-
公开(公告)号：CN107798624A
公开(公告)日：2018-03-13
申请号：CN201711042537.4
申请日：2017-10-30
Applicant: 北京航空航天大学
CPC classification number: G06Q50/01 , G06F17/2775 , G06F17/2785 , G06F17/30884 , G06N3/0454
Abstract: 本发明首基于深度学习提出面向软件问答社区的标签推荐方法。该项方法包括：步骤1，预处理；步骤2，词义表示学习；步骤3，短语以及句子语义学习；步骤4，语义融合；在预处理前为训练阶段，所述训练阶段用于构造词典并保存模型的结构与权重；在预处理后为部署阶段，所述部署阶段则是对于新的问题，在转化成索引序列后，加载保存的模型以预测并推荐最有可能的K个标签，K为正整数。本发明可以提供软件问答社区中的问题资源管理、维护已有的标签系统的功能，并且为用户提供自动化的标签标注服务。针对现有的标签推荐技术存在的缺陷，本发明可以提高准确性以及效率，使得标签推荐在软件问答社区中能够更加实用。
-
公开(公告)号：CN117115106A
公开(公告)日：2023-11-24
申请号：CN202311074593.1
申请日：2023-08-24
Applicant: 北京航空航天大学 , 无锡艾米特智能医疗科技有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06T7/10 , G06N3/0464 , G06N3/0475 , G06N3/084 , G16H30/20
Abstract: 本发明公开了基于Cyc l eGAN网络的针对肝脏US‑CT医学图像转换方法。包括：将肝脏US图像x作为训练样本输入给生成器G；生成器G根据肝脏US图像x生成肝脏伪CT图像y’；将肝脏伪CT图像y’作为训练样本输入给生成器F；生成器F根据肝脏伪CT图像y’生成环回肝脏US图像x”；训练生成器G；训练判别器Dy；将肝脏CT图像y作为训练样本输入给生成器F；生成器G根据肝脏CT图像y生成肝脏伪US图像x’；将生成的肝脏伪US图像x’作为训练样本输入给所述生成器G；生成器G根据肝脏伪US图像x’生成环回肝脏CT图像y”；训练生成器F；所述判别器Dx。
-
公开(公告)号：CN115471913A
公开(公告)日：2022-12-13
申请号：CN202211141067.8
申请日：2022-09-20
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于时空特征的两阶段重复动作计数及动作完整度评估方法，包括，从包含两阶段重复动作的视频中获取视频帧；通过空间特征提取网络提取各视频帧的空间特征；通过时序特征提取网络从视频帧的空间特征中提取时空特征；通过预测头根据时空特征获取同各视频帧对应的预测值序列；根据预测值序列中预测值的重复模式识别两阶段重复动作并对两阶段动作计数。本发明基于深度学习的方法，只需标注两阶段重复动作的各个阶段起始帧和终止帧以及当前动作完整度，标注人工成本低；使用卷积神经网络有效避免了相机抖动的干扰，有利于两阶段重复动作计数及动作完整度评估。
-
公开(公告)号：CN113362886A
公开(公告)日：2021-09-07
申请号：CN202110846348.2
申请日：2021-07-26
Applicant: 北京航空航天大学
Abstract: 本发明提供了基于药物显隐式特征融合相似性的不良反应预测方法，该方法基于相似的药物有可能会具有相似的不良反应的假设，利用药物的显式特征和隐式特征，通过将药物的显式特征相似性和药物的隐式特征相似性相融合，改进药物相似性的度量方法，找出与目标药物相似性最高的Nk个药物(Nk个最近邻居)，通过这些最近邻居对目标不良反应的关联来预测目标药物对目标不良反应的关联强度，最后根据预测得出的目标药物对各个不良反应的关联强度的排序，选取关联强度较高的TOPK个不良反应作为目标药物的不良反应，从而实现对药物潜在不良反应的预测。
-
公开(公告)号：CN109101235B
公开(公告)日：2021-03-19
申请号：CN201810568286.1
申请日：2018-06-05
Applicant: 北京航空航天大学
IPC: G06F8/41
Abstract: 本发明提出一种软件程序的智能解析方法，所述智能解析方法为基于AST的序列化神经网络，所述基于AST的序列化神经网络是一种层次化的向量表示方法，其实现步骤为，步骤1‑1：在最底层，将原始程序转化成AST之后进一步分割得到对应的代码块序列，所述代码块之间是有次序之分的，且与原始的语句顺序相吻合；步骤1‑2：每个代码块由一种递归式的编码器来将这种子树编码成向量e1，e2，...，et；步骤1‑3：将得到的向量序列经过双向循环层以提取代码块之间的依赖特征；步骤1‑4：所有的时间步的多维特征经过池化层采样得到最终的单个向量表示形式。
-
Patent Agency Ranking
公开(公告)号：CN112419290A
