-
公开(公告)号：CN119397461A
公开(公告)日：2025-02-07
申请号：CN202510001790.3
申请日：2025-01-02
Applicant: 先进计算与关键软件(信创)海河实验室 , 国家超级计算天津中心
IPC: G06F18/2433 , G06N3/0442 , G06N3/096 , G06F18/21 , G06F123/02
Abstract: 本发明涉及数据异常检测技术领域，具体公开了一种多元时间序列异常检测方法、系统及产品，方法包括：搭建异常检测框架，所述异常检测框架包括依次连接的基于域注意力的特征提取器、基于域注意力的特征预测器以及多域异常判别器；利用源域和目标域的多元时间序列数据对所述基于域注意力的特征提取器和基于域注意力的特征预测器进行训练，得到多元时间序列异常检测模型；利用所述多元时间序列异常检测模型进行多元时间序列异常检测。本发明分别将有限数据的目标域和多个数据丰富的源域在分布上进行对齐，实现设备群中不同设备之间数据的交叉重用；并通过受域注意力约束的联合损失函数来训练模型，以捕获更加全面的设备状态信息。
-
公开(公告)号：CN118571402A
公开(公告)日：2024-08-30
申请号：CN202411061731.7
申请日：2024-08-05
Applicant: 先进计算与关键软件(信创)海河实验室
IPC: G16H15/00 , G06N3/0455 , G06N3/0464 , G06N5/04 , G06F18/22
Abstract: 本发明涉及人工智能以及检索技术领域，具体公开了基于检索增强的医疗质控报告智能生成方法及系统，方法包括构建医疗影像质控的图文对数据；构建图像嵌入模型和文本嵌入模型；构建三元仿射变换器并训练；部署向量数据库；部署多模态大模型并训练；部署大语言模型；得到医疗质控报告智能生成系统；将图像和提示词输入所述医疗质控报告智能生成系统，生成医疗质控报告。本发明能够有效整合临床数据和最新医疗知识，智能高效的生成医疗质控报告，提高了医疗质控报告的可靠性和专业性。
-
公开(公告)号：CN118038057A
公开(公告)日：2024-05-14
申请号：CN202410349336.2
申请日：2024-03-26
Applicant: 先进计算与关键软件(信创)海河实验室
IPC: G06V10/26 , G06V20/70 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06N3/048
Abstract: 本发明公开了WTNet儿科下颚智齿牙胚分割网络架构方法，主要包含设有区域特征增强模块的输入增强模块和齿骨特征分离模块，分别在齿骨特征分离模块牙齿分割分支和骨骼分割分支中设有相互独立的尺度特异性特征融合模块。对于一个输入和其对应的真值标签，先将输入送进输入增强模块生成掩膜并使用真值标签进行监督；再将输入和掩膜送入区域特征增强模块得到增强输入；在齿骨特征分离模块中，增强输入经过共享编码器后被分别送入牙齿分割分支和骨骼分割分支的尺度特异性特征融合模块中，再送进两个分支中的解码器中，并使用牙齿和骨骼真值标签分别完成两个分支的监督，得到牙齿分割掩膜和骨骼分割掩膜，融合两个掩膜得到最终的分割结果。
-
公开(公告)号：CN113176977B
公开(公告)日：2024-10-18
申请号：CN202110464020.4
申请日：2021-04-27
Abstract: 本发明提供了一种构建物联网工作流的交错日志分析方法，包括以下步骤：日志文件中，在每个日志条目后设置长度为N的窗口，窗口覆盖日志条目后方相邻的N个后继日志条目；窗口的N值人为确定；计算在前日志条目与其后窗口中的每个后继日志条目之间的依赖值；设定过滤阈值，若联合依赖值大于过滤阈值，则对应后继日志条目为在前日志条目的真实后继条目。本发明在交错日志中构建工作流模型时避免了日志中标识信息的使用，具有广泛的适用性，同时解决了由日志交错带来的上下文丢失和噪声问题。
-
公开(公告)号：CN114170633B
公开(公告)日：2024-08-02
申请号：CN202111478512.5
申请日：2021-12-06
Applicant: 南开大学
Abstract: 本发明公开一种基于协同监督的海面小行人检测方法，包括以下步骤：预处理小行人检测数据集，划分为训练集和测试集；根据人工标注的目标包围框生成小行人中心点标签、中心点精度偏移标签以及中心点到包围框上下左右边界的垂直距离标签；在训练过程中，根据预测的中心点精度偏移，自适应地调整中心点到包围框垂直距离标签，促使检测框回归任务协同优化；前向传播计算三种标签对应的损失，以特定的权重进行融合；损失层梯度反向传播，更新网络模型中的参数，引导模型筛选行人显著特征。本发明根据预测中心点偏移量的变化，自适应地改变中心点到包围框垂直距离标签，有效地弥补中心点预测难度高带来的检测框回归偏差，提高了模型小行人检测的能力。
