-
公开(公告)号：CN115328782A
公开(公告)日：2022-11-11
申请号：CN202210979206.8
申请日：2022-08-16
Applicant: 南京工业大学
Abstract: 本发明公开了如下技术方案，首先从源代码中提取图结构和抽象语法树结构；接着通过编码抽象语法树信息得到词向量序列作为双向循环神经网络的输入以学习源代码的语义特征并将得到的语义特征与传统静态特征结合作为图节点的状态向量表示；然后利用源代码完整的图表示预训练教师集成网络模型；最后通过知识蒸馏技术将知识从之前预训练完成的教师集成网络模型中提取出来并注入到学生集成网络模型中。本发明借助图神经网络的先进性和知识蒸馏技术的思想，相较现有技术，使得生成的学生集成网络模型能够实现更高的软件缺陷检测率，而且集成网络的设计保证了该模型的健壮性和鲁棒性。
-
公开(公告)号：CN111753209A
公开(公告)日：2020-10-09
申请号：CN202010626102.X
申请日：2020-07-02
Applicant: 南京工业大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明设计了一种改进时序卷积网络的序列推荐列表生成方法，针对推荐系统的序列推荐，本发明提出了一种嵌入压缩-激励模块的改进时序卷积网络提取序列特征。模型利用扩张卷积增大感受野，捕获更多的序列关系，并通过压缩激励模块加入注意力机制，给予关键项目更多的注意力，以捕捉用户交互数据的复杂结构，通过对用户和项目特征的融合，综合考虑用户的短期和长期偏好进行个性化推荐。
-
公开(公告)号：CN110432899B
公开(公告)日：2020-07-03
申请号：CN201910664430.6
申请日：2019-07-23
Applicant: 南京工业大学
IPC: A61B5/0476
Abstract: 本发明提供一种基于深度堆叠支持矩阵机的脑电信号识别方法，包括以下步骤：首先对脑电(Electroencephalogram,EEG)信号进行预处理并提取特征；用提取出的原始EEG信号特征作为输入训练第一层支持矩阵机(Support Matrix Machines,SMM)得到第一层的预测输出；利用矩阵随机投影将第一层预测输出投影到原始EEG特征空间并与原始EEG信号特征叠加得到第二层EEG信号特征，将其作为输入训练第二层SMM得到第二层的预测输出；按照这种方式得到更深层的EEG信号特征并训练SMM，直到精度收敛得到最终分类模型。本发明可以准确判断不同类型的EEG信号，保证基于EEG的BCI系统安全可靠的运行。
-
公开(公告)号：CN110795511A
公开(公告)日：2020-02-14
申请号：CN201911045361.7
申请日：2019-10-30
Applicant: 南京工业大学
Abstract: 本发明提出了一种基于云模型的知识图谱表示方法，包括以下步骤：获取数据集，按比例随机分为训练集和测试集；将训练集中每一个关系划分为多个语义，得到该关系的高斯混合模型；计算每一个关系中最能表达该关系的主语义；基于云模型计算每个主语义的语言值的坐标及其确定程度。本发明提出一种基于云模型的知识图谱表示方法，目标是在关系向量存在多语义性的前提下，获取最能表达该关系向量语义的的向量值，同时引入不确定性的思想，在新的评分函数中结合确定程度，使知识图谱的表示更加准确。
-
公开(公告)号：CN109190030A
公开(公告)日：2019-01-11
申请号：CN201810965309.2
申请日：2018-08-22
Applicant: 南京工业大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合node2vec和深度神经网络的隐式反馈推荐方法，属于数据处理技术领域。本发明包括获取用户潜在向量和项目潜在向量的步骤；获取用户上下文预测和项目上下文预测的步骤；产生用户对项目偏好预测并进行训练的步骤；共同训练的步骤。本发明可以很好地考虑到用户和项目丰富的元数据信息，具有较高的推荐精确度和模型的训练效率。
-
Patent Agency Ranking
-
公开(公告)号：CN101025855A
公开(公告)日：2007-08-29
申请号：CN200710020648.5
申请日：2007-03-19
Applicant: 南京工业大学
