-
公开(公告)号：CN117952198B
公开(公告)日：2024-08-30
申请号：CN202311606478.4
申请日：2023-11-29
Applicant: 海南大学
IPC: G06N5/022 , G06N3/049 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N5/04
Abstract: 本发明公开基于时间特征和复杂进化下的时序知识图谱表示学习方法，包括构建TFCE模型，包括时间特征模块、复杂进化模块和两个嵌入时间的解码器，时间特征模块，用于对知识图谱中的实体和关系进行时间编码，捕捉时间特征的长距离依赖关系和关联关系，获得时间嵌入矩阵；复杂进化模块中引入感知机制和注意力网络，用于分别学习知识图谱中的实体和关系在每个时间戳上的进化表示，更新实体嵌入矩阵和关系嵌入矩阵；两个嵌入时间的解码器同时进行实体预测和关系预测；将数据集输入至所述TFCE模型进行训练，同时计算损失函数以更新模型参数，当损失函数不断下降直至收敛时，得到最优TFCE模型。本发明能够提高对未来事件的预测效果。
-
公开(公告)号：CN111707644B
公开(公告)日：2024-08-23
申请号：CN202010673836.3
申请日：2020-07-14
Applicant: 海南大学
IPC: G01N21/552 , B82Y20/00
Abstract: 本发明公开了一种金属纳米粒子LSPR散射线宽压缩装置及方法，该宽压缩装置包括单模光纤、微泡腔、金属纳米粒子、显微镜、偏振片、分光镜；所述单模光纤的端部设置有微泡腔，所述微泡腔的外表面设置有金属纳米粒子；在单模光纤传输方向微泡腔的上端设置有显微镜；所述显微镜的上端设置有偏振片；所述偏振片上端设置有分光镜。本发明提供的光纤微泡薄膜层F‑P微腔结构调制情况下，LSPR散射谱将受到微腔窄谐振模式调制，出现多条窄线宽谱峰，其线宽将主要取决于微腔腔长。本发明提供的光纤微泡结构的金属纳米粒子LSPR散射线宽压缩方法及装置，其具有低成本、窄线宽、宽调控范围的优点。
-
公开(公告)号：CN117630411B
公开(公告)日：2024-08-20
申请号：CN202311609738.3
申请日：2023-11-29
Applicant: 海南大学
Abstract: 本发明公开了一种高集成度矢量流场传感器，所述传感器包括发射信号模块、接收信号模块和信号处理模块；所述发射信号模块用于发射光源；所述接收模块由光纤探头和多芯光纤扇入扇出装置组成，所述光源经过所述光纤探头调制成光信号；所述信号处理模块用于将所述光信号转换为电信号，并将所述电信号进行解调，得到矢量流场感应结果。本发明泡外部采用金属镀膜封装，光学系统在微泡内，不易受外界盐离子等干扰。在特定的研磨斜角下，多芯单模光纤和超薄微泡可形成多个F‑P腔，可通过测量点感知多个方向的流速分量，并结合矢量反演来确定测量点的流速大小及方位，实现高集成度，高空间分辨率流速的矢量测量。
-
公开(公告)号：CN116882538B
公开(公告)日：2024-03-05
申请号：CN202310601024.1
申请日：2023-05-26
Applicant: 海南大学
Abstract: 本发明公开一种海洋环境预测模型的训练方法及相关装置。该方法包括如下步骤：获取海洋环境数据并进行预处理；运用灰色关联分析模型对预处理后的环境数据分析，获得数据集；将数据集输入构建的时序知识图谱模型进行训练，以预测时序知识图谱中实体之间的关系，生成预测模型；按照预测目标的时序信息，使用已训练好的知识图谱预测模型，通过预测目标实体与其他实体之间的前后依赖关系，对海洋环境检测领域时序知识图谱进行链路预测；对链路预测的结果进行评估，基于评估结果对灰色关联分析模型和时序知识图谱预测模型进行优化和调整。本发明可以实现更高的预测准确率，以提高海洋环境检测领域的预测能力。
-
公开(公告)号：CN117630411A
公开(公告)日：2024-03-01
申请号：CN202311609738.3
申请日：2023-11-29
Applicant: 海南大学
Abstract: 本发明公开了一种高集成度矢量流场传感器，所述传感器包括发射信号模块、接收信号模块和信号处理模块；所述发射信号模块用于发射光源；所述接收模块由光纤探头和多芯光纤扇入扇出装置组成，所述光源经过所述光纤探头调制成光信号；所述信号处理模块用于将所述光信号转换为电信号，并将所述电信号进行解调，得到矢量流场感应结果。本发明泡外部采用金属镀膜封装，光学系统在微泡内，不易受外界盐离子等干扰。在特定的研磨斜角下，多芯单模光纤和超薄微泡可形成多个F‑P腔，可通过测量点感知多个方向的流速分量，并结合矢量反演来确定测量点的流速大小及方位，实现高集成度，高空间分辨率流速的矢量测量。
-
Patent Agency Ranking
公开(公告)号：CN117541836A
公开(公告)日：2024-02-09
申请号：CN202311370501.4
申请日：2023-10-23
Applicant: 海南大学
IPC: G06V10/762 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/088 , G16H30/20 , G16H30/40
