-
公开(公告)号：CN113627318B
公开(公告)日：2024-09-06
申请号：CN202110904049.X
申请日：2021-08-06
Applicant: 北京理工大学
IPC: G06V30/413 , G06V30/414 , G06V30/412 , G06V10/82 , G06N3/042
Abstract: 本发明涉及一种表格结构识别方法，属于模式识别技术领域。包括两个过程：初始行列生成阶段和行列生成阶段。在初始行列生成阶段，通过启发式的算法将有重叠区域的单元格组织成初始行与初始列；由于没有重叠关系的单元格也可能存在同行/列关系，因此在行列生成阶段，利用图神经网络来主要预测没有重叠区域的单元格之间的行列关系，作为遗漏关系的补充；为了降低预测的计算复杂度，单元格之间的关系实际上通过预测单元格与初始行/初始列之间的关系得到。对比现有技术，本发明减少了模型需要判断关系的单元格数，并基于初始行与初始列给后续图模型的构建以及特征提取提供了先验知识；最后能够生成表格的行与列，其能完全还原表格的结构。
-
公开(公告)号：CN116432216A
公开(公告)日：2023-07-14
申请号：CN202310238328.6
申请日：2023-03-13
Applicant: 北京理工大学 , 北京奥星贝斯科技有限公司
Abstract: 本说明书实施例提供一种联合更新模型的数据预处理方法及装置，给出一种联合训练模型之前，多方联合安全进行业务特征选择的实施框架。该框架中，由标签持有方来选择联合训练模型的业务特征和模型训练过程的参与方。具体而言，标签持有方可以将标签数据、已选特征的编码数据提供给各个候选方，由各个候选方基于标签数据确定本地候选特征的特征分数，该特征分数描述了业务特征与标签数据、已选特征之间的关联关系。标签持有方汇总各个候选方的特征分数，并按照特征分数由大到小的顺序，确定选定成员以及选定特征。这种业务特征的选择方式在保护数据隐私性的同时，提高业务特征选择的有效性。
-
公开(公告)号：CN114722062A
公开(公告)日：2022-07-08
申请号：CN202210482718.3
申请日：2022-05-05
Applicant: 北京理工大学
IPC: G06F16/23 , G06F16/2458 , G06F16/27
Abstract: 本公开涉及一种自适应分布式事务提交方法，属于分布式事务提交技术领域。通过将分布式事务的提交协议分成三类，并根据每个事务确定使用的提交协议，使系统可以根据环境状况调整协议，避免基于系统环境的固定假设采用固定提交协议带来的系统因阻塞不可用或系统事务处理效率低等问题；针对系统的无故障等级和崩溃故障等级环境进行优化，在声明阶段通过立刻执行临时回滚决定，避免验证阶段发送决定的网络开销，提高处理效率；且在声明阶段参与者决定不一致时，在验证阶段仅向临时决定提交的参与者发送回滚决定，降低网络开销；且在所有的参与者在声明阶段都做出临时提交决定时，记录日志，通过日志确保崩溃者能够正确恢复，以保持节点间的一致性。
-
公开(公告)号：CN113053530B
公开(公告)日：2022-06-28
申请号：CN202110404818.X
申请日：2021-04-15
Applicant: 北京理工大学
Abstract: 本发明涉及一种医疗时序数据综合信息提取方法，属于人工智能数据处理技术领域。包括以下步骤：获取医疗时序特征矩阵对X进行动态建模获得累积表示对每个时间步长的输出和最后一个时间步长的输出进行交互获得各时间步长的交互结果对每个时间步长与最后一个时间步长的交互分配注意力权重通过将与做乘加运算汇总所有时间步长与最后一个时间步长交互后的总体表示将与拼接对X进行全面建模本发明能够很好的对时间步长之间的交互进行建模，从而更有效的学习患者动态变化的健康状况，而且这些变化都是因人而异的，通过注意力机制区分不同交互的重要性，由此可提供更全面表示患者EMR数据的能力、可获得更好的分析性能并提供细粒度的医学分析结果。
-
公开(公告)号：CN113159450A
公开(公告)日：2021-07-23
申请号：CN202110521408.3
申请日：2021-05-13
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于结构化数据的预测系统，属于人工智能学习预测技术领域，包括预处理模块和预测模块；预处理模块将所述结构化数据元组x的每个属性值转换为嵌入向量表示后输出给预测模块，预测模块使用多个指数神经元基于所述嵌入向量建模所述x的交叉特征，然后将所有所述交叉特征聚合构建所述x的特征向量，最后基于所述特征向量进行分类预测。本发明通过指数神经元建模交叉特征，克服了对数神经元输入必须为正的限制，提高了神经元灵活性及适用场景，提升了交叉特征建模的有效性；多头门控注意力机制能够根据输入数据动态并有选择性地建模任意阶的交叉特征，提升了特征建模的准确性和效率，提供了模型决策的可解释性以及新的见解。
-
Patent Agency Ranking
公开(公告)号：CN118736600A
公开(公告)日：2024-10-01
申请号：CN202410782832.7
申请日：2024-06-18
Applicant: 北京理工大学
