-
公开(公告)号：CN118197572A
公开(公告)日：2024-06-14
申请号：CN202410166682.7
申请日：2024-02-06
Applicant: 海南大学
Abstract: 本发明公开一种基于多轮对话的可解释问诊分诊方法及相关装置。该方法接收患者的问诊信息并进行清洗；将问诊信息输入预设的分类器中，获取Top2分诊结果；通过决策树向上回溯Top2分诊结果所在分支最近的公共父节点，将公共父节点确定为患者的患病症状；基于患者的患病症状进行下一轮症状询问并获取患者的回复信息；将问诊信息和回复信息输入分类器中，若分类器的预测结果满足预先设定的信息熵阈值，则向患者返回分诊科室，否则重复执行多轮症状询问直至达到对话轮次上限，向用户发送结束或继续对话的提示选项。本发明可以在医疗资源和患者医学知识受限的场景下，通过与患者多轮问诊对话识别患者病情，生成准确且可解释的分诊结果。
-
公开(公告)号：CN117541836A
公开(公告)日：2024-02-09
申请号：CN202311370501.4
申请日：2023-10-23
Applicant: 海南大学
IPC: G06V10/762 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/088 , G16H30/20 , G16H30/40
Abstract: 本发明公开多模态医学影像无监督表征学习方法，获取多模态医学影像数据并进行预处理，构建多模态医学影像样本数据集；将多模态医学影像样本数据集输入自动编码器神经网络中，提取初步的高层表征；设计目标函数和约束条件，所述目标函数为以加权K‑均值为基底目标函数并在样本重建项、归一化特征尺度正则项、网络参数平滑项的辅助下对初步的高层表征进行迭代地细化与微调，实现无监督表征优化，获得高层表征；对高层表征进行聚类分析，生成影像样本组的伪标签并自动标注；人工对所述影像样本组的伪标签进行校准并勘误，获得影像样本组的标签。本发明能够实现更为高效且精准的多模态医学影像赋标签。
-
公开(公告)号：CN117523356A
公开(公告)日：2024-02-06
申请号：CN202311370125.9
申请日：2023-10-23
Applicant: 海南大学
IPC: G06V10/82 , G06V10/762 , G06V10/44 , G06V10/774 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开医学影像组学多视图半监督表征学习方法，采集多视图医学影像数据；提取多视图医学影像数据中成对样本间的必连关系和勿连关系，基于成对样本间的必连关系和勿连关系构建约束条件；对多视图医学影像数据并进行预处理，构建多视图医学影像样本数据集；将多视图医学影像样本数据集输入自动编码器神经网络中，提取初步的高层表征；设计基底目标函数与优化算法对初步的高层表征进行迭代地细化与微调，并在迭代过程中确保所述约束条件得到满足，获得高层表征；对高层表征进行聚类分析，生成影像样本组的伪标签并自动标注；人工对所述影像样本组的伪标签进行校准并勘误。本发明能够实现高效且精准的医学影像组学智能标注。
-
公开(公告)号：CN115203404A
公开(公告)日：2022-10-18
申请号：CN202210678820.0
申请日：2022-06-15
Applicant: 海南大学
Abstract: 本发明公开基于知识蒸馏的增量式关系抽取方法，包括如下步骤：构建包括教师模型和学生模型的增量式关系抽取模型，其中，教师模型用于识别旧关系类别；学生模型为教师模型的克隆且扩展了分类层，用于识别旧关系类别和新关系类别；基于数据集和损失函数对增量式关系抽取模型进行训练，训练过程中，教师模型以旧关系类别数据作为输入；学生模型以新关系类别数据作为输入并在训练过程融合教师模型输出的旧关系类别；利用经训练的学生模型对输入句子进行增量式关系抽取。本发明可以在学习新关系类别的同时很好的保留模型先前学过的旧关系类别知识。
-
Patent Agency Ranking
公开(公告)号：CN119249341A
公开(公告)日：2025-01-03
申请号：CN202411070388.2
申请日：2024-08-06
Applicant: 海南大学
