-
公开(公告)号：CN118351367A
公开(公告)日：2024-07-16
申请号：CN202410462765.0
申请日：2024-04-17
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/084 , G06N3/096
Abstract: 本发明公开一种基于迁移学习的牙周疾病图像分类方法和系统，包括患者牙周图像的识别与筛选、牙周图像的预处理和数据集制作、预训练模型的获取、基于迁移学习的深度模型训练和更新。首先，获取医院实际拍摄的患者照片序列，并从中识别出患者的牙周正面照片，对识别出的数据进行预处理；然后，基于迁移学习方法，利用牙周数据对预训练模型进行训练与微调，最终得到一个具有泛化性的预测模型。本发明利用迁移学习的方法，使得深度模型在少量数据上仍能达到很好的分类准确率，从而降低数据收集的难度，提升牙周疾病图像识别与分类的准确率。基于端到端的思想，面向原始图片序列自动进行目标图片的识别与预测，从而降低医生的工作量，具有良好的应用前景。
-
公开(公告)号：CN113095423B
公开(公告)日：2024-05-28
申请号：CN202110430304.1
申请日：2021-04-21
Applicant: 南京大学
IPC: G06F16/35
Abstract: 本发明公开一种基于在线反绎学习的流式数据分类方法及其实现装置，通过将输入的无标记（或弱监督标记）流式数据放入当前学习器，从而获得对当前流式数据预测的伪标记；对预测得到的伪标记，通过利用知识库（和弱监督标记），执行反绎推理操作得到修改后的伪标记；最后，使用修改后的伪标记对学习器进行更新。上述过程随着流式数据到来不断执行。本发明一方面可以利用一阶逻辑表达的领域知识，使用在线反绎学习方法超越传统在线学习方法的性能；另一方面，可快速处理大量流式数据，能利用无标记或弱标记数据，并且还能处理数据中可能出现的新类别。
-
公开(公告)号：CN116484970B
公开(公告)日：2024-04-02
申请号：CN202310396335.9
申请日：2023-04-13
Applicant: 南京大学
Abstract: 本发明公开一种基于锚位学件的学件查搜方法，在大规模学件库（学件市场）中进行高效模型查搜，分为两个阶段：上传阶段和部署阶段。在上传阶段，使用学件聚类来结构化地组织模型，确定锚位学件；在部署阶段，学件库将所有锚位学件传给用户，用户对得到的锚位学件评估并返回评估结果给学件库，学件库根据评估结果了解用户任务，从而进一步推荐学件给用户，用户选择有益学件。通过让用户首先评估锚位学件来缩小候选学件范围，避免了遍历学件库中的所有学件，达到了提高模型查搜效率的目的。
-
公开(公告)号：CN113240119B
公开(公告)日：2024-03-19
申请号：CN202110375385.X
申请日：2021-04-08
Applicant: 南京大学
Abstract: 本发明公开一种用于游戏AI策略解释的跨模型蒸馏装置，主要包括基于监督学习、决策树学习的模型蒸馏系统以及基于决策树规则提取的策略解释两个部分。本发明为研究人员提供了一种针对游戏AI的策略解释装置，能够实时对游戏AI的决策行为提供可理解的解释信息，从而揭示观测和行为之间的因果结构，增强游戏互动性，同时还能够为人类玩家的游戏过程提供技术参考。
-
公开(公告)号：CN113033827B
公开(公告)日：2024-03-15
申请号：CN202110234785.9
申请日：2021-03-03
Applicant: 南京大学
Abstract: 本申请实施例的目的是提供一种用于深度森林的训练方法和装置。所述方法包括：通过对训练集中的各个样本进行特征离散化，得到相应的原始训练数据；对深度森林中的一个级联层进行训练；基于已训练的该级联层的森林学习机，生成该级联层对应的类别向量；对所述类别向量进行特征离散化；通过将特征离散化的类别向量和原始训练数据进行拼接，得到用于训练下一个级联层的训练数据；不断基于新的训练数据对后续级联层进行训练，直至满足预定的训练结束条件。
-
Patent Agency Ranking
公开(公告)号：CN117575730A
公开(公告)日：2024-02-20
申请号：CN202311531235.9
申请日：2023-11-16
Applicant: 南京大学
