公开(公告)号：CN120014087A

公开(公告)日：2025-05-16

申请号：CN202510084985.9

申请日：2025-01-20

Applicant: 中南大学 ,  中国铁道科学研究院集团有限公司 ,  中国国家铁路集团有限公司

Inventor： 费洪晓 ,  陈德轩 ,  龙军 ,  罗跃逸 ,  齐倩倩 ,  洪俊坤 ,  李国华 ,  邹丹 ,  孙思齐 ,  王沛然 ,  吴江

IPC: G06T11/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/098 ,  G06N3/084 ,  G06N3/0985 ,  G06N5/04 ,  G06F21/62

Abstract: 本发明公开了一种联邦学习背景下跨参与方图像重构方法、系统及介质，其中方法包括：根据客户端上传的目标梯度推断目标图像的标签；构建条件去噪扩散隐式模型，以隐变量和标签为输入，生成匹配图像；确定损失函数，损失函数中包括匹配梯度相对于目标梯度的损失与生成匹配图像的正则化损失，匹配梯度通过将匹配图像和标签一同放入联邦学习模型学习一轮得到；初始化隐变量，根据损失函数依次优化前隐变量n个时间步的隐变量，进而基于优化的隐变量和推断的标签，使用条件去噪扩散隐式模型得到重构图像。通过梯度匹配损失和正则化损失依次对条件去噪扩散隐式模型的前n个隐变量进行优化，提高了优化效率，重构图像更忠实于目标图像。

公开(公告)号：CN119886256A

公开(公告)日：2025-04-25

申请号：CN202510386180.X

申请日：2025-03-31

Applicant: 中南大学

Inventor： 苏修 ,  丁小云 ,  吴忠泽 ,  龙军

IPC: G06N3/08 ,  G16H50/00 ,  G06N3/0495 ,  G06F17/16

Abstract: 本发明涉及医疗具身机器人技术领域，具体涉及一种面向数字健康机器人的大模型微调方法、设备和介质，所述方法通过对具身大模型预训练的权重矩阵进行随机奇异值分解，并对随机高斯初始化矩阵进行重采样，实现数字健康机器人的具身大模型参数高效微调。本发明方法在微调数字健康机器人的具身大模型时引入了随机奇异值分解：随机奇异值分解通过引入随机采样来近似计算矩阵的主要成分，从而在保持计算效率的同时，尽可能保留矩阵的关键信息。

公开(公告)号：CN119474019B

公开(公告)日：2025-04-22

申请号：CN202510036163.3

申请日：2025-01-09

Applicant: 中南大学

Inventor： 杨展 ,  龙伟露 ,  龙军 ,  李逸楠 ,  陈云飞

IPC: G06F16/13 ,  G06N3/0464 ,  G06N3/084 ,  G06F18/241 ,  G06F18/25

Abstract: 本申请涉及了一种面向流数据的持续哈希学习检索方法和装置，本方法构建了哈希检索模型，哈希检索模型训练过程引入持续学习框架，首先通过残差网络基于自监督学习从无标签的训练流数据中提取出第一特征，卷积神经网络能够利用第一特征快速学习有标签的样本数据，并将学习到的第二特征反馈给残差网络，以巩固残差网络；训练流数据包括实时采集的第一实时流数据和数据库中的预存流数据，这样模型能够在不断学习新的实时流数据同时避免对旧的预存流数据知识的遗忘，而且持续学习框架还与哈希函数有效连接，利用残差网络和卷积神经网络持续学习进而提取的特征指导哈希函数的学习，不断提高生成的哈希码质量，进一步提升检索性能。

公开(公告)号：CN119830222A

公开(公告)日：2025-04-15

申请号：CN202510300843.1

申请日：2025-03-14

Applicant: 中南大学

Inventor： 杨展 ,  陈炳宏 ,  李逸楠 ,  龙军

IPC: G06F18/25 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/096 ,  G06F18/213 ,  G06F18/28

Abstract: 本申请公开了一种基于注意力机制的跨模态哈希检索方法，包括：获取第一多模态数据；将第一多模态数据输入检索与表示学习模型，得到目标融合离散哈希码，目标融合离散哈希码用于对第一多模态数据进行检索；其中，检索与表示学习模型通过以下步骤得到：获取多个训练样本，训练样本包括第二多模态数据和第一融合离散哈希码；基于损失函数，将多个训练样本输入初始检索与表示学习模型进行模型迭代训练，直至损失函数值达到预设的收敛值，得到检索与表示学习模型，其中，初始检索与表示学习模型基于卷积神经网络、词袋模型、Transformer编码器和/或跨模态注意力机制构建。

公开(公告)号：CN119722685A

公开(公告)日：2025-03-28

申请号：CN202510237750.9

申请日：2025-03-03

Applicant: 中南大学

Inventor： 龙军 ,  李松明 ,  吴忠泽 ,  苏修

IPC: G06T7/00 ,  G16H50/20 ,  G06N3/045 ,  G06N3/09 ,  G06V10/26 ,  G06V10/44 ,  G06V10/52 ,  G06V10/82

Abstract: 本发明涉及智能医疗技术领域，具体涉及一种多模态医学信息处理方法、设备及介质，所述方法包括下列步骤：S1：构建医学信息处理模型，所述医学信息处理模型包括自适应调整编码器、多尺度自提示生成模块和特征金字塔网络；S2：采用交叉对比学习训练所述医学信息处理模型；S3：获取患者的医学信息，将医学信息输入训练后的医学信息处理模型，得到处理结果。本发明方法采用自适应调整编码器，在捕捉图像特征的同时，结合不同知识域的信息，增强了模型对多样化数据的适应性。

