-
公开(公告)号：CN119943357A
公开(公告)日：2025-05-06
申请号：CN202510420935.3
申请日：2025-04-07
Applicant: 厦门理工学院
IPC: G16H50/20 , G16H50/30 , G16H50/70 , G16H40/67 , G06N5/022 , G06N3/098 , G06N3/096 , G06N3/09 , G06N3/045 , G06N3/0464 , G06F18/25 , G06F18/2415 , G06F18/2431 , G06F16/41 , G06F16/45 , G06F16/483
Abstract: 本发明提供的基于知识缓存与个性化联邦学习的诊断预测装置及系统，涉及模型学习与医学影像诊断领域。本发明通过接收多个客户端上传的医学样本索引信息，构建动态知识缓存；根据医学样本索引信息创建标签到索引、索引到哈希值的索引关系映射表；初始化每个医学样本并建立每个医学样本与R个最相似样本的索引关系映射；接收各客户端上传的类别概率向量及其索引，更新知识缓存；然后更新索引关系映射表，并检索R个最相似样本的知识向量；采用加权平均方法生成综合知识表示；将综合知识表示分发至各客户端进行个性化联邦学习；训练好的各客户端模型用于医学诊断预测。本发明解决了通信成本高、模型结构兼容性差及公共数据集获取困难的问题。
-
公开(公告)号：CN119204096B
公开(公告)日：2025-02-21
申请号：CN202411707990.2
申请日：2024-11-27
Applicant: 厦门理工学院
IPC: G06N3/042 , G06N3/084 , G06F18/214 , G06F18/2415
Abstract: 本发明提供的一种基于稀疏与远邻节点增强的图表示学习方法，涉及数据增强技术领域。本发明根据获取的待增强的图结构数据集，得到初始节点特征矩阵、邻接矩阵与原始分类标签，并划分训练集与测试集；利用特征增强技术对训练集的节点特征进行强化，得到稀疏增强图结构数据集；然后结合节点混合技术，通过对类内节点和类间节点进行特征和分类标签的混合，以增加远邻节点的可达性，得到远邻增强图结构数据集；将远邻增强图结构数据集输入图神经网络模型进行图表示学习与训练，从而得到最优的节点表示与训练好的图表示学习模型；最后经模型测试评估，得到评估好的模型。本发明解决了传统图神经网络在处理稀疏节点和远邻节点信息聚合时的不足。
-
公开(公告)号：CN115222274A
公开(公告)日：2022-10-21
申请号：CN202210905400.1
申请日：2022-07-29
Applicant: 厦门理工学院
Abstract: 本发明提供了一种供应链风控系统与方法，包括数据解析与存储模块、数据处理与监控模块、风险评估模块和控制策略模块，所述数据解析与存储模块用于解析电子渠道内供应链客户的相关数据并进行保存，所述数据处理与监控模块用于监控所述数据解析与存储模块中的数据并对发生变化的用户数据根据预设配置信息进行处理，所述风险评估模块根据处理后的数据对供应链客户进行风险评估，所述控制策略模块用于根据风险评估结果触发对应的风险控制与化解策略，并将风险控制与化解策略输出至业务前端；本发明通过风险评估模块中预设的模型提升风险评估精确性，风险评估模块与控制策略模块联动，提高了风险化解效率。
-
公开(公告)号：CN114972032A
公开(公告)日：2022-08-30
申请号：CN202210630016.5
申请日：2022-06-06
Applicant: 厦门理工学院
Abstract: 本发明提出基于深度学习的图像超分辨率重建方法及系统，属于图像重建技术领域。方法包括步骤S1：获取第一分辨率组合的多个原始视频帧；S2：将所述多个原始视频帧进行分组，得到多个分组视频帧；S3：针对每一个分组视频帧执行超分辨率重建，得到第二分辨率组合的多个重建视频帧；S4：融合所述多个重建视频帧，得到所述原始视频帧的超分辨率重建结果。系统包括视频帧获取单元、视频帧分组单元、分组重建单元以及视频帧融合单元，用于实现所述方法。本发明的技术方案可以基于原始视频帧的时间戳和视角信息选择对应的深度学习模型执行分辨率重建，避免了单一重建方法带来的视角差异以及时间错误问题。
-
公开(公告)号：CN113704731A
公开(公告)日：2021-11-26
申请号：CN202111039516.3
申请日：2021-09-06
Abstract: 本发明公开了一种面向医院的患者异常就医行为检测系统，包括就医异常检测分析器(1)、数据存储平台(2)、身份识别模块(3)、人员就医数据获取模块(4)、人员购药数据获取模块(5)、健康体检数据获取模块(6)和就医异常报警模块(7)；其中：所述就医异常检测分析器(1)分别和所述数据存储平台(2)、身份识别模块(3)、人员就医数据获取模块(4)、人员购药数据获取模块(5)、健康体检数据获取模块(6)和就医异常报警模块(7)数据通信连接。本申请通过大数据的方法，分析用户的药品购买习惯、常去的医院，形成用户的购药和医院画像，而在人员去医院就医或药店购买药品时，本申请的系统核对药品明细，医院，在存在购药从而防止利用医保卡购买非医保物品，保护医保卡的安全性。
-
Patent Agency Ranking
公开(公告)号：CN109446674A
公开(公告)日：2019-03-08
申请号：CN201811296586.5
申请日：2018-11-01
Applicant: 厦门理工学院
