-
公开(公告)号：CN117391203A
公开(公告)日：2024-01-12
申请号：CN202311387928.5
申请日：2023-10-24
Applicant: 江南大学
Abstract: 本申请公开了一种基于精英结构策略的混合贝叶斯网络结构学习方法，涉及贝叶斯网络结构学习方法领域，该方法在迭代学习混合贝叶斯网络结构的过程中，在每一个迭代周期首先使用改进的精英策略筛选出更优秀的精英个体组成精英集，然后基于精英集提取双精英结构、相对结构和趋向性结构来表征所有精英个体之间的异同信息，然后利用这些知识结构所反映的结构异同信息引导贝叶斯网络结构个体进行变异，从而引导种群变异向适应度更高的网络结构靠近，使得本申请的方法具有较好的收敛效果和较快的速度，可以更好的迭代学习并寻找到理想的贝叶斯网络结构。
-
公开(公告)号：CN114663312A
公开(公告)日：2022-06-24
申请号：CN202210305751.9
申请日：2022-03-24
Applicant: 江南大学
Abstract: 本发明公开了一种针对图像降噪的网络自动搜索方法及图像降噪方法，属于图像处理技术领域。本申请在构造用于图像降噪的网络结构时，将Feature模块作为CNN网络结构的第一层，来保证输入图片有足够的特征给深层的模块进行学习，同时Transition模块对特征图的特征维度进行变换，Dropout模块来防止网络的过拟合，从而获得更好的高斯降噪效果；另外本申请采用基于遗传算法的自动结构搜索方法，能够在数据集下根据不同的噪声级别问题，自动的调整自动设计的网络结构，避免了人为介入的时间成本问题，大大提出了处理降噪任务的速度和性能。
-
Patent Agency Ranking
公开(公告)号：CN117391204A
公开(公告)日：2024-01-12
申请号：CN202311388195.7
申请日：2023-10-24
Applicant: 江南大学
Abstract: 本发明公开了一种基于互信息引导的混合贝叶斯网络结构学习方法，涉及信息处理及人工智能技术领域，该方法包括：对数据集利用条件独立测试和互信息限制结构的搜索空间并生成初代种群；基于互信息对当前种群进行个体修正并评估适应度；对当前种群执行以下迭代寻优操作：根据当前种群的个体适应度，选择参与交叉操作的个体进行交叉操作；对交叉操作得到的新种群，提取互信息介于中间阈值的两节点进行变异操作，同时对互信息不在中间阈值的连接边和独立节点进行保护，产生下一代种群；再次基于互信息对当前种群进行个体修正并进行最优个体的更新；若满足迭代终止条件则输出当前种群中适应度最高的个体作为最优BN结构；否则重新执行迭代寻优操作。
-
公开(公告)号：CN114662593B
公开(公告)日：2025-01-28
申请号：CN202210297893.5
申请日：2022-03-24
Applicant: 江南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/086
Abstract: 本发明公开了一种基于遗传算法和划分数据集的图像分类方法，属于图像识别分类技术领域。该方法通过基于划分数据集来提高基于遗传算法进行CNN结构设计的执行速度，通过对划分数据集的训练得到CNN个体适应度函数进行修正来提高图像分类方法的可靠性。同时为了解决现有方法仅使用ResNet和DenseNet深度模块进行CNN结构设计而忽略CNN网络宽度结构的问题，该方法引入Inception模块，同时提出Feature模块作为CNN网络结构第一层，来保证输入图片有足够的特征给深层的模块进行学习，Transition模块对特征图的特征维度进行变换，Dropout模块来防止网络的过拟合，综合提高了图像分类的精度。
-
公开(公告)号：CN117474106B
公开(公告)日：2024-07-09
申请号：CN202311388156.7
申请日：2023-10-24
Applicant: 江南大学
Abstract: 本发明涉及一种基于全流程并行遗传算法的贝叶斯网络结构学习方法，属于信息处理及人工智能技术领域。本发明基于遗传算法来构建贝叶斯网络结构学习方法，能够更广泛地探索搜索空间、提高搜索效率；同时，一方面通过寻找两个节点间边的生成来简化BN结构的搜索，另一方面采用全流程并行计算的方式来进一步提高搜索效率，并使用BIC作为评分函数来解决数似然度和结构复杂度的权衡问题。
-
公开(公告)号：CN117474106A
公开(公告)日：2024-01-30
申请号：CN202311388156.7
申请日：2023-10-24
Applicant: 江南大学
Abstract: 本发明涉及一种基于全流程并行遗传算法的贝叶斯网络结构学习算法，属于信息处理及人工智能技术领域。本发明基于遗传算法来构建贝叶斯网络结构学习算法，能够更广泛地探索搜索空间、提高搜索效率；同时，一方面通过寻找两个节点间边的生成来简化BN结构的搜索，另一方面采用全流程并行计算的方式来进一步提高搜索效率，并使用BIC作为评分函数来解决数似然度和结构复杂度的权衡问题。
-
公开(公告)号：CN114662593A
公开(公告)日：2022-06-24
申请号：CN202210297893.5
申请日：2022-03-24
Applicant: 江南大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/12
Abstract: 本发明公开了一种基于遗传算法和划分数据集的图像分类方法，属于图像识别分类技术领域。该方法通过基于划分数据集来提高基于遗传算法进行CNN结构设计的执行速度，通过对划分数据集的训练得到CNN个体适应度函数进行修正来提高图像分类方法的可靠性。同时为了解决现有方法仅使用ResNet和DenseNet深度模块进行CNN结构设计而忽略CNN网络宽度结构的问题，该方法引入Inception模块，同时提出Feature模块作为CNN网络结构第一层，来保证输入图片有足够的特征给深层的模块进行学习，Transition模块对特征图的特征维度进行变换，Dropout模块来防止网络的过拟合，综合提高了图像分类的精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