公开(公告)日：2021-02-26
申请号：CN202011371119.1
申请日：2020-11-30
Applicant: 青岛大学附属医院 , 河北医科大学第三医院 , 北京航空航天大学 , 青岛百洋智能科技股份有限公司
Abstract: 本发明属于图像识别技术领域，公开一种基于CT图像影像组学特征的进展期胃癌边缘状态识别系统，包括：特征提取网络、区域生成网络和目标检测网络；所述特征提取网络用于对输入的已绘制ROI的CT图像进行抽象，提取影像组学特征；所述区域生成网络利用Pearson相关分析算法选择影像组学特征，建立Pearson相关矩阵，计算成对影像组学特征相关系数，选择具有最大绝对相关系数平均值的影像组学特征，采用SFFS算法筛选最优影像组学特征；所述目标检测网络用于预测切缘阳性概率。本发明的系统能够识别肉眼无法辨识的微观医学影像信息，可以精确鉴别胃癌的浸润深度，可以在术前对切缘状态进行预判。
-
公开(公告)号：CN109101235A
公开(公告)日：2018-12-28
申请号：CN201810568286.1
申请日：2018-06-05
Applicant: 北京航空航天大学
IPC: G06F8/41
Abstract: 本发明提出一种软件程序的智能解析方法，所述智能解析方法为基于AST的序列化神经网络，所述基于AST的序列化神经网络是一种层次化的向量表示方法，其实现步骤为，步骤1-1：在最底层，将原始程序转化成AST之后进一步分割得到对应的代码块序列，所述代码块之间是有次序之分的，且与原始的语句顺序相吻合；步骤1-2：每个代码块由一种递归式的编码器来将这种子树编码成向量e1，e2，...，et；步骤1-3：将得到的向量序列经过双向循环层以提取代码块之间的依赖特征；步骤1-4：所有的时间步的多维特征经过池化层采样得到最终的单个向量表示形式。
-
公开(公告)号：CN116627428A
公开(公告)日：2023-08-22
申请号：CN202310738946.7
申请日：2023-06-21
Applicant: 北京航空航天大学
IPC: G06F8/41 , G06F11/36 , G06N3/0442
Abstract: 本发明实现了一种条件表达式相关的源代码缺陷智能检测方法。整体流程包括预处理、节点嵌入、控制流编码和API用法注意力机制；给定一个Java方法和待检查的条件表达式，所述预处理首先将其解析为CFG形式；所述节点嵌入使用双向长短期记忆网络将语句编码为节点向量；所述控制流编码在节点向量之上，使用单个图结构的LSTM单元沿CFG的控制流路径对遇到的每个节点依次编码；所述API用法注意力机制通过将注意力模块与语句的API标注相结合；经过注意力机制后，多个节点向量转换为单个向量，以端到端的方式学习并识别条件缺陷的语义。解决了源代码条件缺陷检测问题中可能会遗漏源代码的重要控制流信息的问题。
-
公开(公告)号：CN115409263A
公开(公告)日：2022-11-29
申请号：CN202211059593.X
申请日：2022-08-30
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于门控和注意力机制的锂电池剩余寿命预测方法，属于电池技术领域。该方法包括搭建基于门控和注意力机制的深度学习模型，所述深度学习模型包括依次连接的特征提取网络、基于自注意力机制的网络、第一全连接层、第二全连接层与求和单元；所述特征提取网络对输入的数据序列X＝[xt‑τ,xt‑τ+1,…,xt]处理得到数据序列所述基于自注意力机制的网络接收数据序列生成对应的输出序列Hattn；所述第一全连接层接收输出序列Hattn，生成中间值H1，所述第二全连接层接收H1；所述求和单元对所述基于自注意力机制的网络的输出与所述第二全连接层的输出求和，生成所述基于门控和注意力机制的深度学习模型的输出作为预测的锂电池容量序列；根据所述预测的锂电池容量序列与指定的锂电池失效阈值，得到所述锂电池的剩余寿命。本发明面对锂电池多维度特征和强因果长时序的情况，能够进行有效的信息提取，从而提高电池剩余寿命的预测精度，实现对锂电池未来工作状态的准确评估。
-
公开(公告)号：CN114565671A
公开(公告)日：2022-05-31
申请号：CN202210158768.6
申请日：2022-02-21
Applicant: 北京航空航天大学
Abstract: 本申请提供了一种基于自编码器的回环检测方法。所提供的基于自编码器的回环检测方法，包括：在训练场景中采集第一多个图像，从所述第一多个图像生成训练样本训练所述自编码器；在回环检测场景中采集第二多个图像，对所述第二多个图像的每个提取ORB特征点与特征点图像块；用经训练的所述自编码器处理从所述第二多个图像的每个提取的特征点图像块，将所述自编码器的隐藏层输出作为提供给所述自编码器的特征点图像块的特征向量；计算第一图像的同所述第二多个图像的特征向量的相似度来识别回环。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.073 seconds)
