-
公开(公告)号：CN117391204A
公开(公告)日：2024-01-12
申请号：CN202311388195.7
申请日：2023-10-24
Applicant: 江南大学
Abstract: 本发明公开了一种基于互信息引导的混合贝叶斯网络结构学习方法，涉及信息处理及人工智能技术领域，该方法包括：对数据集利用条件独立测试和互信息限制结构的搜索空间并生成初代种群；基于互信息对当前种群进行个体修正并评估适应度；对当前种群执行以下迭代寻优操作：根据当前种群的个体适应度，选择参与交叉操作的个体进行交叉操作；对交叉操作得到的新种群，提取互信息介于中间阈值的两节点进行变异操作，同时对互信息不在中间阈值的连接边和独立节点进行保护，产生下一代种群；再次基于互信息对当前种群进行个体修正并进行最优个体的更新；若满足迭代终止条件则输出当前种群中适应度最高的个体作为最优BN结构；否则重新执行迭代寻优操作。
-
公开(公告)号：CN117171610A
公开(公告)日：2023-12-05
申请号：CN202310973778.X
申请日：2023-08-03
Applicant: 江南大学
IPC: G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/0499 , G06N3/045 , G06N3/098
Abstract: 本发明公开了一种基于知识增强的方面情感三元组提取方法及系统，属于自然语言处理技术领域。所述方法首先将常识性的情感知识整合到图卷积网络中，融合了丰富的语法信息和常识性情感信息，有利于模型学习到上下文特征以及情感特征。除此之外，针对评论句子存在语法不敏感的问题，本发明使用一种基于正交损失的自注意力机制捕捉到句子中每个词的语义相关词，这比句法结构更灵活，并且该机制可以适应对语法信息不敏感的评论句子。实验结果表明，相比于现有的基线方法，本发明所提出模型具有更好的效果。
-
公开(公告)号：CN117010991A
公开(公告)日：2023-11-07
申请号：CN202310948429.2
申请日：2023-07-31
Applicant: 江南大学
IPC: G06Q30/0601 , G06N3/126
Abstract: 本发明公开了一种基于GPU并行改进遗传算法的高利润商品组合挖掘方法，属于数据挖掘与处理技术领域。所述方法通过将遗传算法的多个步骤选择、交叉、变异在GPU中运行。改进的初始化策略和改进的排序PEV策略同样在GPU中执行，这两个策略可以提高迭代性能。同时丰富种群的精英策略也使得较高效用的项集得到保留，以大幅提升收敛性能。而且本申请所采用的带有种群多样性改进的精英策略可以在线性时间内将优秀个体传递给下一次迭代的种群中。最后通过多组实验，从挖掘质量、运行速度、并行加速比等多个方面验证了所提出方法的优势。本申请方法针对现实数据集可以在短时间内得到有用的高效用组合以辅助销售决策。
-
公开(公告)号：CN105653523A
公开(公告)日：2016-06-08
申请号：CN201410620537.8
申请日：2014-11-04
Applicant: 江南大学
IPC: G06F17/30
CPC classification number: Y02D10/45
Abstract: 本发明涉及一种系统平台构建技术领域，具体涉及一种基于云计算的能耗监管物联网络基础平台的系统构建方法，在硬件服务层内设置存储数据的MongoDB中间数据库，在业务逻辑层内构建业务引擎，通过业务引擎驱动数据预处理模块对MongoDB中间数据库的原始数据进行处理，处理后的数据通过数据挖掘模块进行计算，计算后的数据通过数据分析模块进行分析归纳，将分析归纳的结果通过数据输出模块在系统展示层上进行展示。本发明克服了现有能耗监管系统功能上的局限性以及对建筑能耗管理层面所提供的数据信息内容单一性的问题，能够在能耗数据、房产数据和人事数据基础上进行综合数据挖掘和数据分析，且便于用户查看。
-
公开(公告)号：CN117173037B
公开(公告)日：2024-07-09
申请号：CN202310967877.7
申请日：2023-08-03
Applicant: 江南大学
IPC: G06T5/70 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种针对图像降噪的神经网络结构自动搜索方法，属于图像降噪技术领域。首先通过设计一种基于U‑Net的变长对称编码策略，结合空间注意力以及通道注意力机制，可以构建出包含高性能降噪网络结构的搜索空间。然后设计一种基于短轮次训练的回归映射补偿方法，通过引入网络结构的参数量，全轮次训练下的网络降噪性能以及短轮次作为先验知识，可以有效减少搜索过程中需要的搜索时间和搜索资源需求，同时提升短轮次训练策略的可靠性。最后，通过设计一种基于参数权重动态分配的进化算法，有效提升种群中个体的降噪性能，帮助搜索到性能更好的网络结构，实现更加高效的搜索。通过实验证明该方法搜索出的网络结构拥有良好的降噪性能。
-
Patent Agency Ranking
公开(公告)号：CN117852733A
公开(公告)日：2024-04-09
