-
公开(公告)号：CN104523268A
公开(公告)日：2015-04-22
申请号：CN201510024018.X
申请日：2015-01-15
Applicant: 江南大学
IPC: A61B5/0476
CPC classification number: A61B5/0476 , A61B5/4094
Abstract: 本发明公开了一种具备迁移学习能力的脑电信号识别模糊系统方法。传统智能识别方法都假设模型的训练集和测试集服从相同的数据分布，因而仅在训练域和测试域数据服从相同分布时方可获取良好的分类性能。本发明所提方法利用迁移学习策略来帮助迁移学习环境下的癫痫脑电信号识别。基于模糊系统构建具备直推式迁移学习能力的0阶TSK型模糊系统建模技术。此技术因具备了迁移学习能力而不再局限于训练域和测试域数据分布一致的假设，允许两者之间存在一定的差异性，不仅在训练域与测试域数据分布相同的场景下保持良好的性能，也大大提高了最终所获模型在多样化的脑电信号识别问题下的识别效果。
-
公开(公告)号：CN102881019A
公开(公告)日：2013-01-16
申请号：CN201210384176.2
申请日：2012-10-08
Applicant: 江南大学
Abstract: 本发明公开了一种具备迁移学习能力的模糊聚类图像分割方法。该方法以经典的模糊C均值算法作为研究对象，针对模糊C均值算法在面对带噪声的图像时抗噪声能力弱的缺陷，提出了一种具备迁移学习能力的模糊聚类图像分割方法。此图像分割方法在处理新的图像时，特别针对含噪声污染的图像，该方法能够有效地学习利用以往大量的相似图像通过模糊C均值算法所总结得到的可靠的聚类知识，该类知识一般被描述为聚类中心，通过将上述可靠知识引入到当前的新图像分割任务中可以有效地引导当前的聚类任务的完成并起到抗噪的效果，进而获取更为精准的聚类中心及更为精确的图像分割结果。
-
公开(公告)号：CN112967240B
公开(公告)日：2025-04-25
申请号：CN202110215672.4
申请日：2021-02-26
Applicant: 江南大学
IPC: G06T11/00 , G06T7/00 , G06T5/60 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/096 , G06V10/774
Abstract: 本发明公开了基于深层3D网络与迁移学习的医学图像生成方法，本发明利用图像预处理、制作数据集、数据增强、模型训练、观测模型、网格寻优、再次训练、再次核对、数据测试、评价指标、结果讨论的方式进行模型的训练，并最终利用该模型进行医学图像的生成，涉及医学图像处理技术领域，本发明科学合理，使用安全方便，在本模型中，是将原始图像分成若干个区域，计算各个域的Softmax数值求取平均值，本发明的模型仅仅需要两类医学图像即可，并没有过多的要求，这对于临床实践而言是有意义的；本发明的模型是两个域之间的转换，可以同时进行两种图像的转换，从转换效率而言，本发明的模型转化效率更高。
-
公开(公告)号：CN118820484A
公开(公告)日：2024-10-22
申请号：CN202410804900.5
申请日：2024-06-21
Applicant: 江南大学 , 苏州觉卿谛语智能科技有限公司
IPC: G06F16/36 , G06F18/214 , G06F18/2415
Abstract: 本发明涉及知识图谱补全任务技术领域，具体指一种基于大模型的知识图谱补全方法、设备及可读存储介质，包括：基于各个实体嵌入特征，构建各个实体的节点中心度函数、节点指示函数，确定所有实体的中心度数之和、节点指示函数值之和；基于各个待预测三元组的实体分布概率，构建各个待预测三元组的焦点损失函数，并结合所有实体的中心度数之和、节点指示函数值之和，构建各个待预测三元组的基于节点中心度的焦点平衡损失函数；根据预设的批次大小，构建当前批次的目标损失函数。本发明提高了大模型收敛速度、精度，提高了二阶段补全框架的推理速度、预测准确度，提高了知识图谱最终补全结果的准确率以及补全过程的处理效率。
-
公开(公告)号：CN118196831A
公开(公告)日：2024-06-14
申请号：CN202410198457.1
申请日：2024-02-22
Applicant: 江南大学
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种基于注意力和对比原型的小样本视觉提示微调方法、装置及计算机可读存储介质。本发明所述方法，在视觉自注意力模型中嵌入层和第一个注意力层之间连接提示模块，所述提示模块由多个连续嵌入组成，并在视觉自注意力模型的每个注意力层中分别增加前缀模块，利用前缀模块的键值对分别重组注意力层中多头自注意力的键值对；将注意力原型作为提示模块的初始化参数，冻结经过预训练的视觉自注意力模型的骨干网络参数，仅对提示模块和前缀模块的参数进行更新。本发明不仅降低了微调的参数量，减少了存储需求和算力需求，而且减轻了过拟合风险，保证了小样本任务的泛化性能。
-
Patent Agency Ranking
公开(公告)号：CN117726815A
公开(公告)日：2024-03-19
