-
公开(公告)号：CN117649657A
公开(公告)日：2024-03-05
申请号：CN202311381822.4
申请日：2023-10-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于改进Mask R‑CNN的骨髓细胞检测系统，包括：生成伪标签模块，用于生成细胞核伪标签，用于辅助模型更加关注细胞核信息；复制粘贴模块，挑选种类个数少的细胞，随机复制到另一张显微镜图像中，以解决种类不平衡问题；改进Mask R‑CNN模型，添加语义分割分支，使模型更加关注细胞核信息，输出更准确的分类结果；训练模块，让模型从骨髓细胞数据集和细胞核伪标签中学习到有用特征，训练完成后得到权重文件；推理模块，基于权重文件对骨髓细胞显微镜图像进行检测，检测结果通过后处理模块去除冗余检测结果。本发明可有效提高细胞个数少的种类的识别准确率，解决细胞种类不平衡问题，并使模型更加关注细胞核信息，提高模型的识别准确率。
-
公开(公告)号：CN113010316B
公开(公告)日：2023-03-21
申请号：CN202110332806.0
申请日：2021-03-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于云计算的多目标群智能算法并行优化方法，该方法通过将原有的单机版多目标群智能优化方法利用云计算中的GPU平台进行并行化，交叉选择变异操作在CPU上串行执行，种群个体的支配比较分配给GPU执行，降低了时间复杂度，从而减少了算法执行所需的时间。同时引入并行多目标群智能算法中的多岛屿模型，实现多个GPU并行化的多目标群智能算法的同时执行，通过迁移策略增加物种多样性，从而提高了算法的求解质量。对多岛屿模型采用云计算中的常用框架Spark进行具体实现，能够通过修改参数来增加岛屿数，具有高扩展性。
-
公开(公告)号：CN115238918A
公开(公告)日：2022-10-25
申请号：CN202210776782.2
申请日：2022-07-04
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于边缘计算的海上风电场智能运维方法，包括：海上边缘计算节点收集海上风电场数据；对海上风电场数据进行智能识别，确定所属数据核心等级和接收者，并传输至相应数据存储模块；海上边缘计算节点和陆上云集控中心的数据存储模块对收集的信息处理后存储至其服务器；海上边缘计算节点和陆上云集控中心结合服务器中存储的历史监测数据，进行分析统计、设备健康评估与故障诊断并产生实时分析数据报告；海上边缘计算节点和陆上云集控中心发出相应控制调节指令，海上边缘计算节点智能响应；陆上云集控中心智能输出运维方案，并将运维方案实时传输给进行海上运维计划的船只。本发明可缩短风机的故障处理时间，提高海上作业运维效率。
-
公开(公告)号：CN114760644A
公开(公告)日：2022-07-15
申请号：CN202210261960.8
申请日：2022-03-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度强化学习的多链路传输智能报文调度方法，将MPTCP发送方的数据包传输过程划分为若干个数据包调度周期，在每个调度周期将网络环境状态输入深度确定性策略梯度模型，得到一组表示数据包调度策略的调度动作。根据设定的奖励函数，计算调度动作的奖励值，更新模型神经网络参数，优化多链路传输报文调度策略，使模型可以学习在各种网络环境下的最优调度策略相比传统的启发式调度算法，本发明方法可以适应各种复杂多样的动态网络环境，使用基于Actor‑Critic强化学习框架的深度确定性策略梯度模型，直接对MPTCP数据包调度策略进行建模和学习，将MPTCP数据包调度策略输出和策略评估分开，从而优化调度粒度，提高数据包调度性能。
-
公开(公告)号：CN114530222A
公开(公告)日：2022-05-24
申请号：CN202210034741.6
申请日：2022-01-13
Applicant: 华南理工大学
IPC: G16H10/60 , G16H30/20 , G16B20/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多组学和影像数据融合的癌症患者分类系统，该系统能完成端到端的多组学数据、影像数据的载入和预处理，利用外部知识数据库引入额外的特征信息对特定组学数据进行特征降维和信息聚集，通过计算癌症患者，即样本之间的相似度来补充额外的样本信息，最终通过一种多模态交叉融合方法实现多组学数据和影像数据分类结果的融合，并完成最终的分类结果输出，其包括以下功能模块：数据载入和预处理模块、多组学处理模块、图片处理模块、融合模块。本发明能有效地融合多组学和影像数据，可用于多种癌症患者的准确分类。
-
Patent Agency Ranking
公开(公告)号：CN113011763A
公开(公告)日：2021-06-22
申请号：CN202110333722.9
