-
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。
-
公开(公告)号：CN116543288A
公开(公告)日：2023-08-04
申请号：CN202310505749.0
申请日：2023-05-06
Applicant: 南京大学
IPC: G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明公开一种基于自适应数据增强的图对比学习方法、装置和存储介质，先对原图样本信息经过预处理得到每张图的当前批次表示。通过分布计算网络中的多层感知机输出数据增强的最优采样分布，通过参数计算网络中的多层感知机输出对应输出数据增强的最优参数。基于最优采样分布和最优参数生成增强视图，增强视图输入主编码器生成节点表示和全图表示，生成的节点表示和全图表示进行跨尺度对比，通过反向传播训练参数使图对比学习模型收敛，使得图对比学习模型能同时应用于图分类和节点分类任务。依靠分布计算网络和参数计算网络自适应地选择数据增强手段、设定数据增强参数，避免了繁琐的人工作业，与现有的图对比学习模型结合一并实现端到端地训练。
-
公开(公告)号：CN111666949B
公开(公告)日：2023-06-20
申请号：CN202010546056.2
申请日：2020-06-16
Applicant: 南京大学
IPC: G06V10/26 , G06N3/0464 , G06V10/774 , G06V20/70 , G06V10/82 , G06V10/764
Abstract: 本发明公开一种基于迭代分割的图像语义分割方法，包括：图像预处理，通过图像增强模型对输入的样本图像进行增强，得到增强样本图像，然后对所述增强样本图像进行若干次分割，如此反复得到最终的卷积神经网络，根据最终的卷积神经网络对图像进行语义分割，输出语义分割结果；本发明后续的样本图像是由最初的增强样本图像分割而成的，由于其经过多次分割，数量会逐渐庞大，并且先训练后验证，再训练再验证，如此反复得到最终的卷积神经网络，训练数据和验证数据之间相当于存在母体和子体关系，既不会产生因训练数据差异较大导致的精度降低问题，而且还由于训练数据之间的漂移较小，有助于提升精度。
-
-
公开(公告)号：CN115908947A
公开(公告)日：2023-04-04
申请号：CN202211693971.X
申请日：2022-12-28
Applicant: 南京大学
IPC: G06V10/764 , G06V10/774 , G06N20/00
Abstract: 本发明公开一种基于反绎学习的多模态牙周图像识别方法和系统，首先，获取标注的牙周疾病图片，并以有监督的方式对于预训练模型进行更新；接着，对于牙周疾病严重程度的知识进行形式化，形成知识库；然后，基于预训练模型对无标注牙周疾病图片数据生成伪标记，并将伪标记与知识库进行对比，用逻辑推理的结果针对伪标记进行矫正与更新，并利用矫正数据重新训练模型；最后，利用训练好的模型生成图片对应的最终标记，并利用多模态融合的方法得到最终的识别结果。本发明利用反绎学习的框架，在仅有少量标注数据的场景下，通过形式化并利用专家知识，在加速训练过程的同时，更能使模型达到较高的识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN114581748B
公开(公告)日：2022-09-23
申请号：CN202210483252.9
申请日：2022-05-06
Applicant: 南京大学
IPC: G06V10/80 , G06V10/774 , G06K9/62 , G06N20/00
Abstract: 本发明公开一种基于机器学习的多智能体感知融合系统及其实现方法，多个智能体在行驶过程中通过摄像头采集道路环境图片，根据采集的道路环境图片制作训练数据集；使用训练数据集训练算法模型，并将算法模型部署在计算芯片上；使用过程：智能体行驶过程中，通过摄像头采集道路环境图片，并发送给计算芯片，在计算芯片中运行算法模型，提取图片中的特征，对多摄像头图片进行特征融合，对融合好的特征进行多任务预测，得到环境信息，使用通信模块将环境信息分享给周边智能体并获取周边智能体分享的环境信息，计算芯片将通信获取的环境信息进行融合，完善自身环境信息。本发明增加了智能体感知范围，降低了智能体感知盲区，提高了智能体的决策精度。
