-
公开(公告)号：CN102541063B
公开(公告)日：2014-04-09
申请号：CN201210082214.9
申请日：2012-03-26
Applicant: 重庆邮电大学
Abstract: 本发明涉及智能交通领域，提供一种缩微智能车辆寻线控制方法，利用图像采集装置，获得道路的单通道灰度图像，对图像进行自适应阈值二值化处理，对单通道二值化图像进行边缘检测，在经过边缘检测处理后的图像中进行寻线处理，确定左车道线或/和右车道线；还提供一种缩微智能车辆寻线控制装置，包括与中央处理器相连接的图像获取模块、图像自适应阈值二值化处理模块、边缘检测模块、车道线寻线处理模块和车道线识别模块；本发明对图像进行滤光处理，能够去除比车道线宽的其它白色干扰，极大提升了光线不均匀、车道有强反光等在复杂环境下识别左或/和右车道线的准确率。
-
公开(公告)号：CN102567585B
公开(公告)日：2014-03-19
申请号：CN201110459763.9
申请日：2011-12-31
Applicant: 重庆邮电大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于多核虚拟可重构结构的内部演化硬件系统与方法，包括主机、板载存储器、控制界面和至少一个虚拟可重构结构单元，该系统采用多核虚拟可重构结构的内部演化方法，依据增量演化中的输出函数分解策略，使具有较多输出的顶层系统被分解为具有较少输出的多个子系统，每个子电路在多核虚拟可重构结构上以两阶段并行演化的方式进行演化，通过FPGA硬件执行加速演化算法运算，缩短染色体编码长度，减少任务本身计算复杂度来减少组合逻辑电路的演化代数和演化时间。相对于传统的直接演化和增量演化方法，本发明具有更快的组合逻辑电路演化设计速度和相似的硬件代价等特点。
-
公开(公告)号：CN103258147A
公开(公告)日：2013-08-21
申请号：CN201310200205.X
申请日：2013-05-24
Applicant: 重庆邮电大学
IPC: G06F19/24
Abstract: 本发明提出了一种基于GPU的并行演化超网络DNA微阵列基因数据分类系统及其方法，涉及智能信息处理技术领域。对DNA微阵列数据进行预处理后，将经过处理后的二进制字符串作为超网络的输入信息，在主机的CPU上对超网络进行初始化，初始化后的超网络转交给GPU设备，将超边库分成多个组，分别在GPU上并行执行基于遗传算法的演化学习，获取先验知识，搜索具有决策能力的最佳超边，演化完成后的超网络利用大量超边共同对输入样本进行分类。本发明在GPU上实现了基于遗传算法的超网络并行演化学习，具有较短的学习和识别时间，系统执行效率较高。超网络能够利用大量具有决策能力的个体共同对样本进行分类，具有较高的系统识别率和泛化能力。
-
公开(公告)号：CN102567585A
公开(公告)日：2012-07-11
申请号：CN201110459763.9
申请日：2011-12-31
Applicant: 重庆邮电大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于多核虚拟可重构结构的内部演化硬件系统与方法，包括主机、板载存储器、控制界面和至少一个虚拟可重构结构单元，该系统采用多核虚拟可重构结构的内部演化方法，依据增量演化中的输出函数分解策略，使具有较多输出的顶层系统被分解为具有较少输出的多个子系统，每个子电路在多核虚拟可重构结构上以两阶段并行演化的方式进行演化，通过FPGA硬件执行加速演化算法运算，缩短染色体编码长度，减少任务本身计算复杂度来减少组合逻辑电路的演化代数和演化时间。相对于传统的直接演化和增量演化方法，本发明具有更快的组合逻辑电路演化设计速度和相似的硬件代价等特点。
-
公开(公告)号：CN118965105B
公开(公告)日：2025-05-13
申请号：CN202411001090.6
申请日：2024-07-25
Applicant: 重庆邮电大学
IPC: G06F18/241 , G06F18/25 , G06F18/213 , G06F11/3604
Abstract: 本发明属于深度学习领域，特别涉及一种基于大数据的软件缺陷类别预测方法，包括从不同源域中采集软件的运行数据，对数据进行预处理操作；计算每个源域数据的权重，同时将预处理后的数据利用特征完全提取技术提取每个源域的数据特征；使用注意力机制对不同源域的特征加权得到第一融合特征，将不同域数据和其对应的注意力权重输入通过Flort模板融合得到第二融合特征；将第一融合特征和第二融合特征进行最后的融合得到最终融合特征，将最终融合特征作为多源域融合分类器模型的输入；多源域融合分类器模型考虑源域与目标源、源域与源域之间的关系对预测输入的特征是否存在目标域中的缺陷类型。本发明提高了软件缺陷类别预测的准确性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN119721048A
公开(公告)日：2025-03-28
申请号：CN202411789371.2
申请日：2024-12-06
Applicant: 重庆邮电大学
IPC: G06F40/30 , G06F40/16 , G06N3/0442 , G06F40/211 , G06F16/35