申请日：2021-03-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于时空图卷积注意力的桥梁损伤识别方法，包括步骤：1)获取桥梁健康监测系统的应变数据，并进行异常值和零‑均值标准化预处理；2)预处理后的应变数据通过滑窗的方法构建样本，并划分训练集和测试集；3)构建时空图卷积注意力网络，并使用构建好的训练集进行训练；4)将测试集输入到已训练好的时空图卷积注意力网络中，输出桥梁损伤识别的结果。本发明实现了图卷积层GCN和注意力机制首次在桥梁损伤识别领域的应用，相较与现有基于卷积神经网络(CNN)只能提取网格结构的方法，本发明适用于任意桥梁传感器空间建模，挖掘空间特征能力也更强，具有更高的准确性和良好的扩展性，能够有效减少人工检查成本，在桥梁健康监测领域具有广阔的应用前景。
-
公开(公告)号：CN113010316A
公开(公告)日：2021-06-22
申请号：CN202110332806.0
申请日：2021-03-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于云计算的多目标群智能算法并行优化方法，该方法通过将原有的单机版多目标群智能优化方法利用云计算中的GPU平台进行并行化，交叉选择变异操作在CPU上串行执行，种群个体的支配比较分配给GPU执行，降低了时间复杂度，从而减少了算法执行所需的时间。同时引入并行多目标群智能算法中的多岛屿模型，实现多个GPU并行化的多目标群智能算法的同时执行，通过迁移策略增加物种多样性，从而提高了算法的求解质量。对多岛屿模型采用云计算中的常用框架Spark进行具体实现，能够通过修改参数来增加岛屿数，具有高扩展性。
-
公开(公告)号：CN112989848A
公开(公告)日：2021-06-18
申请号：CN202110332815.X
申请日：2021-03-29
Applicant: 华南理工大学
IPC: G06F40/58 , G06F40/44 , G06F40/56 , G06F40/289 , G06F16/35
Abstract: 本发明公开了一种领域适应医学文献神经机器翻译模型的训练方法，包括：1)对域内外数据集进行数据预处理；2)基于域外子词化训练集进行域外子词化神经机器翻译模型进行动态递减训练集训练；3)使用改进的数据选择法，从域外数据集中挑选出与域内平行数据集相似的数据集来增强域内数据集；4)基于高质量的人工纠错的子词化医学数据集，训练小型的分类器或语言模型，获得域内子词化训练集句子对的训练权重，将权重作为训练参数加入到继续训练过程中；5)结合上一步骤处理得到的域内子词化训练集和训练权重文件，基于已训练域外子词化神经机器翻译模型，在域内子词化训练集上继续训练。本发明可节省总体训练时间，提高最终翻译训练效果。
-
公开(公告)号：CN107704728B
公开(公告)日：2021-01-19
申请号：CN201710880756.3
申请日：2017-09-26
Applicant: 华南理工大学
IPC: G16B30/10
Abstract: 本发明公开了一种基因序列比对的云计算加速方法，包括步骤：1)对基因测序仪的下机数据文件Fastq进行预处理，以保证数据分发时数据的完整性；2)通过Spark对修改后的基因测序数据完成多节点分发；3)对每个节点所获得的修改后的基因数据，恢复其原有Fastq文件格式；4)每个节点通过Spark中的pipe算子执行基因序列比对程序脚本，运行结果存储在Spark的弹性分布式数据集RDD中；5)运行结果保存在诸如HDFS、Amazon、S3等分布式文件系统。本发明采用一种更简单的方式将比对工具运行在Spark框架上，不仅可以很好的利用Spark的机制进行多机计算的调度、数据的分发、监控和容错，而且相较于JNI的实现方式，开发门槛低，代码维护简单，性能更好，扩展性可接近线性。
-
公开(公告)号：CN111966823A
公开(公告)日：2020-11-20
申请号：CN202010625468.5
申请日：2020-07-02
Applicant: 华南理工大学
IPC: G06F16/35 , G06F16/955 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向标签噪声的图节点分类方法，包括步骤：1)构建多个图卷积网络(GCN)模型；2)在图数据上估计联合分布、剪枝噪声数据，得到初次清理的数据并训练图卷积网络模型；3)在图数据上训练图卷积网络模型，与步骤2)的图卷积网络模型一起预测未标记节点，得到伪标签和预测概率矩阵，结合带标记节点的标签和预测概率矩阵，共同估计全数据联合分布、剪枝噪声数据；4)使用步骤3)中得到的二次清理的图数据训练图卷积网络模型，并预测节点类别。本发明在图卷积网络模型的基础上引入噪声联合分布估计和伪标签结合的标签噪声建模方法进行噪声鲁棒性训练，实现了具有更高准确性和噪声鲁棒性的节点分类方法。
-
-
-
-
-
-
-
-
-
Search Results
154
records
(took 0.031 seconds)
