-
公开(公告)号：CN119941427A
公开(公告)日：2025-05-06
申请号：CN202510081908.8
申请日：2025-01-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC: G06Q50/00 , G06F17/16 , G06F18/22 , G06F18/23213 , G06N3/042 , G06N3/0455 , G06N3/084
Abstract: 一种基于深度学习及社区划分的影响力最大化方法，涉及社交网络技术领域，将基于深度学习的社区划分模型与传统的社区划分影响力最大化算法相结合，形成了一种新的影响力最大化算法。在社区划分过程中，该方法利用节点嵌入为节点生成属性，并融合了自动编码器、模块度和自训练模块。节点嵌入不仅使模型适用于普通网络，还可以在属性网络中用于求解影响力最大化问题，提升了泛用性。在节点选择时，采用采样方法，在保证准确度的同时，提高了求解效率。
-
公开(公告)号：CN118133188B
公开(公告)日：2025-04-15
申请号：CN202410417179.4
申请日：2024-04-09
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东科技大学
IPC: G06F18/2431 , A61B5/318 , A61B5/346 , A61B5/00 , G06F18/214 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 一种基于对比学习和CHNet模型的心电分类方法，涉及心电信号分类领域，首先无标签心电信号经由预处理操作之后得到采样频率、采样点数规格统一的信号，信号传入数据增强层经由两种不同信号的增强组合分别得到增强后的信号，借助CHNet神经网络分别重新编码先前得到的增强信号编码，进行通过设计的对比损失函数计算两种增强信号编码之前的差距，即不同类别之间使其差距更大相同类别之间差距更小。根据损失之间的差异更新CHNet模型，最后添加线性层实现对心电信号的分类。
-
公开(公告)号：CN119292867A
公开(公告)日：2025-01-10
申请号：CN202411355558.1
申请日：2024-09-27
Applicant: 山东省人工智能研究院 , 山东科技大学 , 齐鲁工业大学(山东省科学院)
IPC: G06F11/30 , G06N3/0455 , G06N3/042 , G06N3/088
Abstract: 一种图对比学习的云系统异常检测方法，涉及云系统性能检测技术领域，通过在数据增强模块中结合时域和频域的处理策略，不仅保证了数据多样性的同时也维持了数据的时间连续性，为后续的特征学习提供了高质量的输入。GGRN模块的引入，使得模型能够同时从结构和时间两个维度学习到云系统的深层次特征，为异常检测提供了丰富的语义信息。轻量化的线性注意力编码器和对比学习的结合，不仅优化了模型在特征提取上的效率，而且通过对比学习增强了模型对不同状态模式区分的能力，从而提高了异常检测的准确率和鲁棒性。
-
公开(公告)号：CN119151956A
公开(公告)日：2024-12-17
申请号：CN202411170349.X
申请日：2024-08-26
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 青岛海信医疗设备股份有限公司
IPC: G06T7/11 , G06T5/50 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/098
Abstract: 一种基于状态空间模型和双路径多尺度增强的心脏图像分割方法，涉及图像分割技术领域，状态空间注意力模块通过整合SSM状态空间模型分支、卷积分支和注意力分支，不仅提高了模型对心脏图像中各个结构边界的识别精度，而且利用了SSM在保持对输入大小线性相关的计算复杂度的同时，处理长距离依赖性的独特优势，有助于更精确且计算高效地分割心脏图像。双路径多尺度增强模块通过通道聚合分支和多尺度融合分支，可以增强模型对不同尺度结构的识别能力，提高模型的适应性和鲁棒性，有助于处理各种大小的心脏结构。因此，我们的方法可以更好地适应心脏图像分割的复杂性和多样性，提供更高精度和效率的分割结果，显著提升心脏疾病诊断和治疗规划的准确性。
-
公开(公告)号：CN116612087B
公开(公告)日：2024-02-23
申请号：CN202310577137.2
申请日：2023-05-22