-
公开(公告)号：CN113189985B
公开(公告)日：2022-09-23
申请号：CN202110410291.1
申请日：2021-04-16
Applicant: 南京大学
IPC: G05D1/02
Abstract: 本发明公开一种基于自适应粒子与信念填充的部分可观察驾驶规划方法，把自动驾驶任务建模为一个部分可观察马尔科夫决策任务，并使用一种高效在线规划求解方法对其进行实时求解。由于采用了在线求解的方法，本系统能够支持对各类道路类型、障碍物类型、智能体类型的灵活建模求解，是一种通用的智能驾驶规划方法。本方法所采用的在线规划求解方法利用自适应粒子滤波实现了信念状态的高效近似，并引入了信念填充方法对相似观察分支进行合并，这使得其能够高效地求解自动驾驶这类观察空间巨大的任务。
-
公开(公告)号：CN113110592B
公开(公告)日：2022-09-23
申请号：CN202110488468.X
申请日：2021-05-06
Applicant: 南京大学
IPC: G05D1/10
Abstract: 本发明公开一种无人机避障与路径规划方法，结合蒙特卡洛树搜索与对比强化学习算法，克服GPS在特定环境中信号不足的问题，实现无人机在复杂环境中避障与路径选择的功能。包括以下几个步骤：(1)构造环境仿真模拟器。(2)无人机在模拟器中获得观测信息，利用深度神经网络处理观测信息。(3)利用蒙特卡洛树搜索进行粗粒度的路径规划，生成无人机前进路径中的阶段性目标点，用于后续强化学习算法的训练。(4)利用强化学习学习无人机精细的控制策略和细粒度的路径规划。(5)基于对比学习加速无人机训练。本发明方法使得无人机在难度系数高，不确定因素大的复杂环境中有自主决策能力，在相当程度上可应对突发情况，完成特定任务。
-
公开(公告)号：CN114757256A
公开(公告)日：2022-07-15
申请号：CN202210173217.7
申请日：2022-02-24
Applicant: 南京大学
Abstract: 本发明公开了一种包含未见软件数据的半监督业务感知训练推理方法和系统，应用于通信领域，包括样机信号搜集步骤、业务感知模型预训练步骤、业务感知模型半监督训练步骤和业务感知模型推理步骤；所述样机信号搜集步骤中，通过部署样机搜集业务APP以及其他各种未见APP传输的通信包信号；所述业务感知模型预训练步骤和业务感知模型半监督训练步骤分别利用收集到的业务APP和未见APP通信包数据通过提出的半监督学习技术训练一个业务感知模型；所述业务感知模型推理步骤中，将业务感知模型部署进行推理使用。本发明引入大量未见APP的通讯数据帮助业务APP的感知模型训练，可以大幅度提升业务感知模型的泛化性能，易于实现部署且适用性强。
-
公开(公告)号：CN114265986B
公开(公告)日：2022-07-12
申请号：CN202210184063.1
申请日：2022-02-28
Applicant: 南京大学
IPC: G06F16/9535 , G06N5/02 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种融合知识图谱结构与路径语义的信息推送方法和系统，包括：基于用户物品行为图和物品关联知识图谱构建融合图；将异构节点表示映射到统一语义空间；使用图神经网络对融合图中的行为子图和物品子图逐层交替更新；对用户和物品节点之间游走采样得到路径集合并加权融合生成路径表示；联合用户和物品节点表示及其二者间路径表示计算匹配得分训练推荐系统模型；基于推荐系统模型对用户推送感兴趣的物品信息。本发明综合考量结构信息和路径语义计算用户和物品相似度进行物品信息推送，提供了一种更为合理的信息融合手段，此项技术可以应用于物品信息推送尤其是稀疏场景下的用户物品表示学习。
-
-
-
-
-
-
-
-
-
Search Results
239
records
(took 0.027 seconds)
