-
公开(公告)号：CN115392257A
公开(公告)日：2022-11-25
申请号：CN202211067006.1
申请日：2022-09-01
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于图聚合和推理的文本关系抽取方法，提出了一个基于复杂语义信息的文档级图，这是一个异构的过程包含提及节点和句子节点的图形，用于集成文档的丰富语义信息获取实体表示。本发明提出了一种实体级图获取方法，以发现长距离跨句子实体对的一些关系。然后，我们使用注意机制融合实体全局表示、实体推理表示和实体初始表示信息，以提取实体对之间的关系。
-
公开(公告)号：CN111966829B
公开(公告)日：2022-03-15
申请号：CN202010738271.2
申请日：2020-07-28
Applicant: 电子科技大学
IPC: G06F16/35 , G06F16/9532 , G06F40/289
Abstract: 本发明公开了一种基于深度生存分析的网络话题爆发时间预测方法，属于网络话题预测领域。本发明包括以下步骤：获得数值时间序列数据，将网络话题相关数值量转化为时间序列；获得文本时间序列数据，将网络话题相关时变文本转化为时间序列；获得文本特征时间序列，基于所设置的文本特征提取器，通过文本时间序列数据获得文本特征时间序列；构建基于生存分析的深度学习模型，深度生存模块进行回归预测，输出话题危险率；模型训练，模型训练基于全新设计的损失函数进行训练；确定判断阈值，通过枚举法找到最优判断阈值，实现网络话题爆发时间预测。本发明用于网络话题的爆发预测，能有效提升预测准确性。
-
公开(公告)号：CN113682908A
公开(公告)日：2021-11-23
申请号：CN202111012494.1
申请日：2021-08-31
Applicant: 电子科技大学
Abstract: 本发明涉及调度控制技术，其公开了一种能够提高乘客乘梯体验，且具有较好灵活性和适应性的一种基于深度学习的智能调度方法。该方法包括以下步骤：S1、乘客通过所在楼层的预约面板进行乘梯预约，生成呼梯请求发送给电梯控制模块；S2、电梯控制模块获取收到呼梯请求时所有电梯的状态数据，并连同呼梯请求一并发送给算法调度模块；S3、算法调度模块采用训练好的电梯调度模型作为调度算法，以呼梯请求和所有电梯的状态数据为输入，生成派梯决策；S4、算法调度模块将派梯决策反馈给预约面板和电梯控制模块。本发明适用于目的层预约型电梯群调度。
-
公开(公告)号：CN111898576A
公开(公告)日：2020-11-06
申请号：CN202010783073.8
申请日：2020-08-06
Applicant: 电子科技大学
Abstract: 本发明涉及计算机视觉技术领域，其公开了一种基于人体骨架时空关系的行为识别方法，解决现有行为识别方法难以充分利用人体在行为动作中时空关系，识别的准确率不高的问题。该方法包括以下步骤：S1、对人体骨架序列进行均匀分段处理；S2、对每段人体骨架信息生成基于距离的图像表达；S3、采用带权多视角卷积方法对每段人体骨架信息的图像表达进行短时空特征提取；S4、采用具有时序关系的多个短时空特征作为Bi-LSTM模型的输入，提取人体骨架序列的整体时空关系并进行行为识别。
-
公开(公告)号：CN111815665A
公开(公告)日：2020-10-23
申请号：CN202010662406.1
申请日：2020-07-10
Applicant: 电子科技大学
Abstract: 本发明涉及计算机视觉技术，其公开了一种基于深度信息与尺度感知信息的单张图像人群计数方法，提高预测能力并降低计算复杂度。该方法包括：S1、对输入样本图片对应的人头中心坐标数据进行高斯映射，生成初步真值密度图，并基于深度估计算法得到的深度信息修正初步真值密度图，获得真值密度图；S2、采用密度估计网络对输入样本图片进行人群密度图的预测，生成预测密度图，根据预测密度图与真值密度图计算损失误差，通过梯度反向传播调整网络参数，经过迭代，生成密度预测模型；S3、在对单张图像进行人群计数时，利用密度预测模型生成此图像的预测密度图，通过计算获取此图像中的总人数。
-
Patent Agency Ranking
公开(公告)号：CN107979606B
公开(公告)日：2020-08-11
申请号：CN201711292594.8
申请日：2017-12-08
Applicant: 电子科技大学