Abstract: 本发明是桨叶测量数据数字化处理方法及装置，其结构由桨叶测量数字化处理仪(简称处理仪)和计算机组成；处理方法是用处理仪通过信号采集驱动隔离子电路采集三块螺距规数显表的数码管扫描驱动信号；通过信号驱动和光电隔离将采集的扫描信号转换为标准信号送给CPU主板子电路；通过并行口采集采样的信号；再将这些值通过通讯驱动子电路传送给上位机处理。优点：将处理仪读取的测量显示值转换为标准的串行通讯信号，传送给上位计算机，实现计算机远程监控的功能。处理仪可用于贵重进口非数字化仪表的数字化改造，进口非数字仪表虽不带通讯接口，但性能优越，处理仪让旧仪表发挥现代进口数字仪表功能，进而联入计算机控制系统实现综合自动化。
-
公开(公告)号：CN119478825A
公开(公告)日：2025-02-18
申请号：CN202411548329.1
申请日：2024-11-01
Applicant: 南京市锅炉压力容器检验研究院 , 南京理工大学 , 内蒙古自治区特种设备检验研究院 , 南京工业大学 , 南京金创有色金属科技发展有限公司
Inventor： 张伯君 , 业成 , 李梦 , 方学锋 , 崔强 , 魏松杰 , 姜君 , 章彬斌 , 陈洁 , 管永原 , 王志荣 , 刘学军 , 王静虹 , 张东宏 , 刘志贤 , 韩继鹏 , 李锋 , 陈超 , 张茂 , 张学岭 , 于永亮
IPC: G06V20/52 , G06V20/40 , G06V40/10 , G06V40/20 , G06V10/44 , G06V10/774 , G06V10/776
Abstract: 本发明公开了一种鹤管连接牢固性确认动作的视觉检测方法，是在石化罐车容质充装过程中，根据在设定角度下采集的监控录像，来确认操作员进行了拔拽鹤管动作，用于确认鹤管连接是否牢固，加强充装过程的规范性管理。首先将视频信号逐帧抽取成图像，然后将图像视频输入到训练好的机器学习模型中，先用目标检测的方法检测出石化罐车的阀门区域、鹤管连接头，再用姿态估计人体关键点检测方法获取人体的骨骼关键点坐标，获取有关信息并存入数据库。基于以上的检测目标和人体关键点信息，通过肢体运动伴随的人体关键点位置变化信息来判断人是否进行了鹤管的连接牢固性确认，如果有，则分析动作的幅度与方向。
-
公开(公告)号：CN118800340A
公开(公告)日：2024-10-18
申请号：CN202410833300.1
申请日：2024-06-25
Applicant: 南京工业大学 , 江苏省化工本质安全研究院
Abstract: 本发明提供了一种混合式筛选食管癌关键基因集及构建其预后模型的方法。具体地，从基因表达综合数据库中收集食管癌患者肿瘤样本和正常样本数据，对其进行生物信息学方法和机器学习方法筛选分析，得到和预后相关的关键基因集，通过机器学习方法构建和预后相关的预测诊断模型。步骤包括：收集食管癌肿瘤和正常样本的基因表达矩阵和临床数据文件；进行差异分析和富集分析，初步筛选关键基因；再通过支持向量机递归特征消除(SVM‑RFE)、最小绝对收缩和选择算子(LASSO)和随机森林(RF)三种机器学习方法进一步筛选食管癌预后相关的关键基因，对结果取交集，获得关键基因集；基于单因素Cox、LASSO回归和多因素Cox回归分析开发食管癌关键基因的预后风险模型。
-
公开(公告)号：CN117612729A
公开(公告)日：2024-02-27
申请号：CN202311577298.8
申请日：2023-11-23
Applicant: 南京工业大学
Abstract: 一种基于临床化验指标预判胡蜂蛰伤病人轻症或重症的方法，其目的是得到由胡蜂蛰伤临床测量指标判断症状轻重的预测值。具体实现时，首先，收集一个包含相关特征和目标变量的数据集，利用每个病人的血常规、肝功、肾功以及心肌酶的关联特征的量值，将这些量值作为每个病人的一个特征集，专业医生提供轻重症标签，目标变量表示症状的严重程度，可以分为轻或重症；定义XGBoost模型和设置模型的参数，然后将XGBoost模型拟合到训练数据上，在训练过程中，模型将迭代地构建决策树以最小化指定的损失函数；接下来，使用训练好的模型对测试数据进行预测，绘制ROC曲线；进而在实际预测时，输入病人对应的特征数据后得到对应的症状预测值。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.025 seconds)