Abstract: 本发明涉及数据处理技术领域，具体涉及一种多粒度医学文本信息指导的3D多模态融合方法，包括：抽取3D影像与影像报告中的关键描述信息作为输入数据，进行编码从而获得输入数据对应的向量；基于KD进行细粒度层次的图像特征提取与聚合，得到切片层次特征；将基于粗粒度FT得到的切片重要性分数与所述切片层次特征进行相乘，得到最终的整体3D影像特征；融合所述整体3D影像特征、残差数据流特征与完整文本向量#imgabs0#得到用于分类的多模态特征，将所述多模态特征送入分类头中得到模型预测输出。本发明弥补了3D医学多模态方法中对文本利用的缺失，解决3D医学影像中存在的细粒度特征难以精准识别、粗粒度冗余难以有效解决的问题，方法设计上不局限于特定疾病。
-
公开(公告)号：CN114692310B
公开(公告)日：2024-07-09
申请号：CN202210395757.X
申请日：2022-04-14
Applicant: 北京理工大学
IPC: G06F30/15 , G06F30/27 , G06N3/0499 , G06N3/084 , G06N3/092 , G06N3/0985 , G06F119/14 , G06N3/048
Abstract: 本发明涉及一种基于Dueling DQN的虚实融合一二级分离模型参数优化方法，属于航天器设计参数优化技术领域。本发明使用BP神经网络训练的代理模型替代火箭一二级分离系统物理仿真模型，可以快速地生成数据、完成预测。使用Dueling DQN深度强化学习对火箭一二级分离系统结构参数进行优化，将Q值函数分解为价值函数和优势函数，考虑状态单独的影响，使网络更易收敛。相比传统启发式算法，深度强化学习搜索更细致，迭代次数更多，优化结果更优，深度网络可以积累智能体在可行解空间里的搜索经验，对于结构相同的问题大大提升了其拓展性和泛化能力，对于新的数据可以在已经训练过的基础上在进行训练，减少再次开发的成本和时间，通过历史经验减少训练消耗的时间。
-
公开(公告)号：CN114722062B
公开(公告)日：2024-07-02
申请号：CN202210482718.3
申请日：2022-05-05
Applicant: 北京理工大学
IPC: G06F16/23 , G06F16/2458 , G06F16/27
Abstract: 本公开涉及一种自适应分布式事务提交方法，属于分布式事务提交技术领域。通过将分布式事务的提交协议分成三类，并根据每个事务确定使用的提交协议，使系统可以根据环境状况调整协议，避免基于系统环境的固定假设采用固定提交协议带来的系统因阻塞不可用或系统事务处理效率低等问题；针对系统的无故障等级和崩溃故障等级环境进行优化，在声明阶段通过立刻执行临时回滚决定，避免验证阶段发送决定的网络开销，提高处理效率；且在声明阶段参与者决定不一致时，在验证阶段仅向临时决定提交的参与者发送回滚决定，降低网络开销；且在所有的参与者在声明阶段都做出临时提交决定时，记录日志，通过日志确保崩溃者能够正确恢复，以保持节点间的一致性。
-
公开(公告)号：CN117556682A
公开(公告)日：2024-02-13
申请号：CN202310891804.4
申请日：2023-07-20
Applicant: 北京理工大学
IPC: G06F30/27 , G06F30/15 , G06N3/0455 , G06N3/082 , G06N3/0499 , G06N3/084 , G06N3/0464
Abstract: 本发明涉及航天器仿真模型动态修正技术领域，特别涉及一种基于变可信度模型的仿真动态修正方法，包括：建立栅格舵系统的物理仿真模型SM；使用所述SM产生仿真数据F；获取栅格舵系统的实测数据R；构建变可信度模型并使用所述F和所述R进行训练得到所述SM的修正模型F2R；利用所述F2R对待修正仿真数据进行修正。本发明基于神经网络的方法构建变可信度修正模型，能够减少数据噪声产生的影响，更好地满足航天数据中常见的不稳定性和非稳态性等特点，具备良好的容错能力；进一步组合使用非平稳时间序列预测模型和两段式BP神经网络模型，相比传统直接针对仿真模型本身进行修正的方式，节省了大量的专业学习成本和仿真模型运行成本。
-
公开(公告)号：CN116956338A
公开(公告)日：2023-10-27
申请号：CN202310568966.4
申请日：2023-05-19
Applicant: 北京理工大学唐山研究院 , 北京奥星贝斯科技有限公司
Abstract: 本说明书实施例提供一种联合更新模型的数据预处理方法及装置，给出一种联合训练模型之前，多方联合安全进行业务特征选择的实施框架。该框架中，由标签持有方来选择联合训练模型的业务特征和模型训练过程的参与方。具体而言，标签持有方可以将标签数据、已选特征的编码数据提供给各个候选方，由各个候选方基于标签数据确定本地候选特征的特征分数，该特征分数描述了业务特征与标签数据、已选特征之间的关联关系。标签持有方汇总各个候选方的特征分数，并按照特征分数由大到小的顺序，确定选定成员以及选定特征。这种业务特征的选择方式在保护数据隐私性的同时，提高业务特征选择的有效性。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.022 seconds)