Abstract: 本发明属于数据安全领域，具体涉及一种具有自适应的分布式智能决策方法。本发明针对实时监控日志及操作请求日志的生成模式进行发掘，检测可能存在的异常，将神经网络在模式识别中的优势与知识的推理理论结合起来，在综合多个相邻节点信息的基础上，引入自适应的机制，以分布式的方式进行入侵检测，同时将决策过程放入分布的节点而不是中央控制台，减少了网络传输，提高了分布式决策的速度。本发明综合相邻节点的信息反馈，进行自适应调整，并且不依赖全局信息，减少了数据传输，能有效检测出单一节点难以检测出入侵的数据。
-
公开(公告)号：CN110909690A
公开(公告)日：2020-03-24
申请号：CN201911174855.5
申请日：2019-11-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于区域生成的遮挡人脸图像检测方法，属于人脸图像检测技术领域，首先获取人脸图像，所述人脸图像包括无遮挡人脸图像和遮挡人脸图像，对所述人脸图像进行预处理，并制作所述人脸图像对应的目标图像；接着构建人脸图像检测网络，所述人脸图像检测网络包括特征提取基干网络、特征提取分支网络和特征增强分支网络；再利用预处理后的人脸图像和目标图像对所述人脸图像检测网络进行训练，得到完成训练的检测模型；最后输入待检测遮挡人脸图像至所述完成训练的检测网络，实现遮挡人脸图像的检测；本发明能够有效的对遮挡的人脸图像进行检测。
-
公开(公告)号：CN110363134A
公开(公告)日：2019-10-22
申请号：CN201910621290.4
申请日：2019-07-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于语义分割的人脸遮挡区定位方法，涉及人脸遮挡定位方法领域；其包括步骤1：采集和扩充数据集，并对数据集进行预处理和标注；步骤2：构建包括多尺度空洞卷积模块的子网络模型；步骤3：构建端对端像素级分类的主网络模型；步骤4：训练包括步骤2所述子网络模型和步骤3所述主网络模型的语义分割模型，获取网络模型参数；步骤5：测试图像输入已训练的语义分割模型定位出遮挡的连续区域。本发明通过不同比率的空洞卷积结果融合解决下采样中空洞卷积的棋盘式丢失问题，使得网络适应不同大小的分割对象，人脸遮挡区定位采用语义分割网络使得定位遮挡区域更加细致，能够保留人脸图像中有效像素，定位出遮挡的连续区域。
-
公开(公告)号：CN109447251A
公开(公告)日：2019-03-08
申请号：CN201811138467.7
申请日：2018-09-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种具有新型内存模块的神经图灵机模型及其设置方法，属于神经网络领域。本发明在神经图灵机模型的内存模块中增加双螺旋DNA结构；同时对神经图灵机模型的读写头进行改进，使其适应内存模块中的双螺旋DNA结构的存储数据：神经网络控制器动态读写双螺旋DNA结构中存储的时序数据，将双螺旋DNA结构的当前子代数据作为下一层神经元的输入，结合当前从内存矩阵中的读取的内容得到下一层神经元的激活值，并将其重新写入到双螺旋DNA结构中，替换当前子代数据，而替换前的当前子代数据便转换为替换后的当前子代数据的父代数据。同时本发明还公开了其对应的训练设置方法。本发明使得内存模块的记忆矩阵的更新更加细致，提高模型的稳定性。
-
公开(公告)号：CN109376636A
公开(公告)日：2019-02-22
申请号：CN201811197008.6
申请日：2018-10-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于胶囊网络的眼底视网膜图像分类方法，属于图像处理技术领域。为实现提高眼底视网膜图像的分类准确率和降低分类模型的训练时间目的，本发明所采用的技术方案是：首先构建一个典型的胶囊神经网络，将其在眼底视网膜图像上进行预训练，得到胶囊神经网络的预训练权重；然后从公开数据获取预训练好的AlexNet模型权重参数，将其最后两层全连接层替换为已训练好的胶囊神经网络层，称该网络结构为CapsAlexnet，然后将CapsAlexNet在眼底视网膜图像上进行训练和微调，最终得到分类准确率最好、收敛较快的眼底视网膜分类模型，实现对眼底视网膜图像的准确分类处理。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.023 seconds)