-
Patent Agency Ranking
公开(公告)号：CN115376159A
公开(公告)日：2022-11-22
申请号：CN202210820445.9
申请日：2022-07-13
Applicant: 南开大学
Abstract: 本发明提供了一种基于多模态信息的跨外观行人重识别方法，包括以下步骤：预处理跨外观行人重识别数据集；从视觉图像中获取行人的轮廓图像与部件语义图像；利用网络模型提取特征矩阵；将三个特征矩阵拼接为融合特征矩阵；对四个特征矩阵，分别进行池化下采样获取特征；再分别使用批次归一化和全连接层获取分类特征；计算损失；损失层梯度反向传播，更新网络模型及其全连接层的权值参数；重复上述步骤，直至网络模型收敛，或者达到最大迭代次数；使用融合推理特征作为行人特征表示进行检索，融合推理特征由融合特征采用批次归一化获取。本发明有效地缓解了网络过于关注行人外观信息的问题，提升了跨外观行人重识别模型的检索性能。
-
公开(公告)号：CN114968472A
公开(公告)日：2022-08-30
申请号：CN202210113297.7
申请日：2022-01-29
Applicant: 南开大学
Abstract: 本发明提供了一种面向深度神经网络运行的智能合约虚拟机，包括虚拟指令集、解释器和存储空间，所述解释器分别与所述虚拟指令集、存储空间连接，所述虚拟指令集，是虚拟机运行合约所需的指令的完整集合，描述了指令的操作码到功能函数的映射，所述虚拟指令集中包括CNN指令，每一条CNN指令对应一个实现CNN推理计算的功能函数，解释器，用于从字节码文件中读出指令，并让CPU执行指令，存储空间，用于存储合约计算时的中间数据。本发明使开发者在智能合约上开发CNN更加便捷，需要编写的源码长度可以降低80％左右，并使CNN在智能合约虚拟机中的运行(推理过程)更快速、内存负载更低；利于推动依赖于CNN的智能应用和区块链的结合。
-
公开(公告)号：CN114170633A
公开(公告)日：2022-03-11
申请号：CN202111478512.5
申请日：2021-12-06
Applicant: 南开大学
Abstract: 本发明公开一种基于协同监督的海面小行人检测方法，包括以下步骤：预处理小行人检测数据集，划分为训练集和测试集；根据人工标注的目标包围框生成小行人中心点标签、中心点精度偏移标签以及中心点到包围框上下左右边界的垂直距离标签；在训练过程中，根据预测的中心点精度偏移，自适应地调整中心点到包围框垂直距离标签，促使检测框回归任务协同优化；前向传播计算三种标签对应的损失，以特定的权重进行融合；损失层梯度反向传播，更新网络模型中的参数，引导模型筛选行人显著特征。本发明根据预测中心点偏移量的变化，自适应地改变中心点到包围框垂直距离标签，有效地弥补中心点预测难度高带来的检测框回归偏差，提高了模型小行人检测的能力。
-
公开(公告)号：CN111428675A
公开(公告)日：2020-07-17
申请号：CN202010252780.4
申请日：2020-04-02
Applicant: 南开大学
Abstract: 本发明公开一种融入行人体态姿态特征的行人重识别方法，包括以下步骤：预处理行人重识别数据集，划分为训练集和验证集；利用公开数据集训练行人骨架检测模型；再提取出行人姿态高维矩阵特征；然后融入行人检索模型中进行训练；前向传播，获取到特征提取层提取出来的特征向量；前向计算损失；对数据集中的每一个样本，计算其梯度信息；损失层的梯度反向传播，更新行人检索模型特征处理模块中的权值参数；如果模型仍未收敛，或者是未达到最大迭代次数，重复上述步骤；网络训练结束之后，在测试集上完成查询集合内的行人检索任务。本发明提出引导模型学习筛选行人体态姿态特征，姿态信息的融入提高了行人检索模型对于相同行人的检索能力。
-
公开(公告)号：CN102199746A
公开(公告)日：2011-09-28
申请号：CN201110119447.7
申请日：2011-05-10
Applicant: 南开大学
Abstract: 一种热蒸发制备锑化物薄膜P-N结的方法。该方法包括：将洁净的衬底置于高真空镀膜系统的腔室内，将系统抽至高真空；将衬底加热，并保持在设定温度；在蒸发源中加入掺杂源，采用热蒸发的方法，将各个蒸发源加热，通过共蒸发制备掺杂锑化物薄膜材料，调节蒸发源温度可以得到不同掺杂浓度的P型和N型锑化物材料；通过使用不同衬底和蒸发源得到锑化物的同质结或异质结P-N结构。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.072 seconds)