申请号：CN202311677616.8
申请日：2023-12-06
Applicant: 江南大学
IPC: G06Q10/047 , G06F18/214 , G06F17/18
Abstract: 本发明公开了一种基于大规模限量弧路由问题求解的路径规划方法，属于组合优化领域。本发明首先进行了全局优化，提出了一种基于CARP问题的低成本分解优化方案，在迭代中有针对性的保留了更多优秀的分解；同时，本发明也应用于局部搜索阶段，提出了一种改进的路径构造规则，其优化了生成初始解中路径插入的部分，在路径插入的过程中考虑了车辆在接近满载时返回仓库产生过多无用花费的问题，改进之后能够更有效的进行局部搜索，进一步提升了求解质量。与现有的路径规划方法相比，本发明更细致的考虑到了CARP优化问题的细节与问题本身的特点，能够取得更低成本的解，且能够提升2‑3倍左右的稳定性。
-
公开(公告)号：CN117173037A
公开(公告)日：2023-12-05
申请号：CN202310967877.7
申请日：2023-08-03
Applicant: 江南大学
IPC: G06T5/00 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种针对图像降噪的神经网络结构自动搜索方法，属于图像降噪技术领域。首先通过设计一种基于U‑Net的变长对称编码策略，结合空间注意力以及通道注意力机制，可以构建出包含高性能降噪网络结构的搜索空间。然后设计一种基于短轮次训练的回归映射补偿方法，通过引入网络结构的参数量，全轮次训练下的网络降噪性能以及短轮次作为先验知识，可以有效减少搜索过程中需要的搜索时间和搜索资源需求，同时提升短轮次训练策略的可靠性。最后，通过设计一种基于参数权重动态分配的进化算法，有效提升种群中个体的降噪性能，帮助搜索到性能更好的网络结构，实现更加高效的搜索。通过实验证明该方法搜索出的网络结构拥有良好的降噪性能。
-
公开(公告)号：CN117172394A
公开(公告)日：2023-12-05
申请号：CN202310967878.1
申请日：2023-08-03
Applicant: 江南大学
IPC: G06Q10/047 , G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于覆盖旅行商问题求解的急救队路径规划方法，属于人工智能的强化学习和组合优化领域。本发明通过设计覆盖注意力模块对顶点间覆盖关系建模，并动态地将顶点被访问的信息传递至覆盖集中的其他顶点，高效地捕获问题特征和时序特征；为了提高模型对于对称不变性的学习并增强构造解的能力，提出了基于实例增强的改进基线用于REINFORCE算法，无需引入额外的评论家网络，并且具备显存占用少，运算速度快的优势。实验结果表明，本发明在求解质量上相较现有DRL方法均有明显优势，在不同覆盖类型、不同数据分布的实验中也展现了极强的泛化能力，部分实例的求解质量甚至超越了传统启发式算法，并保持着数十倍的求解速度优势。
-
公开(公告)号：CN119886264A
公开(公告)日：2025-04-25
申请号：CN202411965074.9
申请日：2024-12-30
Applicant: 江南大学
IPC: G06N3/086 , G06F18/24 , G06F18/231
Abstract: 本发明提供了分类神经网络的训练方法、目标分类方法，属于人工智能和计算机科学领域。本发明通过设计双聚类方法选择当前种群中适当的参考解，保持优化过程种群的多样性，并引导权重优化的搜索方向；其次，在问题转换环节中设计幂值转换函数，改变决策空间的映射方式，有效拓展了原本的决策空间；最后，提出了一个自适应分配评估次数的机制，可以在种群优化的不同阶段自适应地调整标准优化和权重优化的评估次数，使种群演化的开发阶段能够加快种群的收敛，在探索阶段能够平衡种群的多样性。将本发明应用在神经网络模型训练中，有效提高了神经网络训练的性能。
-
公开(公告)号：CN119600332A
公开(公告)日：2025-03-11
申请号：CN202411609795.6
申请日：2024-11-12
Applicant: 江南大学
IPC: G06V10/764 , G06V10/82 , G06V10/80
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种基于异常激活及多源信息融合的分布外检测方法、系统及计算机可读存储介质，包括：1)基于分类器输出的图像分类概率计算类相关项，在概率空间中获取类相关信息；2)基于特征提取器提取的输入图像样本的深度特征计算类无关项，以便在特征空间中获取类无关信息；3)基于网络激活，即深度特征，计算异常因子。基于类相关项、类无关项和异常因子计算分布外分数，利用分布外分数区分分布外样本和分布内样本。本发明融合特征空间和概率空间的多种信息计算分布外分数，以克服单一来源信息的局限性，充分发挥各类信息的互补优势。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.021 seconds)
