
公开(公告)号：CN114489942A
公开(公告)日：2022-05-13
申请号：CN202210062739.X
申请日：2022-01-19
Applicant: 西安交通大学
Abstract: 本发明公开了一种面向应用集群的队列任务调度方法及系统，将线上和线下任务并存在Kubernetes集群中，基于打分策略对线下任务进行打分，并对线下任务进行优先级排定，保证优先级高的训练任务有着更少的等待时间的同时，考虑多方面因素来调整任务执行队列，对任务的动态变化进行实时监控，调整线上和线下任务的资源分配，保证线上任务的服务质量，同时可以根据不同维度手动暂停线下一个或者一批训练任务，和手动开启暂停的一个和一批训练任务，可应对突发事件或者特殊时期，提高了任务的分配效率，便于资源的管理和控制，解决了现有技术中，资源分配率低，服务质量低的问题。
-
公开(公告)号：CN114357970A
公开(公告)日：2022-04-15
申请号：CN202210010909.X
申请日：2022-01-05
Applicant: 西安交通大学
IPC: G06F40/205 , G06F40/151
Abstract: 本发明提出了一种征信报告解析方法、系统、终端设备和存储介质，构建征信报告特征和征信报告特征组，并报告数据库中的征信报告标识，取出对应的征信报告，根据取出的征信报告，对征信报告特征进行计算；对征信报告所在文件夹内所有征信报告进行过滤、标记和计算，创建模型数据集，并将模型数据集保存至数据库。实现了同一个特征可以从不同格式的征信报告中，获取用户信息，并支持根据特定要求对用户信息的过滤，转化和函数计算，特征可以根据业务在线开发和计算，使征信报告的解析更加灵活，自动化和智能化，加快了征信报告的解析效率。解决了现有技术中针对不同样式的征信报告文件解析困难的问题。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