Abstract: 本发明属于深度学习领域，涉及一种多粒度AIGC文本检测方法及相关装置，所述方法包括：将待检测文本通过分词器进行字符映射，得到文本token id序列，并记录句号token id的位置；将文本token id序列通过基于双向注意力结构的编码器模型，得到文本语义表征向量，并得到文本纯语义表征向量；将分类标记向量与文本纯语义表征向量通过文本主体检测模型，得到文档粒度的文本AIGC检测结果；将分隔标记向量、文本纯语义表征向量与句号token id的位置通过文本语句判别模型，得到语句粒度的文本AIGC检测结果；整合得到所述待检测文本的多粒度AIGC文本检测结果。本发明从语义特征交互角度出发，通过由强序列网络、激活函数以及交叉注意力交互网络等结构组成的下游网络充分利用全局信息与局部信息，精确捕捉非口语化AI的语言特征，实现文本AIGC准确识别。
-
公开(公告)号：CN119623464A
公开(公告)日：2025-03-14
申请号：CN202411679874.4
申请日：2024-11-22
Applicant: 重庆邮电大学
IPC: G06F40/284 , G06F40/253 , G06F18/213 , G06F18/25 , G06N3/0464 , G06F17/16 , G06F16/334
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种基于指针网络的乱序文本纠错方法；包括：获取纠错文本数据并构造标签；提取纠错文本数据的词级特征向量；根据纠错文本的词级特征向量提取局部特征向量；拼接词级特征向量与局部特征向量以构造融合特征向量；根据融合特征向量，采用查询机制构建span指针得分表和next指针得分表；根据span指针得分表缩小next指针得分表；根据span得分表和next指针得分表对乱序文本进行重排序，得到最终纠正后的文本；计算模型总损失并根据总损失调整模型参数，得到训练好的乱序文本纠错模型；使用训练好的模型进行文本纠错；本发明提高了自动校对系统准确率，且模型推理速度更快。
-
公开(公告)号：CN119621984A
公开(公告)日：2025-03-14
申请号：CN202411739848.6
申请日：2024-11-29
Applicant: 重庆邮电大学
IPC: G06F16/353 , G06F16/334 , G06F40/30 , G06N3/0455 , G06N3/094 , G06N5/04
Abstract: 本发明涉及对比学习领域，特别涉及一种文本数据处理方法及装置、文本数据检测方法及装置，所述方法包括将多个领域的人造文本输入大模型工具按照启发式规则分别得到对应的AIGC文本，组成检测增强文本对，并通过多层级的编码器网络和对应多层级的辅助编码网络分别对检测增强文本对中的文本进行编码，并使用多层级知识保护对比学习损失函数优化编码器模型。本发明使编码器模型能够同时对多个领域的文本数据进行无领域语义混淆的高精度文本AIGC检测并能在保持原始知识分布细微变化的情况下拉开人造文本与AIGC文本之间的语义分布，实现插件式的检测领域拓展与检测精度增强。
-
公开(公告)号：CN119601078A
公开(公告)日：2025-03-11
申请号：CN202411665435.8
申请日：2024-11-20
Applicant: 重庆邮电大学
IPC: G16B15/30 , G16B30/00 , G16B40/00 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算生物学领域，具体涉及一种基于多视角图神经网络的药物靶标匹配推荐方法，包括：获取待预测的药物靶标信息，将其输入训练好的药物靶标推荐模型，选取预测概率大于交互阈值的药物靶标推荐给用户；本发明利用基于点和边进行消息传递的图神经网络提取药物分子特征向量，从原子和化学键两个角度对药物分子进行建模和特征提取，同时考虑到药物序列信息的全局性，利用交叉注意力机制对药物分子的原子特征、化学键特征和序列特征进行交互，更准确的捕捉药物分子和靶标蛋白之间的复杂关系，提高药物靶标相互作用预测的准确性。
-
公开(公告)号：CN118410132B
公开(公告)日：2024-12-06
申请号：CN202310362407.8
申请日：2023-04-07
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F17/18 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于大数据的智能政务问答系统，包括：文本解析模块、特征提取模块、信息交互模块、答案预测模块；文本解析模块计算用户的问题Q与文档之间的相关性，选取相关性最高的前K个文档作为召回文档P；特征提取模块提取召回文档P与用户问题Q之间的依存关系特征；所述信息交互模块将召回文档P、用户问题Q以及依存关系特征进行多重注意力信息交互，得到最终的文本向量表示；所述答案预测模块将最终的文本向量表示通过全连接层来预测最终答案的起止位置。本发明通过融入依存关系特征，深入挖掘问题与文档中答案的联系，从而提高了问答系统中标准答案的定位，提升了用户体验。
-
-
-
-
-
-
-
-
-
Search Results
242
records
(took 0.027 seconds)