IPC: G06Q30/0601 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于离散表征强化学习的商品推荐系统，将商品图像输入卷积神经网络，得到m个向量作为初级表征；初始化N个基底向量，对m个表征向量中的每一个向量，找出与其距离最近的基底向量j，得到商品的离散表征；将商品编码为m维的向量v_i，将用户的历史信息编码为m维的向量s_i，使用v_i和s_i的内积刻画用户对商品的感兴趣程度；使用S4 Layer来建模状态转移函数，输入当前时刻用户信息以及选择的商品，对网络参数进行更新，得到最终的策略网络；对于目标用户，利用训练好的策略网络中；取最大的K个概率值及其对应的商品，推荐给用户。本发明使用强化学习来刻画用户对商品的感兴趣程度，提高推荐准确率。
-
公开(公告)号：CN116824268A
公开(公告)日：2023-09-29
申请号：CN202310881586.6
申请日：2023-07-18
Applicant: 南京大学
IPC: G06V10/764 , G06V10/82 , G06N3/0895 , G06V10/774 , G06V10/74
Abstract: 本发明公开一种基于半监督不平衡学习技术的道路路面图像标注方法，针对无人驾驶领域中道路路面数据标注数量少、难度大的问题，对存在不平衡类别分布的数据设计半监督分类模型，具有易实现、高效的特点，可以基于少量的有标注样本，实现模型的快速性能提升。主要步骤包括：基于仅有少量标注的图像数据集，利用半监督学习技术训练基准模型，为无标注样本预测得到伪标注标注分布；优化基准模型结果，基于原型学习更新得到高质量伪标注，基于类别比例的逻辑调整使基准模型预测更平衡；构造重用模型，基于标注分布学习，使其充分学习基准模型预测标注分布中少数类信息。将最终的重用模型作为目标图像数据集上的机器学习模型。
-
公开(公告)号：CN112957740B
公开(公告)日：2023-09-29
申请号：CN202110324418.8
申请日：2021-03-26
Applicant: 南京大学
IPC: A63F13/67 , G06V10/764 , G06V10/82 , G06V10/762 , G06N3/0464 , G06N3/048 , G06N3/092
Abstract: 本发明公开一种适配分层强化学习的自动分解游戏环境的方法，涉及到两个方面，一个是计算机视觉方面的弱监督语义分割技术，这一块为任务分解模块，另一个是强化学习中的分层强化学习的领域，这一块为策略训练模块。该方法能够大大降低强化学习的学习难度，以使得可以在更复杂的游戏环境中训练出更强大的游戏AI。这能够一方面提高游戏公司在设计游戏AI方面的生产力，另一方面也能够提高强化学习技术本身的适用性，使其能够进一步落地到更多的通用领域。
-
公开(公告)号：CN113268810B
公开(公告)日：2023-09-22
申请号：CN202110466328.2
申请日：2021-04-28
Applicant: 南京大学
Abstract: 本申请提供了一种基于动力学控制和随机化的交通流仿真方法，包括如下步骤：创建若干相异的道路单元；配置每段道路起始导航点和结束导航点、模拟车辆和模拟行人的生成位置集合、速度限制以及限制可行区域的墙体；将各道路单元进行拼接，使驶出道路的结束导航点靠近驶入道路的开始导航点；随机从所有道路单元的模拟行人生成位置集合中选取初始化位置等步骤。本申请的有益之处在于提供了一种有效模拟车辆和行人相互作用关系的基于动力学控制和随机化的交通流仿真方法。
-
公开(公告)号：CN116562734A
公开(公告)日：2023-08-08
申请号：CN202310567161.8
申请日：2023-05-19
Applicant: 南京大学 , 北京三快在线科技有限公司
IPC: G06Q10/083 , G06Q30/0601 , G06Q10/04 , G06N3/0455 , G06N3/092
Abstract: 本发明公开一种在群组上的隐外生变量发现方法，适用于配送场景的预测，根据系统记录获取所需的内生变量数据集，并获得辅助变量；根据内生变量、辅助变量和隐外生变量情况构建网络；在拥有相同隐外生变量且独立采样的同质群组上，进行隐外生变量发现；获得隐外生变量结果和转移模型。本发明解决了配送场景中存在不可观测的隐外生变量的问题，该问题会造成配送场景无法准确进行转移预测，通过对隐外生变量的发现，填补缺失数据，我们可以更加准确地模拟配送场景，提高模型的预测能力，进而提升用户的配送体验。
-
-
-
-
-
-
-
-
-
Search Results
238
records
(took 0.028 seconds)
