公开(公告)号：CN111597810B

公开(公告)日：2024-01-05

申请号：CN202010286176.3

申请日：2020-04-13

Applicant: 广东工业大学

Inventor： 郝志峰 ,  吕迪 ,  温雯 ,  蔡瑞初 ,  陈炳丰 ,  李梓健

IPC: G06F40/295 ,  G06F40/30 ,  G06F16/33 ,  G06F16/35

Abstract: 本发明公开了一种半监督解耦的命名实体识别方法，利用语法特征编码器及语义特征编码器来提取句子的语法特征信息以及语义结构特征信息；为确保语法和语义结构特征信息的有效性，增设句子信息解码器，利用提取出来的语法和语义结构特征信息重新解码出句子。并通过第一互信息计算器最小化语法和语义之间的互信息，使得两个特征编码器提取的信息交集部分越来越少；同时为防止信息都偏向于其中的语法特征提取器或者语义特征编码器而导致另一个特征编码器提取出来的信息为无效信息，分别利用最大化语法和句子信息解码器之间的互信息和最大化语义和句子信息编码器之间的互信息，以此有效提高命名实体识别模型的性能，提高命名实体的识别准确度。

公开(公告)号：CN117173040A

公开(公告)日：2023-12-05

申请号：CN202311025603.2

申请日：2023-08-14

Applicant: 广东工业大学

Inventor： 陈嘉骏 ,  林程星 ,  朱鉴 ,  蔡瑞初 ,  冯广 ,  胡钦太

IPC: G06T5/00 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明公开了一种基于关键语义修正的任意比例点云上采样方法，包括以下步骤：S1：使用中间点插值方法，获得预设比例的插值点云；S2：在插值点云上进行特征提取；S3：计算插值点云中每个点的关键语义的注意力权重；S4：利用注意力权重对提取的特征进行修正，之后进行通道减小及残差连接，得到上采样点云；S5：通过使用点的选择策略和最远点采样策略对上采样点云进行处理，获得目标比例的上采样点云。本发明通过使用三角函数编码、点的选择策略和最远点采样策略，减少了网络的学习参数，实现任意比例的点云生成，同时具有更好的上采样点云的均匀性。

公开(公告)号：CN110473592B

公开(公告)日：2023-05-23

申请号：CN201910701944.4

申请日：2019-07-31

Applicant: 广东工业大学

Inventor： 郝志峰 ,  吴迪 ,  蔡瑞初 ,  温雯 ,  陈学信 ,  李梓健

IPC: G16B20/00 ,  G16B40/20 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种多视角人类协同致死基因预测方法，包括以下步骤：以协同致死因数据集作为主视角，以u个基因本源相似度矩阵作为支撑视角；将协同致死基因对数据集划分训练集和测试集；将训练集转化为邻接矩阵Amian，将每个相似度矩阵进行k‑最近邻筛选，保留相似度最高的k条边，得到邻接矩阵Au；令X,Y＝Amian；根据Amian和Au得到对应视角下的图卷积拉普拉斯矩阵构建包括图卷积网络编码层、基因关系解码层，基于注意力机制的多视角聚合层的预测模型；将输入预测模型，得到总的损失值；根据总的损失值计算梯度，利用梯度反向传播算法更新预测模型参数，直到预测模型收敛；将预测模型输出的预测分值输入激活函数，得到预测矩阵。

公开(公告)号：CN116012632A

公开(公告)日：2023-04-25

申请号：CN202310135266.6

申请日：2023-02-17

Applicant: 广东工业大学

Inventor： 王丽娟 ,  邢津萍 ,  尹明 ,  郝志峰 ,  蔡瑞初 ,  陈炳丰 ,  温雯

IPC: G06V10/762 ,  G06V10/74

Abstract: 本发明公开了一种基于局部线性嵌入的特征一致性多视角聚类算法，包括：步骤S1，归一化数据集X为X′，利用最值归一化的方法减少优化过程中受数据数量级影响，加快模型的收敛速度；步骤S2，构建局部线性嵌入的特征一致性多视角聚类模型；步骤S3，初始化投影维度参数d′，范围为{50,100,150,200,250,300}，参数β以及矩阵B，Bv，μ＝105，迭代次数最大值为500,初始化B，Bv为0∈Rd′×d；步骤S4，输入X′,B,Bv,对每个视角的优化变量Bv进行循环迭代优化。通过学习不同样本视角间的判别性特征以及挖掘样本间的一致性特征，从而提升聚类的性能。

公开(公告)号：CN113409191B

公开(公告)日：2023-04-07

申请号：CN202110615890.7

申请日：2021-06-02

Applicant: 广东工业大学

Inventor： 朱鉴 ,  蔡金峰 ,  向宇 ,  张庆武 ,  陈柄丰 ,  蔡瑞初 ,  郝志峰

IPC: G06T3/40 ,  G06T5/00 ,  G06V10/40 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/082

Abstract: 本发明提出一种基于注意力反馈机制的轻量级图像超分方法及系统，包括：将低分辨率图像输入浅层特征提取网络中获取浅层特征信息，将浅层特征信息输入深层特征提取网络中得到深度特征信息；将深度特征信息输入重建网络中重建超分辨率图像，经上采样得到高分辨率特征图，再将高分辨率特征图与低分辨率图像进行双三次上采样后智能相加，得到超分辨率图像；根据超分辨率图像与原始高分辨率图像计算损失函数并对超分辨率模型训练；将深度特征信息输入下一个深层特征提取网络中提取深度特征信息，并重复上述步骤至完成最后一个深层特征提取网络的深度特征信息提取，将提取的深度特征信息输入重建网络中进行超分辨率图像重建，输出得到超分辨率图像SR。

