-
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
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
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：CN112215226B
公开(公告)日：2022-06-07
申请号：CN202011184567.0
申请日：2020-10-30
Applicant: 桂林电子科技大学
IPC: G06V20/62 , G06K9/62 , G06N3/04 , G06T7/11 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于改进EAST算法的栅格地质图文本检测方法，该方法采用多尺度对象分割算法进行图像背景和图像文本的分割，同时结合按比例尺方法切割训练样本，然后运用focal‑loss函数改进模型损失函数，最后采用难、易检测文本目标权重动态调整策略来改进文本目标漏检的问题。实验验证了该算法具有检测准确率较高、对不同的地质图像的适应力较强的优点。能够有效降低地质图像文本检测的漏检率，具有一定的工程应用价值。实验结果表明，对多比例尺栅格地质图像进行文本检测，采用改进后EAST算法准确率相对改进前提高了5.1%，可更加快速、准确的检索到相关地质图像文字。
-
公开(公告)号：CN117494796A
公开(公告)日：2024-02-02
申请号：CN202311441273.5
申请日：2023-11-01
Applicant: 桂林电子科技大学
IPC: G06N3/0985 , G06N3/04
Abstract: 本发明公开了一种任务自适应选的元学习方法，适用于深度学习领域。本发明基于多臂赌博机构建任务选择训练器对任务进行难度判断和未来收益计算。根据难度和收益为每个任务设计更优秀的训练策略，改变多任务妥协现状，平衡任务对元学习参数的影响。通过这样做，可以快速提高元学习参数在未知任务的泛化性和收敛性。实验结果表明，该方法在训练时间复杂度不变基础上实现了模型性能提升。收敛速度更快，稳定性更高，可以与其他模型进行任意结合，表现出了强大的简单性和通用性。
-
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
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。
-
Patent Agency Ranking
公开(公告)号：CN117970427A
公开(公告)日：2024-05-03
申请号：CN202410214125.8
申请日：2024-02-27
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种基于贝叶斯优化多机器学习算法的最大余震预测方法，根据地震学原理将地震分为不同类型进行处理，通过分析主震与余震之间的关系后建立了主震‑余震序列用于最大余震的训练和预测。针对不同地震类型，分别使用LightGBM、SVM、RF训练并使用贝叶斯优化算法结合五折交叉验证的方法寻找模型最优超参数，最终得到最大余震震级的组合预测模型。本发明在预测流程上简单，需要的参数量少，针对不同类型地震的余震均有较好的预测效果，适用性强，准确度高，与经典的Bath定律相比，约95％的结果优于Bath定律。
-
公开(公告)号：CN117392556A
公开(公告)日：2024-01-12
申请号：CN202311444389.4
申请日：2023-11-01
Applicant: 桂林电子科技大学
IPC: G06V20/13 , G06V10/82 , G06N3/0442 , G06N3/08 , G16C20/10
Abstract: 本发明公开了一种基于改进的LSTM模型的碳汇监测方法，其中包括遥感数据采集模块、数据处理和特征提取模块和碳储监测与量化模块，它们按顺序连接。遥感数据采集模块的主要作用是获取多光谱遥感数据，而数据处理和特征提取模块则负责对这些多光谱遥感数据进行选择和识别，以提取碳储监测数据。最后，碳储监测与量化模块通过应用机器学习模型对碳储监测数据进行预测，从而获得碳储量，随后根据碳储量计算出碳汇量。这个方法充分利用了遥感数据的多方面信息，实现了对碳汇量的智能化、准确的计算分析。
-
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
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：CN117392456A
公开(公告)日：2024-01-12
申请号：CN202311437679.6
申请日：2023-11-01
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于特征分布对齐元学习的图像分类方法。发明主要包括：获得公开的小样本图像分类数据集，划分为训练集、验证集和测试集；构建基于特征分布对齐元学习的小样本图像分类网络；在训练集上进行元学习的训练，对训练过程中的任务进行特征分布对齐；在验证集上验证当前模型的性能；选择在验证集上表现最好的模型进行微调，然后测试小样本图像分类性能。相较于现有技术，本发明可以解决任务特征分布之间的差异对模型性能带来的影响。
-
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
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。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.018 seconds)
