公开(公告)号：CN116913533A

公开(公告)日：2023-10-20

申请号：CN202211533173.0

申请日：2022-11-30

Applicant: 南京大学 ,  南京鼓楼医院

Inventor： 陈晟 ,  蒋智威 ,  杜娟 ,  顾庆

IPC: G16H50/70 ,  G16H10/60 ,  G06F18/241 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/09 ,  G06N3/096

Abstract: 本发明公开了基于标签分布采样的病例分类模型零样本提取系统及方法，包括：预训练生成模型模块，利用公开病例数据集预训练语言生成模型；迪利克雷分布生成模块，利用训练好的教师模型的线性层计算迪利克雷分布系数；伪样本生成模块，利用生成的迪利克雷分布和预训练生成模型生成伪样本；蒸馏模块，利用伪样本和教师模型对学生模型进行蒸馏，从而将教师模型的知识转移到学生模型中。本发明能够让使得没有真实数据的情境下，可以通过已经训练好的模型转移其知识给新的轻量化模型，使用了前沿的自然语言处理预训练模型放入整个过程，保证了伪样本生成和蒸馏的有效性，可以在没有数据的现实情况下蒸馏得到适用于同一领域数据预测的轻量化新模型。

公开(公告)号：CN111353976B

公开(公告)日：2023-07-25

申请号：CN202010114804.X

申请日：2020-02-25

Applicant: 南京大学

Inventor： 王聪 ,  顾庆 ,  蒋智威 ,  郝慧珍 ,  董小龙 ,  胡修棉

IPC: G06T7/00 ,  G06T7/13 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于卷积神经网络的沙粒目标检测方法，其步骤是：1）设计卷积网络结构，由卷积模块和残差模块堆叠而成；添加双端输入结构和多尺度检测结构；2）基于沙粒图像和标注进行预处理；基于已标注的沙粒图像构建训练数据集；3）基于训练数据集训练卷积网络，包括目标函数定义，训练过程优化；4）应用训练好的卷积网络预测沙粒图像的目标位置。本发明充分利用单偏光图像和正交偏光图像特征，应用卷积神经网络技术，提升检测精度和检测效率；本发明方法网络训练速度快，能快速完成沙粒目标检测，适用于海量沙粒图像的自动检测，具有良好的扩展性、鲁棒性和实用性。

公开(公告)号：CN109904854A

公开(公告)日：2019-06-18

申请号：CN201910030412.2

申请日：2019-01-14

Applicant: 中国电力科学研究院有限公司 ,  南京大学 ,  国网江苏省电力有限公司 ,  国家电网有限公司

Inventor： 于华 ,  李亚平 ,  周竞 ,  蒋智威 ,  顾庆 ,  王珂 ,  钱甜甜

IPC: H02J3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种面向需求响应的家庭电路负荷分解方法及系统，将采集的目标家庭的电路负荷数据，代入预先建立的深度长短期记忆网络模型中；利用深度长短期记忆网络模型对所述目标家庭的电路负荷数据进行分解，并将分解结果进行拼接，得到所述目标家庭各用电器的用电情况；其中，所述深度长短期记忆网络模型包括预先采集的典型家庭电路负荷数据。

公开(公告)号：CN108985326A

公开(公告)日：2018-12-11

申请号：CN201810568418.0

申请日：2018-06-05

Applicant: 南京大学

Inventor： 于华 ,  顾庆 ,  蒋智威 ,  周竞

IPC: G06K9/62 ,  G06Q50/06

Abstract: 本发明公开了一种基于聚类的电力系统需求响应用户标记方法，包括：1）整理电力用户的需求响应数据，区分已标记和未标记的电力用户，提取所有电力用户的属性数据；2）采用近邻法在已标记电力用户集合中确定边界样本集；3）针对边界样本集中处于同类别的两两电力用户，基于密度加权法，生成该类别的范例样本集；4）针对范例样本集中的每一个电力用户，采用近邻法标记与其相邻的未标记电力用户；5）重复迭代上述过程，直到所有未标记电力用户都已标记需求响应类别。本发明方法充分利用电力用户自身的数据特征，应用聚类思想，结合电力用户在需求响应类别上的分布情况，在少量标记的基础上，完成大量电力用户的需求响应类别预测。

公开(公告)号：CN104331451B

公开(公告)日：2017-12-26

申请号：CN201410595741.9

申请日：2014-10-30

Applicant: 南京大学

Inventor： 许超 ,  蒋智威 ,  顾庆 ,  王晓亮 ,  陈道蓄

IPC: G06F17/30

Abstract: 本发明公开了一种基于主题的网络用户评论的推荐度评分方法，其步骤是：1) 获取网络中同一主题下的用户评论，以句子为单位组织这些评论；2) 基于句子中的情感词，对句子完成情感评分；3) 以句子和对应的情感评分作为输入，按用户单位，训练隐马尔可夫SVM模型；4) 针对待评分的目标评论，采用模型每一个句子评分；5) 针对待评分的目标评论，采用步骤2)对每一个句子评分；6) 采用加权平均法，综合两个方面的评分，获得目标评论的推荐度评分。本方法采用无监督方式，应用公开的情感词库，无需人工评价，计算成本简单；适用于网络评论快速更新的情形；能够挖掘主题特征，充分考虑其他用户评论的情感倾向，及主题对目标用户评论的影响，提高评分的准确性和及时性。

公开(公告)号：CN103279805B

公开(公告)日：2016-04-13

申请号：CN201310157718.7

申请日：2013-04-28

Applicant: 南京大学镇江高新技术研究院

Inventor： 顾庆 ,  张鑫博 ,  蒋智威 ,  陈道蓄

IPC: G06F17/30 ,  G06Q10/04 ,  G06Q40/04

Abstract: 本发明公开了一种基于价格连动网络的股票数据分析方法，其步骤是：1）收集股票价格数据，计算股票价格之间的连动关系，以股票为节点、连动关系为边构建价格连动网络；2）在价格连动网络中，根据股票节点的两跳以内父节点集、股票价格走势、以及连动关系的权重计算股票节点的升值期望；3）根据升值期望对股票进行排序。本发明方法充分挖掘股票价格之间的连动关系，能够根据股票市场的价格波动情况合理判定近期内各股票的升值期望，有效避免单一股票价格走势预测中可能遇到的公平博弈问题。本发明方法计算简单，具有时效性、灵活性和扩展性，对股票历史数据处理量小，适用于股票市场数据量大且价格波动频繁的特点。