-
公开(公告)号：CN114239403A
公开(公告)日：2022-03-25
申请号：CN202111550263.6
申请日：2021-12-17
Applicant: 东北大学
IPC: G06F30/27 , G06Q50/00 , G06F119/02
Abstract: 本发明提供一种基于机器学习构建的社交网络影响最大化确定方法，属于社交网络影响最大化技术领域；首先获取社交网络数据集并对社交网络数据集进行预处理，然后创建基于独立联级传播模型的最大化求解模型，包括多搜索模式粒子群，学习自动机和局部搜索机；最后给定一个社交网络数据集，利用构建的求解模型对这个社交网络的种子集进行求解；粒子群的应用实现了问题求解的智能性，降低了问题的复杂度；学习自动机的引入实现了粒子群的多搜索模式，解决了对于解集空间探索失衡且模式单一的问题；局部搜索机用于探索邻居解，有效加速了优化算法的收敛速度。
-
公开(公告)号：CN113569055A
公开(公告)日：2021-10-29
申请号：CN202110843700.7
申请日：2021-07-26
Applicant: 东北大学
IPC: G06F16/36 , G06F40/295 , G06N3/08 , G06N3/12
Abstract: 本发明公开了一种基于遗传算法优化神经网络的露天矿知识图谱构建方法，属于露天矿山稳定性评估技术领域。包括：获取露天矿灾害相关数据并对其进行处理构建命名实体识别数据集；利用遗传算法对现有BERT‑BILSTM‑CRF模型进行优化，并利用命名实体识别数据集中的数据训练优化的BERT‑BILSTM‑CRF模型，获得命名实体识别模型；构建关系抽取标注数据集；利用遗传算法对现有BILSTM模型进行优化，并利用关系抽取标注数据集中的数据训练优化的BILSTM模型，获得关系抽取模型；将待抽取的露天矿灾害相关数据依次输入到命名实体识别模型和关系抽取模型进行实体关系抽取得到三元组，并存入Neo4j图数据库，构建露天矿知识图谱。该方法能够兼顾上下文信息，能够搭建露天矿稳定性领域高质量的知识图谱。
-
公开(公告)号：CN118155046A
公开(公告)日：2024-06-07
申请号：CN202410565402.X
申请日：2024-05-09
Applicant: 东北大学
IPC: G06V10/82 , G06V10/764 , G06N3/0495 , G06N3/082 , G06N3/084
Abstract: 本发明提供一种用于图像分类的神经架构加速搜索方法，涉及计算机视觉应用技术领域。利用现有的带标注的源域架构数据集训练一个单域预测器，在不经训练的情况下，在未见过的目标域上找到最优的轻量化神经网络架构用于图像分类；为进一步提高预测器泛化能力，设计一种新的多头注意力辅助正则化器，其输出是非负标量，其输入取决于预测器的参数ω，正则化器的学习旨在使元训练中预测器的训练导致元测试中性能的提高。本发明用于制造业生产环节的低质量图像分类，利用单源域泛化的预测器实现对神经架构搜索评估过程的加速，进而为对低质量图像分类任务快速的搜索轻量化的神经架构用于弱图像分类任务，提高低质量图像分类任务的部署效率和准确率。
-
公开(公告)号：CN115601945A
公开(公告)日：2023-01-13
申请号：CN202211271788.0
申请日：2022-10-18
Applicant: 安徽理工大学(CN) , 东北大学(CN)
Abstract: 本发明提供一种基于落石视频监测的露天矿岩质滑坡智能预警系统及方法，涉及露天矿岩质滑坡监测技术领域。该系统及方法包括视频采集模块、无线传输模块、云服务器和预警发布终端；视频采集模块实时采集露天矿岩质边坡的视频图像数据，并通过无线传输模块传输至云服务器；云服务器中部署落石智能检测程序，实时处理从视频采集模块传输来的视频流，计算落石频率与运动区块面积，进而判断露天矿岩质边坡是否有滑坡危险，如果有则向预警发布终端发送预警指令，并将视频流保存在本地；预警发布终端根据云服务器发送的预警指令进行预警。该系统及方法利用目标追踪算法实时对监测视频流进行分析，能够更精准及时的进行滑坡预警。
-
公开(公告)号：CN114585006A
公开(公告)日：2022-06-03
申请号：CN202210257111.5
申请日：2022-03-16
Applicant: 东北大学
Abstract: 本发明提供一种基于深度学习的边缘计算任务卸载和资源分配方法，将多目标进化优化应用于多用户多边缘服务器的网络环境中。具体是在构建系统模型的过程中，分别将系统内总能量消耗、总时间延迟和总价格成本作为三个独立的子目标，利用NSGA‑Ⅱ求解最优解集；然后根据不同用户对这三个目标的偏好情况从最优解集中确定最佳方案；最后通过上述方法构建用于训练的数据集，利用深度学习算法获得训练模型来替代详细决策和分配过程，本发明有效提高了移动边缘计算系统中任务卸载问题的决策速度和可靠性，为系统内的移动用户带来了更优的服务质量。
-
Patent Agency Ranking
