公开(公告)号：CN112258410A

公开(公告)日：2021-01-22

申请号：CN202011136928.4

申请日：2020-10-22

Applicant: 福州大学

Inventor： 王石平 ,  陈赵亮 ,  姚杰 ,  郭文忠

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种可微分的低秩学习网络图像修复方法。将一个含有噪声的不完整的图像矩阵作为神经网络的输入，并输出重构后的图像。通过将近端梯度映射方法转换为带约束的优化问题，本发明方法提出了一种可以进行低秩矩阵重构的神经网络，该神经网络由多个可微分且可复用的模块堆叠组成，每一个模块都可以解决一个关于低秩优化的子问题。本发明方法的每一个模块输出一个优化得到的子矩阵，并对这些子矩阵连乘以得到重构后的图像矩阵。本发明成功利用了神经网络来解决图像低秩修复问题，并避免了传统方法在迭代过程中进行的奇异值分解过程，从而节省大量的计算时间，同时本发明依然能够在图像修复上有良好的性能，具有一定的实用价值。

公开(公告)号：CN118606825A

公开(公告)日：2024-09-06

申请号：CN202410797776.4

申请日：2024-06-19

Applicant: 福州大学

Inventor： 王石平 ,  吴杰成 ,  陈赵亮 ,  吴文捷

IPC: G06F18/2415 ,  G06F18/22 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06F18/25 ,  G06N3/09 ,  G16B20/00 ,  G16B40/00

Abstract: 本发明提供一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置，包括：自编码器模块、相似性网络融合模块和深度图卷积网络；所述自编码器模块用于接收多组学数据集，以对每种组学数据的基因特征进行特征提取，将其转化为更具有代表性的低维特征表示，最后将各个组学降维后的特征矩阵加权相加得到融合特征矩阵；所述相似性网络融合模块用于接收多组学数据集，以生成患者相似性网络；所述深度图卷积网络基于所述特征矩阵和患者相似性网络内进行迭代训练以学习患者节点的嵌入表示；通过线性分类层获得分类结果，根据该损失函数使用反向传播和梯度下降算法更新，基于最优模型输出待测患者节点对应的分类结果。

公开(公告)号：CN112258410B

公开(公告)日：2022-09-06

申请号：CN202011136928.4

申请日：2020-10-22

Applicant: 福州大学

Inventor： 王石平 ,  陈赵亮 ,  姚杰 ,  郭文忠

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种可微分的低秩学习网络图像修复方法。将一个含有噪声的不完整的图像矩阵作为神经网络的输入，并输出重构后的图像。通过将近端梯度映射方法转换为带约束的优化问题，本发明方法提出了一种可以进行低秩矩阵重构的神经网络，该神经网络由多个可微分且可复用的模块堆叠组成，每一个模块都可以解决一个关于低秩优化的子问题。本发明方法的每一个模块输出一个优化得到的子矩阵，并对这些子矩阵连乘以得到重构后的图像矩阵。本发明成功利用了神经网络来解决图像低秩修复问题，并避免了传统方法在迭代过程中进行的奇异值分解过程，从而节省大量的计算时间，同时本发明依然能够在图像修复上有良好的性能，具有一定的实用价值。