-
公开(公告)号：CN115309879A
公开(公告)日：2022-11-08
申请号：CN202210936486.4
申请日：2022-08-05
Applicant: 中国石油大学(华东)
IPC: G06F16/332 , G06F16/36 , G06N3/04
Abstract: 本发明提供了一种基于BART的多任务语义解析模型，属于自然语言处理技术领域，模型包括词嵌入层、BART编码层、领域分类器、BART解码层、概率解码器、SPARQL解码器和语法检查器，本发明通过这七部分的配合，并基于Transformer的Encoder‑Decoder模型架构，通过词语删除、句子排列变换、文档旋转、词语填充等手段增加文本噪声，并将带噪声的输入解码映射为原始文本，通过训练得到序列到序列的编码器，在问答、翻译、摘要等生成任务中取得了更好的效果。本发明将自然语言直接转换为知识图谱查询语言SPARQL，简化问答步骤以起到减少误差累积的作用，并对问题进行领域识别，根据所属领域查询对应的专业领域知识库，从而提高问答准确率。
-
公开(公告)号：CN115294327A
公开(公告)日：2022-11-04
申请号：CN202210936483.0
申请日：2022-08-05
Applicant: 中国石油大学(华东)
IPC: G06V10/25 , G06V10/774 , G06V10/82 , G06F16/36 , G06F40/295 , G06F40/30 , G06N3/04
Abstract: 本发明提出一种基于知识图谱的小目标检测方法、设备及存储介质。低分辨率的小目标可视化信息少，难以提取到具有鉴别力的特征，并且极易受到环境因素的干扰，进而导致了检测模型难以精准定位和识别小目标。本发明基于CN‑Probase中文通用概念知识图谱构建了目标上下文知识图谱，通过改进YOLOv3网络使得目标检测模型可以充分利用知识图谱中的先验信息，获取更多上下文特征，从而从而在保证检测速度的同时有效提高了小目标检测精度。
-
公开(公告)号：CN115188049A
公开(公告)日：2022-10-14
申请号：CN202210814542.7
申请日：2022-07-12
Applicant: 中国石油大学(华东)
IPC: G06V40/16 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明提供了一种基于在线强化学习的小区人脸姿态检测系统及方法，系统包括监控设备、AI服务器和前端显示设备，AI服务器内部署有视频检测服务模块和在线强化学习服务模块，视频检测服务模块包括视频流获取单元、视频流解码单元和部署于视频检测服务模块的训练后的FacePose‑RCNN模型，FacePose‑RCNN模型包括人脸检测网络分支网络Faster RCNN和人脸姿态识别分支网络FacePose‑Net；在线强化学习服务模块包括在线校验单元、人脸姿态数据库、在线学习单元和在线更新单元；通过上述系统，可以在人脸姿态数据库的新增数据超过一定数量后，在线快速对人脸检测网络模型进行持续强化学习。本发明通过在线强化学习不断增强网络模型对人脸姿态的识别能力，提高了人脸姿态检测的准确率。
-
公开(公告)号：CN113344729B
公开(公告)日：2022-09-09
申请号：CN202110624187.2
申请日：2021-06-04
Applicant: 中国石油大学(华东)
Abstract: 本发明提出一种基于小样本学习的剩余油挖潜方法，主要涉及深度学习，石油勘探领域。主要步骤包含：对获取的测井曲线数据进行预处理，并进行任务划分，设置支持集和查询集；设计基于小样本学习的地层划分方法，以识别单口井附近的含油储层，从而判断多口井的含油储层是否为同一地层，实现智能小层对比；设计三层循环的MAML(Model‑Agnostic Meta‑Learning)架构，解决井场间地质差异较大问题，根据地层划分所识别的油层，预测单口井附近的储集层的含油饱和度；设计基于度量学习的含油区块搜索方法，根据识别出的油层以及所预测出的该油层的含油饱和度，在横向储层中针对井网结构使用图神经网络进行特征相似度表征，进行剩余油挖潜相关研究。本发明针对地质数据样本量不足，借助小样本学习方法进行剩余油挖潜，并对元学习方法进行优化，实现有效的剩余油挖潜。
-
公开(公告)号：CN114429126A
公开(公告)日：2022-05-03
申请号：CN202111554272.2
申请日：2021-12-17
Applicant: 中国石油大学(华东)
IPC: G06F40/289 , G06F16/35 , G06F16/36 , G06N3/04
Abstract: 本发明提出一种基于强化学习和事理知识图谱的真假消息鉴别方法。互联网和新媒体的发展突破了网络消息时空的限制，使得虚假消息能够在短时间内对现实世界产生巨大影响。目前谣言检测还主要依赖用户举报，无法大规模对网络中的信息进行检测，而基于深度学习的检测方法时效性不强且缺少训练数据。为提高对网络中真假信息的检测效率，及时对突发事件进行真假判别，基于强化学习和事理知识图图谱，提出一种真假消息鉴别方法，使用弱分类器对舆情数据进行真假分类，使用强化学习筛选置信度高的舆情数据，使用基于事理知识图谱的真对筛选后的舆情数据进行真假鉴别，并根据鉴别结果更新强化学习和弱分类器。