申请号：CN202311758269.1
申请日：2023-12-19
Applicant: 江南大学
IPC: G06V10/26 , G06V20/70 , G06V10/82 , G06V10/52 , G06V10/80 , G06V10/762 , G06V10/764 , G06N3/045 , G06N3/084
Abstract: 本申请公开了一种基于异常检测的小样本医学图像分割方法，涉及医学技术领域，该方法利用特征提取模块对输入的支持切片图像提取支持特征以及对输入的查询切片图像提取查询特征，利用原型提取模块基于支持特征及对应的超像素标签提取得到各个前景类别的前景原型，利用异常检测模块基于查询特征和各个前景类别的前景原型得到分割结果，继而结合对应的超像素标签计算得到损失函数进行模型训练用于小样本医学图像分割。该方法引入异常检测模块使得网络模型能够更好地适应医学图像的特殊性，从而更好地应对不同器官、不同密度和不同结构的医学图像分割，能够有效提高小样本医学图像分割的性能和可靠性。
-
公开(公告)号：CN116596161B
公开(公告)日：2023-10-13
申请号：CN202310807852.0
申请日：2023-07-04
Applicant: 江南大学
IPC: G06Q10/04 , G06Q50/30 , G06F18/213 , G06F18/2337 , G06F18/24
Abstract: 本发明涉及一种多中心小样本场景下目标预测模型构建方法和预测方法。通过结合迁移学习的思想直接用已训练节点的知识对新节点的训练集进行预测，借助预测错误样本体现新节点与已训练节点的差异，将其作为补充知识，以此快速获取新节点的模型知识，避免每次都对新节点从头训练；最后使用岭回归方法实现增量式子分类器的并行集成，大大节省了部署时间和成本。通过共享历史知识和知识丢弃机制保证模型的泛化性，在足够的共享知识的支持下，对于小样本量的节点也可以取得较好的分类效果。基于具有高度可解释性的零阶TSK模糊系统进行改进，所有的模型参数都可以通过规则的形式体现，有着高度的语义透明性，在实际应用中更能帮助用户分析和理解数据。
-
公开(公告)号：CN114628023A
公开(公告)日：2022-06-14
申请号：CN202210095777.5
申请日：2022-01-26
Applicant: 江南大学
Abstract: 本发明公开了一种基于元学习的深度模糊决策系统，包括参数设置模块、数据空间划分模块、数据处理模块、参数调控模块和循坏训练模块；参数设置模块用于对决策系统中的参数进行设置；数据空间划分模块用于通过FCM或者其他划分技术对训练数据的输入空间进行划分；数据处理模块将数据空间划分模块中的数据转化为相应线性回归模型问题来求解后件参数和输出结果；参数调控模块用于设置初始化参数i并进行随机选择；循环训练模块用于针对所述参数设置模块中的当前图层指示器j进行判断并得出最终输出结果；本发明有效排除不需要的噪声并通过遗忘和变异使有效的特征得到充分的训练。
-
公开(公告)号：CN109994197A
公开(公告)日：2019-07-09
申请号：CN201910264984.7
申请日：2019-04-03
Applicant: 江南大学
Abstract: 本发明公开了一种基于人工智能的医疗大数据处理系统，该医疗大数据处理系统包括：用于由移动终端收集用户的医疗相关信息的单元；用于由移动终端确定通过第一无线接入技术向医疗大数据处理平台发送所收集的医疗相关信息的单元；用于如果在确定通过第一无线接入技术向医疗大数据处理平台发送所收集的医疗相关信息之后，由移动终端接收到医疗大数据处理平台发送的第一测量报告请求，则移动终端执行第一处理的单元；用于由医疗大数据处理平台基于第一测量报告向移动终端发送医疗相关信息请求消息的单元；以及用于响应于接收到医疗相关信息请求消息，由移动终端通过第一无线接入技术向医疗大数据处理平台发送所收集的医疗相关信息的单元。
-
公开(公告)号：CN107693909A
公开(公告)日：2018-02-16
申请号：CN201711013297.5
申请日：2017-10-25
Applicant: 江南大学
CPC classification number: A61M11/00 , A61M31/00 , A61M2205/33 , A61M2210/1025 , A61M2210/005
Abstract: 本发明公开了基于多视角模糊智能系统的手持式智能人工雾化器，包括手持式雾化底座、可拆卸式雾化液筒体、雾化喷嘴和可拆卸式安抚挂件；可拆卸式雾化液筒体上还连接有雾化面罩，雾化面罩包括硬质罩体、面部托板和托架支撑杆，其中面部托板通过若干托架支撑杆连接在硬质罩体的末端，而且托架支撑杆的外侧还包裹有透气罩；雾化面罩的面部托板的周边均匀地布置有至少四个微型压力传感器，本发明的雾化器的多视角模糊智能系统通过其中心控制装置获取这些微型压力传感器的压力数值、使用者的呼吸频率，实时控制雾化面罩的雾化电机的工作电压，最终控制雾化喷嘴的雾化大小，训练患者的呼吸习惯，为该儿童提供合理的雾化速率，具有较高的舒适性能。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.039 seconds)