公开(公告)号：CN119129600B

公开(公告)日：2025-02-18

申请号：CN202411603699.0

申请日：2024-11-12

Applicant: 中南大学

Inventor： 黄金彩 ,  伍浪 ,  杨柳 ,  龙军 ,  职志豪

IPC: G06F40/295 ,  G06F40/237 ,  G06F40/284 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/0895

Abstract: 本发明涉及自然语言处理技术领域，具体涉及一种基于空间关系感知的地名实体识别方法、介质和设备，所述方法包括如下步骤：通过网络中地名实体的自然语言句子以及处理地理数据集构造的伪句子构建语料库，利用伪句子和自然语言句子，采用对比学习和掩码语言建模学习进一步训练自然语言模型。本方法基于自然语言模型搭建一种中文命名实体识别模型：通过词向量转换学习字符级特征表示，自然语言模型学习词级特征表示，融合嵌入层整合字符级特征表示和词级特征表示生成新的特征表示，通过双向长短期记忆网络提取文本上下文语义特征，条件随机场获得全局最优的标签序列，实现地名实体识别。本发明方法提升了地名实体识别模型的整体性能。

公开(公告)号：CN118885620B

公开(公告)日：2025-01-24

申请号：CN202411396594.2

申请日：2024-10-09

Applicant: 中南大学

Inventor： 陈梦妮 ,  杨柳 ,  龙军 ,  陈庭轩

IPC: G06F16/35 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/082 ,  G06F16/36

Abstract: 本发明涉及图深度学习领域，具体涉及一种基于图扩散增强超边的科技文献主题分类方法，包括步骤：收集科技文献数据；对科技文献利用独热编码提取文本特征，得到文献特征矩阵；将得到科技文献数据构建图数据结构；将图数据结构输入到原始图‑超边生成器中缓解节点数量不平衡；将图数据结构输入到基于图扩散的双通道超边增强器中缓解节点拓扑不平衡；基于增强超图和超图神经网络训练一个无偏分类器，将增强超图输入到无偏分类器中获得最终的分类结果，对科技文献进行主题分类。本发明解决了现有技术中采用图神经网络的方法由于科技文献主题类别分布不平衡而导致科技文献主题分类不精确的技术问题。

公开(公告)号：CN119172334A

公开(公告)日：2024-12-20

申请号：CN202411654417.X

申请日：2024-11-19

Applicant: 中南大学

Inventor： 郭霖 ,  吴昱辰 ,  郭冉 ,  高羽彤 ,  赵季中 ,  龙军

IPC: H04L47/76 ,  H04L47/70

Abstract: 本申请公开了一种动态网络异构资源管理与任务分配方法、系统及设备，该方法通过构建多个约束条件；构建用于最大化任务执行效用并最小化资源消耗和能耗的第一目标函数；基于第一目标函数和多个约束条件，采用拉格朗日松弛求解得到静态任务分配策略；构建对静态任务分配策略进行资源调整时的动态任务分配策略，并基于动态任务分配策略，采用马尔可夫决策过程对每个时间步的资源进行调整，得到每个时间步的目标资源调整量；根据静态任务分配策略和目标资源调整量，构建静态任务更新策略；基于静态任务分配策略、动态任务分配策略以及静态任务更新策略，采用交替优化得到目标任务分配策略。本申请能够提高整体资源利用率，并且提高任务执行效率。

公开(公告)号：CN119052161A

公开(公告)日：2024-11-29

申请号：CN202411540302.8

申请日：2024-10-31

Applicant: 中南大学

Inventor： 郭霖 ,  厉轩伊 ,  朱阳 ,  朱丹彤 ,  龙军 ,  赵季中

IPC: H04L45/12 ,  H04L47/76 ,  H04L67/12

Abstract: 本申请公开了一种基于物联网的动态多源数据聚合与调度方法、系统及设备，该方法设置基于物联网的动态多源数据聚合与调度过程中的多个约束条件，多源数据为来自不同的物联网节点的数据；在满足多个约束条件的情况下，构建第一目标函数，第一目标函数为对基于物联网的动态多源数据聚合与调度过程中传输的数据进行数据冗余最小化和传输效率最大化；根据第一目标函数，确认全局目标路径集；在采用全局目标路径集对多源数据进行聚合与调度时，计算全局目标路径集中所有物联网节点的已用资源与节点总资源之间的比值；根据比值，调整多源数据进行聚合与调度时的资源分配。本申请能够提高任务调度效率和减少传输延迟。

公开(公告)号：CN118942530A

公开(公告)日：2024-11-12

申请号：CN202411388905.0

申请日：2024-10-08

Applicant: 中南大学

Inventor： 贾婷婷 ,  李亚娟 ,  龙军

IPC: G16B5/30 ,  G16B40/00 ,  G06F30/28 ,  G06F30/27 ,  G06N3/04 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种生物流体流动拟合方法、系统、终端及介质，其中方法包括：构建生物流体流动计算域以及确定基于CBS型方程的控制方程，确定初始条件约束和边界条件约束；选取用于模型训练的初始点、边界点和残差点，构建样本数据集；构建神经网络模型；构建控制方程损失、初始条件损失、边界条件损失，并采用加权形式得到损失函数；设置初始条件损失、边界条件损失和控制方程损失的权重调整规则，采用样本数据集对神经网络模型进行训练，得到CBS型方程拟合模型；将生物流体待拟合点时空坐标输入CBS型方程拟合模型，得到待拟合点的波的高度。本发明对损失函数中各项损失的权重更新进行了优化设计，实现了对生物流体流动的高精度拟合。