-
公开(公告)号：CN119478548A
公开(公告)日：2025-02-18
申请号：CN202411744380.X
申请日：2024-11-30
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于鲁棒离群值采样的分布外样本识别方法。该方法包括：获取分布内样本数据集，基于目标卷积神经网络对分布内样本数据集进行训练，得到训练后的目标卷积神经网络；对分布内样本数据集中的每个样本用混合度量指标进行量化，得到每个样本的混合度量指标；基于分布内样本数据集中每类样本中的每个样本的混合度量指标，构建每类样本的分布区域；对每类样本的分布区域中的每个样本的混合度量指标进行排序，获取每类样本排序最大的多个样本。本发明解决了现有技术的目标检测中当存在分布外样本时，进行目标检测的卷积神经网络不能对分布外样本进行准确识别的技术问题。
-
公开(公告)号：CN113032415B
公开(公告)日：2024-04-19
申请号：CN202110236093.8
申请日：2021-03-03
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于用户偏好与知识图谱的个性化产品描述生成方法，通过对产品标题进行实体信息提取，再使用Graph Attention从外部知识库中提取与实体信息最相关的知识并进行融合，进一步增强实体中的知识；同时基于模型预测出用户的多个兴趣标签，再对用户进行聚类分析，通过TFIDF为同类用户构建专属的个性化词库；最后提出了一种多重指针生成网络融合来自产品标题、外部知识库与个性化词库中的知识，最终生成具有信息量、多样性的个性化产品描述。本发明能够通过产品标题与外部知识库，依据用户历史行为自动批量生成个性化的产品描述，解决人工撰写产品描述费事费力的问题。
-
公开(公告)号：CN116206057A
公开(公告)日：2023-06-02
申请号：CN202310061428.6
申请日：2023-01-14
Applicant: 西北工业大学
IPC: G06T17/00 , G06V40/10 , G06V10/10 , G06V10/40 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种适用于终端设备的轻量级三维虚拟分身生成方法，利用手机摄像头实时采集当前用户的图像信息，对图像进行预处理，将大小裁剪至256×256并完成标准化；利用双分支网络分别提取图像的低级特征与高级特征，并完成特征融合，进而对图像进行不同粒度地刻画；采用回归模块分别输出SMPL人体模型的身体形状参数，进而恢复出三维人体模型；利用三维渲染工具，得到三维模型在相机视角K下的二维图像，并输出至用户屏幕。本发明使得用户可以通过智能手机等嵌入式设备快速地在元宇宙中创建一个自己的虚拟分身。
-
公开(公告)号：CN116090583A
公开(公告)日：2023-05-09
申请号：CN202211669532.5
申请日：2022-12-24
Applicant: 西北工业大学
IPC: G06N20/00
Abstract: 本发明涉及一种基于Cross‑FCL的跨环境动态自适应联邦持续学习方法，所述方法采用跨环境联邦学习框架：所述跨环境联邦学习框架是指动态设备在多个地理位置相近的边缘联邦学习网络中切换环境及参与训练的过程；在所述跨环境联邦学习框架下，使用双层模型结构训练以及层替换方法实现模型对新环境的快速适应，利用旧环境先验知识调整模型对重要参数的更新。通过自适应调整模型重要参数的更新以提升模型的记忆力，通过双层模型结构训练以及层替换方法实现模型对新环境的快速适应；通过这种方法，模型的记忆性及适应性都得到了提升。
-
公开(公告)号：CN115146618A
公开(公告)日：2022-10-04
申请号：CN202210797477.1
申请日：2022-07-08
Applicant: 西北工业大学
IPC: G06F40/211 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于对比表示学习的复杂因果关系抽取方法，首先，为了将隐式因果关系转化成显式因果关系，从大规模数据集中寻找具有显式因果关系连接词的样例集合初始化记忆动量，这些样例以 三元组的形式组织；接着，获取训练数据集中的文本包含的因果论元集合，将这些因果论元与记忆动量中的因果论元三元组进行匹配，选取相似度最高的因果关系连接词，作为数据增强的因果关系连接词构造正样例；互换正样例中原因和结果的位置，构造负样例。最后，采用对比学习框架，以双向长短期记忆网络和Transformer作为主干网络，学习文本中包含的因果关系。本发明能解决复杂因果关系抽取困难的问题，大幅提高模型的抽取性能。
-
Patent Agency Ranking