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 青岛海信医疗设备股份有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 一种基于YOLOv5‑LA的冠脉CTA狭窄检测方法，通过设计更轻量的LA网络来替代YOLOv5的主干特征提取网络。该方法分为两个阶段。第一阶段，通过分离可卷积和残差连接以降低计算复杂度，同时增强模型的感受野。第二阶段，引入轻量级注意力机制ECA，以建模通道之间的关系。然后，通过1×1的卷积进行通道重排，以增加特征之间的交互性，提高网络的表达能力，并减少模型对某些特定通道的依赖，从而防止过拟合。该改进方法可避免由于冠脉CTA图像分辨率较高和YOLOv5参数量较大而导致的低效率问题，在检测医学图像病变部位时更为准确和高效。
-
Patent Agency Ranking
公开(公告)号：CN115205986A
公开(公告)日：2022-10-18
申请号：CN202210946655.2
申请日：2022-08-09
Applicant: 山东省人工智能研究院 , 齐鲁工业大学
Abstract: 一种基于知识蒸馏与transformer的假视频检测方法，通过对一个视频帧的脸图像提取多样的局部特征与全局特征，并利用多头注意力缩放技术提取多样的全局特征，并利用空间注意力缩放技术进行多样的全局特征精炼，最后送入分类器进行检测Deepfake视频的方法。由于空间注意力缩放技术的引入，检测到的deepfake的准确度明显优于其他方法。
-
公开(公告)号：CN113935378A
公开(公告)日：2022-01-14
申请号：CN202111196251.8
申请日：2021-10-14
Applicant: 山东省人工智能研究院 , 齐鲁工业大学
Abstract: 一种基于对抗性深度全卷积网络的ECG降噪方法，通过基于深度卷积网络的对抗性心电信号降噪方法，模型中采用卷积块来更进一步的保留细节，采用膨胀卷积去减少计算的复杂度，每层都采用了批量规范化以获得更好的梯度流，快速收敛。最后利用鉴别器来更好的去学习优化。此设计在保留细节的同时，还可以体现出低复杂度、高精准的降噪信号。
-
公开(公告)号：CN113205509A
公开(公告)日：2021-08-03
申请号：CN202110563191.2
申请日：2021-05-24
Applicant: 山东省人工智能研究院 , 齐鲁工业大学
Abstract: 一种基于位置卷积注意力网络的血管斑块CT影像分割方法，通过对原始采集到的影像依次进行归一化、去噪、增强的预处理操作；其次，将预处理后的影像输入到位置卷积注意力网络进行分割。位置卷积注意力网络包含两大模块：模块一为位置注意力模块，利用自注意力机制去捕获影像像素之间的位置关联度和依赖程度，以此生成聚合的影像特征图，从而通过关联度高的像素点表现出的极高相似性，形成初步的分割区域。模块二为V‑Net结构，利用下采样、上采样和跳跃连接结构生成恢复特征图，恢复特征图融合了更多的像素特征，使得分割图边缘等信息更为精细；最后，将位置卷积注意力网络输出的聚合影像特征图与恢复特征图进行像素点融合，得到目标分割影像。
-
公开(公告)号：CN119377881B
公开(公告)日：2025-04-29
申请号：CN202411441883.X
申请日：2024-10-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 青岛海尔科技有限公司
IPC: G06F18/25 , G06F18/2431 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/0442
Abstract: 一种高质量可穿戴传感器数据合成方法，涉及数据合成技术领域，提供了面向高质量传感器数据合成任务的生成式模型方法，从而能够根据任务的实际需求，合成高信息价值的可穿戴传感器数据样本。将主动学习机制引入到对抗训练中，对样本的信息价值进行自适应评估，使生成式模型能够更有效地学习信息价值高的数据的分布特性，从而合成更有实用价值的可穿戴传感器数据样本。
-
公开(公告)号：CN119377881A
公开(公告)日：2025-01-28
申请号：CN202411441883.X
申请日：2024-10-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 青岛海尔科技有限公司
IPC: G06F18/25 , G06F18/2431 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/0442
Abstract: 一种高质量可穿戴传感器数据合成方法，涉及数据合成技术领域，提供了面向高质量传感器数据合成任务的生成式模型方法，从而能够根据任务的实际需求，合成高信息价值的可穿戴传感器数据样本。将主动学习机制引入到对抗训练中，对样本的信息价值进行自适应评估，使生成式模型能够更有效地学习信息价值高的数据的分布特性，从而合成更有实用价值的可穿戴传感器数据样本。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.046 seconds)