-
Patent Agency Ranking
公开(公告)号：CN113222171A
公开(公告)日：2021-08-06
申请号：CN202110391577.X
申请日：2021-04-13
Applicant: 中国石油大学(华东)
Abstract: 本发明提出了一种联邦学习的趋同式模型训练方法，包括如下步骤：中心节点采集模型；中心节点模型分层融合；中心节点模型神经元冻结；模型下发至子节点；子节点模型训练并上传。中心节点获取到不同子节点的模型会具有不同的训练特征，为了使不同节点训练的深度神经网络对于非独立同分布数据能够得到同样的输出结果，对于子模型的各层神经元分步进行融合；为了提高模型鲁棒性，对模型中随机的神经元进行失活处理；得到的模型下发到子节点继续训练，并将训练后的模型再次重复之前步骤，直至收敛。
-
公开(公告)号：CN112418434A
公开(公告)日：2021-02-26
申请号：CN202011230007.4
申请日：2020-11-06
Applicant: 中国石油大学(华东)
IPC: G06N20/00
Abstract: 本发明提出一种基于强化学习的联邦学习模型融合策略。联邦学习作为一门新兴技术，其保护个人及组织的隐私数据能力与新基建中的科技助力公共价值理念不谋而合，同时帮助各产业研究的机构组织进行合规的数据价值释放，近年来受到广泛的关注。联邦学习的明显好处是在大量设备上分配知识质量，而无需集中用于优化和训练模型的数据。该方法还能够在保持训练数据集的隐私的同时提高集中式机器学习模型的质量。在联邦学习中一个重要的问题是，如何融合各个节点上传的模型才能使最终模型能够达到最好的效果，基于此，本发明提供一种基于强化学习的联邦学习模型融合策略，用以动态的学习融合时各个节点模型的权值，并取得更好的模型效果。
-
公开(公告)号：CN112257580A
公开(公告)日：2021-01-22
申请号：CN202011134250.6
申请日：2020-10-21
Applicant: 中国石油大学(华东)
Abstract: 本发明提出了一种基于深度学习的人体关键点定位检测方法，以深度学习中的关键点检测算法为基础，提出新的二次回归检测方法，利用人体结构特点再次精准确定关键点位置。以深度学习中的卷积神经网络以及循环神经网络技术为基础，通过构建关键点检测神经网络对图片中的人体关键点进行精确定位。本发明在人体关键点定位算法设计和选取时，充分考虑其应用在安全带佩戴规范所接触的人体关键特征，此方法主要提高肩部、胸部、腰部及大腿部等7处重要骨骼关键点的位置检测的精度，采用关键点定位检测模块与安全带的检测模块相融合的方式进行高精确判断人员安全带佩戴是否符合规范。
-
公开(公告)号：CN112216401A
公开(公告)日：2021-01-12
申请号：CN202011082180.4
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DF(Dynamic Fusion)的新冠肺炎联邦学习检测方法。由于X‑Ray和肺部CT图像对于新冠肺炎的诊断具有重要意义，而联邦学习可以在保护数据隐私的前提下进行机器学习建模，因此设计了一种使用联邦学习针对图像数据对新冠肺炎进行诊断的方法，可以对不同医院的数据进行综合运用建立基于深度学习的检测模型。为了降低联邦学习中的通信消耗，利用DF(Dynamic Fusion)对等待上传的模型进行筛选，针对每次客户节点训练的本地模型在测试集上的准确率决定该模型是否上传融合，并通过评估各个客户节点的计算能力设置Waiting Time来有效解决中心节点等待问题。该发明能够针对肺部图像数据对于新冠肺炎进行准确诊断，并有效的降低通讯损耗。
-
公开(公告)号：CN112200014A
公开(公告)日：2021-01-08
申请号：CN202010972359.0
申请日：2020-09-16
Applicant: 中国石油大学(华东)
Abstract: 本发明提出一种基于SOMD的室外电力场景下异物入侵检测算法。电力检修场景的安全监控对于生产安全至关重要，避免监控输电环境中的异物入侵造成的故障和安全事故，是电力场景大规模智能监控系统的重要研究方向。考虑到在实际生产环境中，室外电力场景中的异物入侵相较于场景整体比较微小，例如风筝、塑料袋、飞鸟等，且在造成故障或事故之前会有一个入侵的动作过程，本文提出一种基于SOMD(Small Object Motion Detect)的室外场景下异物入侵检测算法，通过对图像进行背景提取，捕获图像中入侵的物体，同时排除由光影变化、镜头晃动造成的误检，通过Inception网络对捕获到的目标进行分类，识别各类入侵的异物。
-
-
-
-
-
-
-
-
-
Search Results
165
records
(took 0.043 seconds)