公开(公告)号：CN110457798B

公开(公告)日：2022-11-01

申请号：CN201910689474.4

申请日：2019-07-29

Applicant: 广东工业大学

Inventor： 李思隆 ,  朱鉴 ,  曾荣达 ,  陈炳丰 ,  蔡瑞初 ,  郝志峰

IPC: G06F30/20 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了一种基于涡度损失的自适应涡度限制力方法，包括以下步骤：基于欧拉网格法求解流体控制方程，解算每一帧中的流体控制方程；在每一帧计算对流步之前，对当前速度场un求旋度，得到其涡度场ωn；通过对流求得其下一状态ωn+1，并记此涡度场为ω′；对当前帧的速度场un进行对流，得到对流后的速度场un+1，针对对流后的速度场un+1求旋度，得到其涡度场ω*；计算涡度损失因子δω，根据涡度损失因子构建自适应涡旋限制力模型。本发明通过引入涡度损失因子δω，该涡度损失因子的大小随速度损失大小动态地变化，通过将涡度损失因子与涡旋限制力结合，构建自适应涡旋限制力favc，其具有了动态弥补数值耗散影响的理想特性。

公开(公告)号：CN109710636B

公开(公告)日：2022-10-21

申请号：CN201811348701.9

申请日：2018-11-13

Applicant: 广东工业大学

Inventor： 蔡瑞初 ,  李梓健 ,  温雯 ,  郝志峰 ,  王丽娟 ,  陈炳丰 ,  许柏炎 ,  李俊峰

IPC: G06F16/245 ,  G06N3/04

Abstract: 本发明公布了一种基于深度迁移学习的无监督工业系统异常检测方法。本发明利用了来自迁移源的有标注的机器传感器序列数据和来自迁移目标的没有标注的传感器序列数据，训练出一个具有良好泛化能力的工业系统异常检测模型，并对其进行训练，测试，最终生成一个训练好的工业系统异常判别模型。利用这个模型，可以对接收到的机器传感器序列数据进行分析并判断是否机器出现异常。

公开(公告)号：CN111935513B

公开(公告)日：2022-04-19

申请号：CN202010676222.0

申请日：2020-07-14

Applicant: 广东工业大学

Inventor： 温雯 ,  刘芳 ,  蔡瑞初 ,  郝志峰 ,  陈炳丰

IPC: H04N21/25 ,  H04N21/258 ,  H04N21/45 ,  H04N21/466

Abstract: 本发明公开一种面向家庭用户的网络电视节目推荐方法及装置，通过对各时刻下的家庭用户历史观看节目记录判别出用户角色，重点关注用户的长短期偏好随时间的动态变化，考虑用户的每一次行为内部的有序性和多个行为之间的关联性，能够考虑包含多类用户角色的复杂时序数据形式，将用户角色的嵌入向量输入至用户偏好预测模型，输出用户对所有节目的偏好预测值，利用预测值的大小输出电视节目推荐结果，在考虑节目标签关联性的前提下，提高了推荐的精准性和速度。

公开(公告)号：CN109741428B

公开(公告)日：2022-03-15

申请号：CN201910035897.4

申请日：2019-01-15

Applicant: 广东工业大学

Inventor： 朱鉴 ,  李泓澍 ,  刘培钰 ,  张浩晨 ,  陈炳丰 ,  蔡瑞初 ,  郝志峰

IPC: G06T13/00

Abstract: 本发明提供一种适用于二维流体模拟的三阶高精度对流插值算法。基于约束插值剖面法，在使用半拉格朗日法求解计算二维流体运动控制方程的对流项时，针对回退点处物理量的计算发明了一种高精度插值方法，提升了对流精度。此外，为减少内存消耗，只存储物理场的值及其一阶导数作为计算变量，高阶导数则在保证计算精度不受损的前提下基于推导的泰勒展开式近似计算。本发明能够在时间和内存消耗较少的前提下保持三阶高精度，且具有紧模板特性。对比现有方法，该方法在视觉质量、速度、内存消耗等方面都有明显的改进，能够有效提升流体模拟的对流精度和速度。除了流体模拟之外，本发明还可用于要求高插值精度的其他领域，例如图像/视频超分辨率等。

公开(公告)号：CN108875000B

公开(公告)日：2021-12-28

申请号：CN201810614041.8

申请日：2018-06-14

Applicant: 广东工业大学

Inventor： 郝志峰 ,  陈培辉 ,  蔡瑞初 ,  温雯 ,  王丽娟 ,  陈炳丰

IPC: G06F16/35 ,  G06F40/30 ,  G06F40/211 ,  G06K9/62

Abstract: 本发明涉及自然语言处理技术领域，涉及一种融合多句法结构的语义关系分类方法，包括以下步骤，先对文本序列进行数据预处理；然后对文本序列的向量进行双向编码，利用注意力机制对编码信息进行加权学习，通过CRF对加权后的编码信息进行双向解码，获取文本序列上的实体标签信息；然后构造联合向量，构造融合多句法的复杂网络，利用共享参数进行端到端的训练，获取三元组上的隐状态并进行拼接，经线性变换后输出语义关系类别。本发明基于叠层的循环神经网络模型，将多种句法结构进行融合，解决了单一句法结构模型无法有效适应其他句法结构的问题，从而能有效处理不同的句法结构，提高了模型的鲁邦性，并提升了分类效率。