-
Patent Agency Ranking
公开(公告)号：CN114511078B
公开(公告)日：2024-11-12
申请号：CN202111518413.5
申请日：2021-12-10
Applicant: 海南大学
IPC: G06N3/084 , G06N3/0442 , G06N3/006
Abstract: 本申请公开了一种基于多策略麻雀搜索算法的BP神经网络预测方法及装置。所述方法包括：设置初始参数，并初始化种群；通过适配函数计算所述种群中每只麻雀的适配值fi，然后对所述适配值fi进行排序，选择当前最优适配值fg及fg的对应位置Xb，以及当前最差适配值fw及fw的对应位置Xw；根据迭代次数调整发现者比例PD值，确定发现者及跟随者，并更新发现者和追随者的位置；根据更新后的发现者和追随者的位置，更新每只麻雀的最佳位置Xb和Xb的适配值fg，以及最差位置Xw和Xw的适配值fw；将所述最佳位置Xb和Xb的适配值fg分配给BP神经网络进行训练和学习。本申请可以提高预测性能。
-
公开(公告)号：CN114580416A
公开(公告)日：2022-06-03
申请号：CN202210194482.3
申请日：2022-03-01
Applicant: 海南大学
IPC: G06F40/295 , G06N3/04
Abstract: 本发明公开了一种基于多视图语义特征融合的中文命名实体识别方法及装置。所述方法利用多视图语义特征融合模型对待识别的文本数据进行处理，完成中文命名实体识别，包括：通过多视图语义特征融合嵌入模块，提取所述文本对应的多视图语义特征融合嵌入向量；将所述多视图语义特征融合嵌入向量通入网络编码模块，获取所述文本相邻字符之间的依赖关系，捕获所述文本上下文信息特征；将所述文本上下文信息特征通过多头自注意力机制模块，从不同维度的子空间中提取所述文本蕴含的上下文信息，获得多个维度的语义特征；将所述多个维度的语义特征通入条件随机场标签解码模块，预测所述文本每个字符的标签。本发明增强了中文文本自身特征的捕获能力。
-
公开(公告)号：CN114332094B
公开(公告)日：2024-09-24
申请号：CN202111484331.3
申请日：2021-12-07
Applicant: 海南大学
Abstract: 本申请公开了一种基于轻量级多尺度信息融合网络的语义分割方法，所述方法包括：输入高分辨率图片，并对所述高分辨率图片进行图像特征提取，获取浅层空间语义信息和深层空间语义信息；通过跳跃学习对所述浅层空间语义信息和所述深层空间语义信息进行特征信息融合，得到融合后的语义信息；通过金字塔注意力机制消除所述融合后的语义信息的语义鸿沟；对消除语义鸿沟后的所述融合后的语义信息，通过多尺度密集拼接模块以不同的膨胀率和多尺度密集连接方式学习多尺度上下文信息。本申请具有低内存的占用、高计算效率的特点，同时获得了不错的分割结果。
-
公开(公告)号：CN114511078A
公开(公告)日：2022-05-17
申请号：CN202111518413.5
申请日：2021-12-10
Applicant: 海南大学
Abstract: 本申请公开了一种基于多策略麻雀搜索算法的BP神经网络预测方法及装置。所述方法包括：设置初始参数，并初始化种群；通过适配函数计算所述种群中每只麻雀的适配值fi，然后对所述适配值fi进行排序，选择当前最优适配值fg及fg的对应位置Xb，以及当前最差适配值fw及fw的对应位置Xw；根据迭代次数调整发现者比例PD值，确定发现者及跟随者，并更新发现者和追随者的位置；根据更新后的发现者和追随者的位置，更新每只麻雀的最佳位置Xb和Xb的适配值fg，以及最差位置Xw和Xw的适配值fw；将所述最佳位置Xb和Xb的适配值fg分配给BP神经网络进行训练和学习。本申请可以提高预测性能。
-
公开(公告)号：CN114332094A
公开(公告)日：2022-04-12
申请号：CN202111484331.3
申请日：2021-12-07
Applicant: 海南大学
Abstract: 本申请公开了一种基于轻量级多尺度信息融合网络的语义分割方法，所述方法包括：输入高分辨率图片，并对所述高分辨率图片进行图像特征提取，获取浅层空间语义信息和深层空间语义信息；通过跳跃学习对所述浅层空间语义信息和所述深层空间语义信息进行特征信息融合，得到融合后的语义信息；通过金字塔注意力机制消除所述融合后的语义信息的语义鸿沟；对消除语义鸿沟后的所述融合后的语义信息，通过多尺度密集拼接模块以不同的膨胀率和多尺度密集连接方式学习多尺度上下文信息。本申请具有低内存的占用、高计算效率的特点，同时获得了不错的分割结果。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