公开(公告)号：CN114373101A
公开(公告)日：2022-04-19
申请号：CN202210042015.9
申请日：2022-01-14
Applicant: 东北大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于进化策略的神经网络架构搜索的图像分类方法，简化神经网络架构搜索过程，采用基于块和单元的搜索空间以及基于EA的搜索策略构建图像分类任务上的神经网络架构搜索模型；在超网共享参数的基础上，建立分类代理模型来辅助选择性能好的神经网络模型，无需对每个神经网络进行训练，便能实现神经网络模型的选择工作；代理模型的可靠性的评估，保证了模型的分类准确率，从而有利于保留性能更好的输出图像分类架构；既节省了训练模型的时间和资源消耗，又简化了传统的评估和非支配排序选择过程，降低人工干预的基础上，实现复杂图像分类神经网络架构自动化设计以提高图像分类准确率。
-
公开(公告)号：CN113050422B
公开(公告)日：2022-02-22
申请号：CN202110254680.X
申请日：2021-03-09
Applicant: 东北大学
IPC: G06Q10/06
Abstract: 本发明提供一种基于maximin函数多目标优化算法的多机器人调度方法，涉及多机器人调度技术领域。该方法首先将多机器人任务调度问题转化为四个目标函数，并获取仓库内任务清单和机器人所处位置情况，建造数据集；根据数据集创建新型的组合染色体模型；利用maximin函数对种群中的个体进行评估，确定下一代种群的选择范围；通过maximin函数和逐一选择策略对种群进行优化；针对组合染色体模型的顺序交叉操作和单点变异操作也为种群迭代提供了更快的收敛速度；在优化过程中通过逐一选择策略改善种群中解的收敛性和多样性；通过小生境技术提供了更进一步的选择方案，实现更深入地寻找了更适合多机器人调度问题的方案。
-
公开(公告)号：CN113596138A
公开(公告)日：2021-11-02
申请号：CN202110843043.6
申请日：2021-07-26
Applicant: 东北大学
Abstract: 本发明公开了一种基于深度强化学习的异构信息中心网络缓存分配方法，涉及网络缓存空间分配技术领域。具体为：将异构ICN抽象为拓扑模型；对异构ICN中动态变化的内容请求进行定义；将异构ICN的缓存空间分配问题转换为网络性能优化问题，构建网络性能优化模型，包括优化目标函数和相应的约束；对每一次内容请求应用Q学习算法，获得每个时刻的内容请求对应的网络性能最优的缓存分配方案：步将深度神经网络与Q学习算法进行接合，利用Q学习算法求解的每个时刻的内容请求对应的网络性能最优的缓存分配方案，训练出适应异构ICN动态变化的内容请求的最优缓存分配方案。可以自适应地求解出网络性能最优的缓存分配方案，更能适应动态变化的网络请求。
-
公开(公告)号：CN113505225A
公开(公告)日：2021-10-15
申请号：CN202110773764.4
申请日：2021-07-08
Applicant: 东北大学
Abstract: 本发明提供了一种基于多层注意力机制的小样本医疗关系分类方法，涉及关系分类技术领域。该方法包括：基于神经网络构建关系分类模型，包括词嵌入层、两个位置嵌入层、编码层和全连接层，其输入为支持集和查询集中的句子，输出为查询集中的句子所属的关系类别；获取公开关系抽取数据集，设置训练次数，利用所述关系抽取数据集的训练集训练所述关系分类模型，每次训练所述关系分类模型时所需要的支持集和查询集从所述训练集中随机抽取；对于包含任意N个关系的支持集和其包含的句子属于该N个关系的查询集，利用训练好的关系分类模型预测查询集中的句子属于支持集中的关系类别。从不同方面降低了噪声对模型准确率的影响，更准确地挖掘实体之间的关系。
-
公开(公告)号：CN112560441A
公开(公告)日：2021-03-26
申请号：CN202011525926.4
申请日：2020-12-22
Applicant: 东北大学
IPC: G06F40/211 , G06F16/35 , G06N3/04
Abstract: 本发明公开自下而上规则结合神经网络的成分句法分析树构造方法，成分句法分析树构造技术领域。包括：获取PTB数据集并对PTB数据集进行预处理；创建句法分析树构造模型，包括Bi‑LSTM神经网络、标签分类器和连接分类器；利用PTB数据集中的句子和句子的成分句法分析树的结构信息对成分句法分析树构造模型进行训练；给定一个句子及句子中词所对应的POS标签，利用训练后的成分句法分析树构造模型对这个句子进行成分句法分析树构造。在构造过程中利用句法分析树的低层信息，帮助判断句法分析树的上层结构；Bi‑LSTM的应用克服了人工提取规则的局限性；两个分类器分别进行句子结构与成分预测，提升句法分析树构造模型的准确性。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.024 seconds)
