-
公开(公告)号：CN116153503A
公开(公告)日：2023-05-23
申请号：CN202310259878.6
申请日：2023-03-17
Applicant: 中国石油大学(华东)
IPC: G16H50/20 , G06N3/096 , G06N3/0464
Abstract: 本发明提出一种基于深度学习的胎儿心电图个性化诊断方法，主要涉及人工智能、智慧医疗领域。主要步骤包含：根据心电图物理形态，设计多视角编码器充分提取样本特征；针对胎儿心电图诊断实际情况，分别设计源任务、辅助任务、目标任务；在元迁移学习框架中设计动态自学习权重融合策略，使模型学习有用的迁移知识；模拟实际诊断环境，设计跨受试者和跨疾病两种案例，模拟对实时心电图的监测和诊断。本发明针对受试胎儿的心电数据有限，难以快速、有效地对其进行个性化诊断的难题，通过优化元迁移学习，实现了对实时胎儿心电图的监测及个性化诊断。
-
公开(公告)号：CN110705579B
公开(公告)日：2023-05-23
申请号：CN201910303274.0
申请日：2019-04-15
Applicant: 中国石油大学(华东)
IPC: G06V10/764 , G06V30/148 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本方法将深度学习目标检测、模糊坐标修正与弹性坐标矩阵的建立相结合，提出一种基于深度学习的复杂多目标集成开关控制板校验方法。该方法利用深度学习目标检测技术实现控制板上开关的识别以及单个开关的状态分类；利用图像中开关的某一特征作为衡量目标距离的一个度量，解决由于拍摄远近不同而导致的目标大小及相互之间距离有像素级差距的问题；设置一个弹性阈值，用以判断一个目标跟其周围坐标的相对位置，构建开关状态矩阵；将图像中每一个目标的坐标都用其周围坐标来确定，即使拍摄倾斜角度较大也能准确定位目标在整个开关状态矩阵中的位置，使得算法的稳定性得到大大提升。
-
公开(公告)号：CN115658895A
公开(公告)日：2023-01-31
申请号：CN202211287161.4
申请日：2022-10-20
Applicant: 中国石油大学(华东)
IPC: G06F16/35 , G06F16/951 , G06F40/30
Abstract: 本发明提出一种基于大图聚类的观点演化分析方法、设备及存储介质。它首先基于预训练语言模型对文档中的话题进行建模，然后进行聚类分析确定主题和主题词，然而，通过预训练模型获得文档表征只包含语义特征，不适合用来进行观点演化分析，此外大量舆情数据也给模型训练带来了困难，因此我们并提出了一种改进的大图聚类算法，通过降低注意矩阵和邻接矩阵的维数来降低大型图的高计算复杂度的开销，通过以聚类为目标去微调节点表征使其更适合主题聚类和观点演化任务，最后，基于文档表征，我们计算文档主题间的相似性来进行观点演化分析。
-
公开(公告)号：CN112163580B
公开(公告)日：2022-05-03
申请号：CN202011083094.5
申请日：2020-10-12
Applicant: 中国石油大学(华东)
Abstract: 本发明提出一种基于注意力机制的小目标检测算法，在检测过程中加入了注意力机制，从而将注意力机制应用到不同通道的特征图上，增强对于识别有利的通道，抑制对于识别无用的通道。在检测时，先将图像输入RPN中，得到预选区域，而后经过FPN网络提取各个尺度的特征，将其输入注意力模块，得到新的特征图，最后对这些特征进行分类与边框回归，得到检测结果。
-
公开(公告)号：CN114418092A
公开(公告)日：2022-04-29
申请号：CN202210055714.7
申请日：2022-01-18
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于区块链的联邦学习恶意节点甄别方法，使用区块链账本记录联邦学习过程，验证模型是否一致，以此保护联邦学习过程的安全，同时达到可审计性，使得在遇到恶意节点时能够消除恶意节点的影响，使用模型间距离来表示模型的差异，采用对离群模型进行全局投票的方式来甄别并剔除恶意节点，并采用去中心化的训练方式，匀散了各节点在整个联邦学习过程中的权力，使得整个联邦学习过程避免了过于集中的被一个节点所操控。解决了联邦学习过程中无法规避、甄别攻击并从恶意攻击中恢复到正常训练的问题，运用区块链提升了联邦学习系统的整体安全性，防止模型在传递过程中被恶意篡改。
-
Patent Agency Ranking
公开(公告)号：CN114003387A
公开(公告)日：2022-02-01