IPC: G06F17/50
Abstract: 本发明公开了一种基于多Agent的交互式动态影响图(I-DIDs)序贯决策系统，涉及I-DIDs系统相关技术领域，包括主控制单元Agent、数据库Agent、感应组件、模拟移动模块、信号传输模块、I-DIDs模型和序贯决策算法模型；所述主控制单元Agent、数据库Agent、感应组件、运动控制模块和信号传输模块均通过线路与电源连接；所述主控制单元Agent通过信号传输模块和感应组件、模拟移动模块信号连接。本发明建立了一种具有通信行为的I-DIDs系统,由于Com-IDIDs模型中Agent无需考虑所有的可能，而仅仅需要对当前遇到的情况进行规划，因此在线求解算法大大缩小了所需要求解的策略空间，有效提高了求解的效率。
-
公开(公告)号：CN119206279B
公开(公告)日：2025-02-25
申请号：CN202411729686.8
申请日：2024-11-29
Applicant: 厦门理工学院
IPC: G06V10/762 , G06V10/774 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明提供的一种基于不确定性与图神经网络的多视图聚类方法，涉及多视图聚类技术领域。本发明通过获取多视图数据集，进行预处理后，得到原始特征矩阵与邻接矩阵；对输入的所述原始特征矩阵和所述邻接矩阵进行特征提取与融合后，得到一致嵌入矩阵与转移矩阵；基于Dempster‑Shafer证据理论与狄利克雷分布，通过降低所述一致嵌入矩阵中嵌入空间的不确定性，得到可靠一致嵌入；将所述可靠一致嵌入与所述转移矩阵映射为最终嵌入；对所述最终嵌入进行解码重建与聚类分析，得到聚类结果。本发明能充分挖掘视图中的潜在信息，降低模型中的不确定性，解决了多视图聚类任务中存在的噪声问题，能够快速、高效、准确地得到多视图数据的聚类结果。
-
公开(公告)号：CN118898722A
公开(公告)日：2024-11-05
申请号：CN202411404225.3
申请日：2024-10-10
Applicant: 厦门理工学院
IPC: G06V10/422 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/10 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于几何基元空间感知的平面几何自动解题方法，S1将待求解的几何图示和几何题目利用解析器按预设的规则，解析成文本子句，并输入Transformer Encoder中编码；S2将几何图示图像通过卷机神经网络分成64个图示补丁特征并通过自注意力机制学习视觉模态内部特征；S3将这些模态特征输入到多模态双支路空间感知预训练语言模块中以学习跨模态全局特征和几何基元空间信息，并输入到双向GRU编码器中以执行融合编码；S4将混合编码中的文本编码送入点基元空间注意力模块中增强模型对几何基元的空间感知能力；S5将增强的混合编码由自限GRU解码器解码，并生成顺序求解程序。
-
公开(公告)号：CN118609147A
公开(公告)日：2024-09-06
申请号：CN202410511895.9
申请日：2024-04-26
Applicant: 厦门理工学院 , 福建火炬电子科技股份有限公司
IPC: G06V30/412 , G06V30/18 , G06V30/19 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本申请提出了一种基于掩码注意力的电容检验报告表格识别方法，包括：S1、输入含有电容检验报告表格的图像，并对输入的图像进行特征提取；S2、对提取的图像特征进行卷积得到不同尺寸的图像特征，融合不同尺寸的图像特征，并对融合后的图像特征进行反卷积得到适应三个不同尺寸的特征图；S3、对特征图进行n级解码并输出每个单元信息的14个属性。该方法采用了掩码注意力机制的编解码特征学习机制，模型可以直接输出表格的表格结构信息，从而通过后处理可以构造出电容检验报告的完整表格信息，具备准确高效的应用效果，大大提高了电容检验报告分析工作效率和分析报告的准确性。
-
公开(公告)号：CN113888090A
公开(公告)日：2022-01-04
申请号：CN202111174933.9
申请日：2021-10-09
Applicant: 中国人民解放军32251部队 , 厦门理工学院
IPC: G06Q10/08 , G16H40/20 , G06F16/2458 , G06N3/04
Abstract: 本发明公开了一种基于LSTM的医院药品采购计划预测系统，包括AI服务器(1)、大数据存储模块(2)、采购管理系统交互端(3)、LSTM模块(4)和药品使用获取接口(5)和药品下架管理模块(10)；其中，所述AI服务器(1)通过数据通信网络分别和大数据存储模块(2)、采购管理系统交互端(3)和药品使用获取接口(5)数据通信连接，所述AI服务器(1)还和所述LSTM模块(4)数据通信连接，所述LSTM模块(4)还和所述大数据存储模块(2)数据通信连接。本申请中采用LSTM方法对大数据进行处理分析，排除数据异常点，从而使得医院药品的采购更加准确，不会被异常数据所影响。而对异常数据进行分析，确定是否发现了突发疾病，从而更好地维持城市的整体健康，检索突然疾病和传染疾病。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.027 seconds)
