-
公开(公告)号：CN112270666A
公开(公告)日：2021-01-26
申请号：CN202011210676.5
申请日：2020-11-03
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于深度卷积神经网络的非小细胞肺癌病理切片识别方法，步骤为：从TCGA获取到的公开数据集非小细胞肺癌的病理切片；构建用于训练的深度学习模型；将训练数据集输入卷积神经网络训练，得到学习后的卷积神经网络模型；将训练数据集输入卷积神经网络训练，得到学习后的卷积神经网络模型。本发明通过利用Inception‑v3模型和CBAM注意力机制融合在一起，实现对非小型细胞肺癌的分类，通过注意力机制提高了网络精度；同时利用深度卷积神经网络Inception‑v3实验结果表明，本发明提出的基于深度学习的非小细胞肺癌病理切片识别方法可以有效的针对肺腺癌和肺鳞状细胞癌的分类，在一定程度上减轻了医生的负担，在医学图像识别领域实现了非常良好的性能。
-
公开(公告)号：CN113139140A
公开(公告)日：2021-07-20
申请号：CN202110534464.0
申请日：2021-05-17
Applicant: 辽宁工程技术大学
IPC: G06F16/9537 , G06F16/9535
Abstract: 本发明公开了一种基于时空感知GRU并结合用户关系偏好的旅游景点推荐方法，主要由三个部分组成：用户关系挖掘、用户偏好建模以及模型的训练。本发明解决了现有方法只考虑用户朋友关系而缺乏用户偏好相似的问题，有效提高了推荐模型的准确率。本发明把得到预训练的用户关系向量、用户长期偏好向量、当前偏好向量和周期偏好向量进行拼接当做用户最终的总偏好向量，最终旅游景点推荐的概率是由最终总偏好向量与旅游景点集合向量的内积形式表示。本发明在两个公开真实的数据集上进行实验，实验结果表明提出的模型显著优于当前主流模型。
-
Patent Agency Ranking
公开(公告)号：CN112905900B
公开(公告)日：2023-11-17
申请号：CN202110363686.0
申请日：2021-04-02
Applicant: 辽宁工程技术大学
IPC: G06F16/9535 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于图卷积注意力机制的协同过滤推荐方法，该方法包括：首先是数据采集、处理以及划分数据集，其次是GACF模型的构建，最后是模型训练以及通过预测用户与项目之间的关联分数进行推荐。本发明提出的图卷积注意力机制协同过滤模型，首先利用图嵌入技术将用户‑项目的交互信息映射到向量空间，然后通过图卷积网络学习用户‑项目交互图的嵌入表达，再利用注意力机制为邻居节点分配不同的权重，聚合邻居节点的特征信息可使邻居节点之间的权重仅依赖于节点之间的特征表达，从而提高模型的泛化能力，最后将图卷积层学习到的多个嵌入向量加权聚合，得到用户‑项目之间的关联分数。
-
公开(公告)号：CN112328914B
公开(公告)日：2024-06-21
申请号：CN202011232008.2
申请日：2020-11-06
Applicant: 辽宁工程技术大学
IPC: G06Q10/0631 , G06F16/9537 , G06N3/0464 , G06N3/092 , G06N3/048
Abstract: 本发明提供了一种基于众包工人时空行为预测的任务分配方法，该方法包括以下步骤：S1、根据时空特征将搜索空间划分为一系列连续的时空环境；S2、将众包工人的时空数据以及外部影响因素输入到AutoST时空预测模型中，预测众包工人在下一个时间戳可能到达的地点；S3、获取当前环境状态下所有待完成的时空众包任务集合，并依次编号；S4、获取经过AutoST模型预测后的时空众包工人集合，并依次编号；S5、采用改进的贪婪算法为每个众包工人推荐最佳任务，实施全局最优任务分配策略。本发明的基于众包工人时空行为预测的任务分配方法考虑到众包工人和任务的动态特征，在满足时间约束的条件下，尽可能降低众包工人的总旅行成本，达到了高效的多任务分配，提高任务分配的质量与效率。
-
公开(公告)号：CN113139140B
公开(公告)日：2024-01-16
申请号：CN202110534464.0
申请日：2021-05-17
Applicant: 辽宁工程技术大学
IPC: G06F16/9537 , G06F16/9535
Abstract: 本发明公开了一种基于时空感知GRU并结合用户关系偏好的旅游景点推荐方法，主要由三个部分组成：用户关系挖掘、用户偏好建模以及模型的训练。本发明解决了现有方法只考虑用户朋友关系而缺乏用户偏好相似的问题，有效提高了推荐模型的准确率。本发明把得到预训练的用户关系向量、用户长期偏好向量、当前偏好向量和周期偏好向量进行拼接当做用户最终的总偏好向量，最终旅游景点推荐的概率是由最终总偏好向量与旅游景点集合向量的内积形式表示。本发明在两个公开真实的数据集上进行实验，实验结果表明提出的模型显著优于当前主流模型。
-
公开(公告)号：CN112905900A
公开(公告)日：2021-06-04
申请号：CN202110363686.0
申请日：2021-04-02
Applicant: 辽宁工程技术大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图卷积注意力机制的协同过滤推荐算法，该方法包括：首先是数据采集、处理以及划分数据集，其次是GACF模型的构建，最后是模型训练以及通过预测用户与项目之间的关联分数进行推荐。本发明提出的图卷积注意力机制协同过滤模型，首先利用图嵌入技术将用户‑项目的交互信息映射到向量空间，然后通过图卷积网络学习用户‑项目交互图的嵌入表达，再利用注意力机制为邻居节点分配不同的权重，聚合邻居节点的特征信息可使邻居节点之间的权重仅依赖于节点之间的特征表达，从而提高模型的泛化能力，最后将图卷积层学习到的多个嵌入向量加权聚合，得到用户‑项目之间的关联分数。
-
公开(公告)号：CN112328914A
公开(公告)日：2021-02-05
申请号：CN202011232008.2
申请日：2020-11-06
Applicant: 辽宁工程技术大学
IPC: G06F16/9537 , G06Q10/06 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于众包工人时空行为预测的任务分配方法，该方法包括以下步骤：S1、根据时空特征将搜索空间划分为一系列连续的时空环境；S2、将众包工人的时空数据以及外部影响因素输入到AutoST时空预测模型中，预测众包工人在下一个时间戳可能到达的地点；S3、获取当前环境状态下所有待完成的时空众包任务集合，并依次编号；S4、获取经过AutoST模型预测后的时空众包工人集合，并依次编号；S5、采用改进的贪婪算法为每个众包工人推荐最佳任务，实施全局最优任务分配策略。本发明的基于众包工人时空行为预测的任务分配方法考虑到众包工人和任务的动态特征，在满足时间约束的条件下，尽可能降低众包工人的总旅行成本，达到了高效的多任务分配，提高任务分配的质量与效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.037 seconds)