公开(公告)号：CN114936613A
公开(公告)日：2022-08-23
申请号：CN202210727797.X
申请日：2022-06-24
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于复杂度的高效样本筛选方法，通过类间采样和类内采样两大阶段对原始数据集进行样本筛选，旨在从大规模数据集中选出代表性样本，从而减少模型训练所用的样本数量，达到轻量化训练的目标。本发明与现有技术相比的优点在于：本发明提出基于复杂度的高效样本筛选方法，从大规模数据集中选出代表性样本用于模型的高效训练，证明了样本复杂性和模型训练策略对于深度神经网络的高效训练具有十分重要的影响。同时，本发明从样本复杂性和模型训练策略出发，解决了模型训练低效问题，这对于缓解深度学习模型训练效率低下问题具有一定的意义。
-
公开(公告)号：CN113411765A
公开(公告)日：2021-09-17
申请号：CN202110561576.5
申请日：2021-05-22
Applicant: 西北工业大学
Abstract: 为了实现降低移动智能终端在感知活动中的能量消耗，本发明提出了一种基于多传感器协同感知的移动智能终端能耗优化方法。该方法基于云边端协同计算模式，将感知任务的数据处理任务交由云端进行，进而优化移动智能终端的感知数据采集能耗。为了实现在能量资源消耗受限型终端中实现需要多种异构传感器设备参与的感知任务，该方法首先分析了移动智能终端中搭载的多种异构传感器之间潜在的相关关系，然后再对这些异构传感器在工作过程中所产生的能量消耗进行量级刻画，最后基于传感器的能耗模型以及潜在的相关关系提出了多传感器协同感知框架，最终实现在感知任务执行过程中有效降低传感器的能量消耗。
-
公开(公告)号：CN103793489A
公开(公告)日：2014-05-14
申请号：CN201410025323.6
申请日：2014-01-16
Applicant: 西北工业大学
IPC: G06F17/30
CPC classification number: G06F17/30864
Abstract: 本发明涉及一种在线社交网络中社群话题的发现方法，该具体过程为：基于网络爬虫对目标社交网络进行数据采集；基于采集到的社交网络中用户对象之间的交互关系，计算每个用户对象在交互网络拓扑中的相关度；构建用户对象静态的交互网络；利用层次聚类，根据用户对象的相关度得到紧密的用户社群结构；对于划分出的每个社群，查找数据库获得该社群对应的文本信息，将其作为文档输入，使用SVM分类，计算出该社群的热门话题。本发明提出了一种基于社群划分的社群话题发现方法，与现有的在线社交网络话题发现方法相比，可以有效排除噪音数据，获得更为紧密的社群之间的话题，有助于更深入地了解社交网络的信息传播规律。
-
公开(公告)号：CN115952362B
公开(公告)日：2025-04-04
申请号：CN202310003377.1
申请日：2023-01-03
Applicant: 西北工业大学
IPC: G06F16/9536 , G06Q50/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种用于社交媒体的自演化假消息检测方法，收集社交媒体数据，利用深度学习模型提取特征训练分类器，并利用特征相似度迁移模型存储的已学习相似历史事件知识帮助实现对新事件假消息分类器的训练，实现持续假消息检测。该发明基于两个核心机制实现：一是基于硬注意力的知识存储机制，记忆单元用于存储历史事件知识，事件掩码作为每个事件在记忆单元中的唯一标识可以随时调用历史事件知识；二是基于多头自注意力的知识迁移机制，对历史事件知识进行融合以提升分类器在当前事件上的假消息检测效果。本发明可持续不断地对社交媒体上的假消息进行检测，无需存储历史数据从头开始训练模型，提升了假消息检测方法的自演化自适应能力。
-
公开(公告)号：CN119347755A
公开(公告)日：2025-01-24
申请号：CN202411482403.4
申请日：2024-10-23
Applicant: 西北工业大学
IPC: B25J9/16
Abstract: 本发明涉及一种需求驱动的空地协同鲁棒跟踪方法，属于异构机器人协同自适应跟踪领域。在空地协同自适应跟踪的过程中，空地机器人的决策策略会受到自身需求和目标需求的影响，通过借鉴ERG需求理论，能够让空地机器人自主预测目标策略，并依据其制定相应的策略。在此ERG需求机理的基础上，当目标改变其逃跑策略时，空地机器人仍然能够实现精准地预测目标意图策略，最终空地机器人团队能够在目标策略改变的情况下实现鲁棒准确地跟踪。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.027 seconds)