IPC: G06F18/25 , G06F18/10 , G06F18/213 , G06F18/24 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于多模态多尺度特征融合的故障诊断方法，所述方法包括：通过传感器采集航空发动机轴承不同位置发生故障时的信号源，所述信号源包括但不限于：振动信号、声信号、温度、湿度、电流；对所述振动信号进行统一去噪处理，得到初始一维信号X0；对初始一维信号X0，经过MCNN模块进行一维特征提取；对初始一维信号X0进行图像转换，得到初始二维图像T1，对初始二维图像T1，进行二维特征提取；将提取出的一维特征与二维特征进行融合，生成多模态特征H1；将融合后的多模态特征H1输入LSTM网络进行故障的诊断分类。本发明通过将融合后的多模态特征输入LSTM分类模块进行故障的诊断分类，实现对航空发动机轴承的故障检测。
-
公开(公告)号：CN117972484A
公开(公告)日：2024-05-03
申请号：CN202410061916.1
申请日：2024-01-16
Applicant: 海南大学
Abstract: 本发明公开一种可解释性的多模态自然语言情感分析方法及相关装置。该方法从待分析数据中获得多模态数据集，对所述多模态数据集进行预处理；对预处理后的多模态数据分别进行特征提取，获得多模态特征向量；将所述多模态特征向量分别输入到记忆注意模块和乘法融合层，并将输出结果进行拼接，得到拼接特征向量；将所述拼接特征向量输入分类器确定极性，输出分析结果，并采用LIME方法对所述分析结果产生局部解释。本发明提高了多模态情感分析的准确性和性能、计算效率以及模型的可解释性和用户信任度。
-
公开(公告)号：CN116089605A
公开(公告)日：2023-05-09
申请号：CN202211490263.6
申请日：2022-11-25
Applicant: 海南大学
IPC: G06F16/35 , G06F18/23213 , G06F16/335
Abstract: 本方案涉及一种基于迁移学习和改进词袋模型的文本情感分析方法、系统、计算机设备及存储介质。所述方法包括：采集不同种类商品的各个评论数据进行预处理后得到综合评论数据集；采用MLM根据综合评论数据集预训练特征提取器bertbasechinese模型；构建特定商品评论数据集，将特定商品评论数据集输入至bertbasechinese模型中提取出特征向量；将特征向量输入至改进Bagof visualwords中，通过K‑means聚类算法对特征向量聚类后根据模糊理论进行编码，得到输出向量，并对输出向量进行归一化处理，得到文本情感分析模型；通过文本情感分析模型进行文本情感分析。通过迁移学习和Bagofvisualwords方法，能够很好的处理不断涌现的新类别商品的评论，降低文本情感分析的成本。
-
公开(公告)号：CN119541879A
公开(公告)日：2025-02-28
申请号：CN202411652858.6
申请日：2024-11-19
Applicant: 海南大学
IPC: G16H50/50 , G16H50/70 , G06F18/214 , G06F18/21 , G06F18/2431 , G06N20/00
Abstract: 本发明涉及一种基于多模态模型与持续学习的医疗数据智能科研方法及系统。所述方法包括：添加科研任务、任务描述；从医疗数据库中查找医疗输入数据、预测输出数据；确定机器学习模型，进行模型训练及数据分析，得到智能预测模型以及医疗输入数据与预测输出数据之间的关联性参数；对智能预测模型进行评价，并获取智能预测模型的反馈数据；其中，机器学习模型为多模态模型或单模态模型。科研工作者可以创建科研任务，并选择医疗输入数据、预测输出数据、机器学习模型，为未来的科研者、未来新增的数据、科研任务作积累；且使用者无需对机器学习模型进行逐一尝试，节省时间成本；通过对预测模型进行评价和反馈，可以自动进行模型推荐。
-
公开(公告)号：CN117972484B
公开(公告)日：2024-08-13
申请号：CN202410061916.1
申请日：2024-01-16
Applicant: 海南大学
Abstract: 本发明公开一种可解释性的多模态自然语言情感分析方法及相关装置。该方法从待分析数据中获得多模态数据集，对所述多模态数据集进行预处理；对预处理后的多模态数据分别进行特征提取，获得多模态特征向量；将所述多模态特征向量分别输入到记忆注意模块和乘法融合层，并将输出结果进行拼接，得到拼接特征向量；将所述拼接特征向量输入分类器确定极性，输出分析结果，并采用LIME方法对所述分析结果产生局部解释。本发明提高了多模态情感分析的准确性和性能、计算效率以及模型的可解释性和用户信任度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