Abstract: 本发明公开多模态医学影像无监督表征学习方法，获取多模态医学影像数据并进行预处理，构建多模态医学影像样本数据集；将多模态医学影像样本数据集输入自动编码器神经网络中，提取初步的高层表征；设计目标函数和约束条件，所述目标函数为以加权K‑均值为基底目标函数并在样本重建项、归一化特征尺度正则项、网络参数平滑项的辅助下对初步的高层表征进行迭代地细化与微调，实现无监督表征优化，获得高层表征；对高层表征进行聚类分析，生成影像样本组的伪标签并自动标注；人工对所述影像样本组的伪标签进行校准并勘误，获得影像样本组的标签。本发明能够实现更为高效且精准的多模态医学影像赋标签。
-
公开(公告)号：CN117523356A
公开(公告)日：2024-02-06
申请号：CN202311370125.9
申请日：2023-10-23
Applicant: 海南大学
IPC: G06V10/82 , G06V10/762 , G06V10/44 , G06V10/774 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开医学影像组学多视图半监督表征学习方法，采集多视图医学影像数据；提取多视图医学影像数据中成对样本间的必连关系和勿连关系，基于成对样本间的必连关系和勿连关系构建约束条件；对多视图医学影像数据并进行预处理，构建多视图医学影像样本数据集；将多视图医学影像样本数据集输入自动编码器神经网络中，提取初步的高层表征；设计基底目标函数与优化算法对初步的高层表征进行迭代地细化与微调，并在迭代过程中确保所述约束条件得到满足，获得高层表征；对高层表征进行聚类分析，生成影像样本组的伪标签并自动标注；人工对所述影像样本组的伪标签进行校准并勘误。本发明能够实现高效且精准的医学影像组学智能标注。
-
公开(公告)号：CN117334334A
公开(公告)日：2024-01-02
申请号：CN202311272180.4
申请日：2023-09-28
Applicant: 海南大学
IPC: G16H50/30 , G16H50/70 , G06F18/214 , G06F18/21 , G06F18/27 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N20/20 , G06N3/048
Abstract: 本发明公开一种健康风险预测方法、装置、设备及介质。该方法获取现时环境数据；将现时环境数据输入至预测模型中，所述预测模型包括VARLST混合模型和AdaBoost模型，其中，所述VARLST模型包括VARMA模型和BI‑LSTM模型，将VARLST模型的预测结果和AdaBoost模型的预测结果进行加权融合，获得最终预测值；基于现时环境数据下预测的最终预测值以及过去时间段内的危险参考基准值下的疾病患病人数和非患病人数，计算得到预测健康风险的相对危险值；基于相对危险值进行健康风险预警。本发明能够在环境质量指数异常时，通过快速预测以及健康风险的相对危险值的计算，做到提早预防的准备。
-
公开(公告)号：CN117191094A
公开(公告)日：2023-12-08
申请号：CN202310923322.2
申请日：2023-07-26
Applicant: 海南大学
Abstract: 本发明公开一种级联型光纤传感器多参量监测系统和方法，系统的光源模块发射宽带光至光环形器，光环形器将宽带光输出至级联型光纤传感器，级联型光纤传感器的反射光波由光环形器输出至2*2耦合器；2*2耦合器将所述反射光波平均分配为两路，其中一路输入至多通道阵列波导光栅各通道中，将级联型光纤传感器的反射光波转化为在多通道阵列波导光栅各个通道中的透射光强度；采用光开关控制及光功率计获取多通道阵列波导光栅各通道的透射光强度信息并输入至数据处理模块，数据处理模块利用经过训练的端到端的深度神经网络直接读取透射光强度信息并输出级联型光纤传感器相应的干涉峰峰值波长。本发明具备高效、集成化、低成本，抗干扰能力强的优点。
-
公开(公告)号：CN117034746A
公开(公告)日：2023-11-10
申请号：CN202310881809.9
申请日：2023-07-17
Applicant: 海南大学
IPC: G06F30/27 , G06N3/098 , G06N3/084 , G06N3/048 , G06F21/62 , G06F113/16 , G06F111/02
Abstract: 本发明公开了一种基于联邦学习的协作式光子晶体光纤逆向设计系统和方法。该方法在联邦学习框架下，建立了一个分布式的神经网络模型，该模型能够学习和描述光子晶体光纤的光学特性之间的非线性关系。每个节点都拥有本地的计算资源和数据集，通过局部模型的训练和参数更新，实现对光纤的特性进行建模和预测。其次，通过联邦学习的协作机制，各个节点之间进行通信和信息交换，节点之间共同优化模型，使得整体的模型性能逐步提升。同时在模型参数的聚合过程中，保护了各个节点的数据隐私，聚合服务器只能获取到加密或经过隐私保护处理的模型更新参数。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.058 seconds)
