公开(公告)号：CN112233789A

公开(公告)日：2021-01-15

申请号：CN202011083295.5

申请日：2020-10-12

Applicant: 辽宁工程技术大学

Inventor： 王伟 ,  浦一雯 ,  阮文翰 ,  武聪 ,  袁丽娜 ,  张志莹

IPC: G16H50/20 ,  G06T7/00 ,  G06K9/00 ,  G06K9/46 ,  G06N3/04

Abstract: 本发明公开了一种区域特征融合的高血压视网膜病变分类方法，该算法提出两个阶段模型，分别为局部动静脉交叉压迫分类模型和整体高血压视网膜病变分类模型，目的将局部特征动静脉交叉压迫分类模型与整体高血压视网膜病变分类模型融合来增强高血压视网膜病变分类效果，其中动静脉交叉压迫图像块是经过血管分割、动静脉分类、交叉点检测等方法从高血压视网膜病变眼底图像中提取得到。该方法可以帮助医生尽早识别高血压视网膜病变，对高血压患者进行尽早诊断与治疗，采用神经网络可以适应海量数据，克服患者数量增多所引起的误诊、漏诊和医学水平不均衡的弊端，减轻医生负担，节省医生的宝贵时间，大大提高医生的工作效率。

公开(公告)号：CN118643765A

公开(公告)日：2024-09-13

申请号：CN202410794748.7

申请日：2024-06-19

Applicant: 辽宁工程技术大学

Inventor： 徐莹 ,  武聪 ,  李莉莎

IPC: G06F30/28 ,  G06F17/12 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了一种爬壁机器人负压吸附力计算方法、装置、设备及介质，涉及爬壁机器人技术领域，包括以下步骤：对负压吸附装置内的空气流体的整体流动过程进行分析，得到用于表征空气流体运动状态的第一表达式；引入流体动量方程，得到用于表征负压吸附力与空气流体速度的第二表达式；建立微分方程组，进而得到流体通道压差公式；结合第二表达式和流体通道压差公式，得到爬壁机器人运动过程中的负压吸附力。本发明基于流体力学和空气动力学基本理论基础，分析了爬壁机器人运动过程中的空气流体的运动状态，同时引入了流体动量方程，得到了负压吸附力与空气流体速度之间的关系，最终得到了应用于井筒复合井壁结构的爬壁机器人负压吸附力计算公式。

公开(公告)号：CN112492686B

公开(公告)日：2023-10-13

申请号：CN202011268978.8

申请日：2020-11-13

Applicant: 辽宁工程技术大学

Inventor： 王伟 ,  殷爽爽 ,  吕明海 ,  武聪

IPC: H04W72/044 ,  H04W72/541 ,  H04W72/542 ,  G06N3/045

Abstract: 本发明公开了一种基于深度双Q网络的蜂窝网络中功率分配算法，算法采用双神经网络结构，有效解决传统强化学习算法无法处理大规模状态‑动作空间的问题，并降低两个神经网络之间的相关性，解决值函数过估计问题。算法使用状态信息作为神经网络的输入，并对状态、动作及奖赏函数根据仿真蜂窝网络情境分别进行设计，其中将上一时刻的干扰信息及速率信息作为当前时刻状态信息的组成部分，使智能体可以更加有效的进行自主学习，经过多次迭代后，得到最优的功率分配策略。该方法可以有效解决蜂窝网络中的功率分配问题，且在不同用户数量及小区数量下均具备良好的泛化性能，可以有效提升功率分配的合理性，同时运行耗时少，大大提高功率分配的效率。

公开(公告)号：CN113535902A

公开(公告)日：2021-10-22

申请号：CN202110787242.X

申请日：2021-07-13

Applicant: 辽宁工程技术大学

Inventor： 王伟 ,  阮文翰 ,  武聪 ,  吕明海

IPC: G06F16/33 ,  G06F16/332 ,  G06N3/04 ,  G06N3/08

Abstract: 神经网络对话生成模型的发展促进了短文本对话建模的研究。对经过清洗的大规模高质量中文会话数据集(large‑scale cleaned Chinese conversation dataset，LCCC)，预训练的中文对话模型在生成更符合汉语规范的高质量回复话语，但是泛化能力降低，导致在微调过程中评价指标偏低。针对此问题，利用生成对抗网络在自然语言处理处理任务中提高模型泛化能力的方法，提出一种融合对抗训练的中文GPT对话模型，首先在微调的过程中使用投影梯度下降的训练方法，提高了模型的泛化能力，然后使用Facal损失函数加快训练速度。

公开(公告)号：CN112492691A

公开(公告)日：2021-03-12

申请号：CN202011344394.4

申请日：2020-11-26

Applicant: 辽宁工程技术大学

Inventor： 王伟 ,  殷爽爽 ,  吕明海 ,  武聪

IPC: H04W72/04 ,  G06N3/04

Abstract: 本发明公开了一种深度确定性策略梯度算法的下行NOMA系统中功率分配方法，方法采用双神经网络结构及经验池回放机制，可以有效处理涉及大规模状态‑动作空间的问题，且降低训练样本之间的相关性，同时，采取确定性策略来选择动作，可以在连续的动作空间中选择动作。算法使用状态信息作为神经网络的输入，并对状态空间、动作空间及奖赏函数根据仿真下行NOMA系统情境进行了相应的设计，其中将上一时刻的信干噪比信息及速率信息作为当前时刻状态信息的组成部分，可以使得智能体更加有效的学习并利用所学习到信息来改进行为策略，经过多次迭代后，得到最优的功率分配策略。该方法可以有效解决下行NOMA系统中多用户的功率分配问题，且在不同的用户数量及基站的发射功率级别下均具备良好的泛化性能，可以有效提升功率分配的合理性，同时运算耗时少，有效提高功率分配的效率。