申请号：CN202111297596.2
申请日：2021-11-04
Applicant: 中国石油大学(华东)
IPC: G06F9/50
Abstract: 本发明提出一种基于强化学习的微服务负载均衡和弹性扩缩容方法，主要涉及强化学习领域、微服务应用的负载调度和容器的弹性扩容等领域。主要步骤包括：首先构建微服务应用环境，具体包括微服务应用流量模拟组件、指标监控组件、智能决策组件、负载调节组件、容器扩缩容组件。通过监控插件对微服务的状态进行监控，以此来获取服务的响应时间、等指标，建立各类资源和负载信息形式化的表示方法；然后面向负载调整和容器动态扩容的场景下，基于强化学习理论设计环境、智能体、动作空间、奖励函数等关键元素；通过模拟负载环境、资源等信息实现微服务应用与流量环境的交互，基于智能决策组件现实微服务负载和资源的调整。并将决策动作空间存储在智库中。最后将智库中决策结果应用到实际环境下的负载调整中，实现微服务应用负载调整策略和容器弹性扩容的动态调整，以此实现微服务应用的最佳性能和响应时间。
-
公开(公告)号：CN113033625A
公开(公告)日：2021-06-25
申请号：CN202110253452.0
申请日：2021-03-05
Applicant: 中国石油大学(华东)
Abstract: 本发明提出了一种基于神经网络和集成学习算法的工业空调故障诊断方法。该方法融合了多种机器学习算法，是具有高准确率的故障诊断模型。神经网络通过学习自动提取输出、输出数据间的“合理规则”，对工业空调实时接收的时序数据分析有重要的作用。因此设计了基于神经网络算法的异常检测模块。集成算法有明显的避免过拟合，提高泛化能力等的优点。因此设计了基于集成学习算法的故障诊断模块。将异常检测模型与故障诊断模型结合，并引入注意力机制，让检测到的异常辅助故障诊断形成比基础模型要更准确的增强模型。该发明能够针对工业空调数据进行准确的故障诊断。
-
公开(公告)号：CN112907698A
公开(公告)日：2021-06-04
申请号：CN202110122884.8
申请日：2021-01-29
Applicant: 中国石油大学(华东)
Abstract: 本发明提出一种动态融合时序与非时序特征的测井曲线生成方法，主要涉及地质资源勘探，深度学习，数据挖掘领域。主要步骤包含：利用LSTM(长短期记忆网络)、GRU(门控循序单元)模型分别提取测井曲线时序特征；利用CNN(卷积神经网络)、DNN(全连接神经网络)、XGBoost、SVR分别提取测井曲线的非时序特征；借助强化学习对模型进行动态融合，从而充分考虑测井曲线的时序特征与非时序特征；通过单一井内数据训练模型，借助井内完整测井曲线将该井其他残缺曲线进行补全；完全根据具有多条完整测井曲线的临井数据训练模型，借助实验井现存的完整曲线来生成缺少的测井曲线。本发明动态融合了测井曲线的时序与分时序特征，能更准确地对失真或缺失的测井曲线进行补全与生成。
-
公开(公告)号：CN112383604A
公开(公告)日：2021-02-19
申请号：CN202011236236.7
申请日：2020-11-06
Applicant: 中国石油大学(华东)
IPC: H04L29/08
Abstract: 本发明提出了一种基于区块链的军事化应用系统，该系统基于联盟链系统框架hyperledger fabric进行开发，首先将现代化的军事网络中的成员划分为三个组织，分为前线作战组织、后方指挥组织以及后勤保障组织；然后根据各个组织在网络中发挥的不同作用进行网络节点的划分以启动一个包含三个组织的联盟链网络；最后开发了一套运行在联盟链网络上的智能合约，该智能合约提供了军队组织管理、武器装备管理、武器装备转交历史溯源等业务方法，实现了各组织在搭建的联盟链网络中相互合作，根据自身的不同职能进行协调作战。
-
公开(公告)号：CN112163580A
公开(公告)日：2021-01-01
申请号：CN202011083094.5
申请日：2020-10-12
Applicant: 中国石油大学(华东)
Abstract: 本发明提出一种基于注意力机制的小目标检测算法，在检测过程中加入了注意力机制，从而将注意力机制应用到不同通道的特征图上，增强对于识别有利的通道，抑制对于识别无用的通道。在检测时，先将图像输入RPN中，得到预选区域，而后经过FPN网络提取各个尺度的特征，将其输入注意力模块，得到新的特征图，最后对这些特征进行分类与边框回归，得到检测结果。
-
-
-
-
-
-
-
-
-
Search Results
165
records
(took 0.033 seconds)
