-
公开(公告)号：CN119988667A
公开(公告)日：2025-05-13
申请号：CN202510086534.9
申请日：2025-01-20
Applicant: 重庆邮电大学
IPC: G06F16/583 , G06F16/587 , G06V10/80 , G06V20/70 , G06V10/82 , G06N3/045
Abstract: 本发明属于计算机视觉技术领域，涉及一种基于深度学习的细粒度图像检索方法，包括：获取待检索的图像数据；对图像数据进行预处理，将预处理后的图像输入到细粒度图像检索模型中，得到检索结果；其中细粒度图像检索模型包括ViT模型、Token筛选模块、中值增强空间通道注意力模块以及语义信息融合模块；ViT模型用于将图像划分为固定大小的patch序列；Token筛选模块模块用于对patch序列进行处理，得到高层语义特征表示；中值增强空间通道注意力模块用于对patch序列进行特征提取，得到中低层细节特征表示；语义信息融合模块用于对高层语义特征表示和中低层细节特征表示进行融合；本发明通过将ViT模型引入到图像检索任务中，并针对ViT模型中的token提出了独特的token增强选取方法，提升了模型对图像高层语义的表示能力。
-
公开(公告)号：CN115035916B
公开(公告)日：2025-01-07
申请号：CN202210619771.3
申请日：2022-06-02
Applicant: 重庆邮电大学
Abstract: 本发明属于深度学习中的语音信号处理领域，具体涉及一种基于深度学习的含噪语音情感识别方法，本方法首先将可学习的多特征进行融合作为模型的输入，提升模型任务相关的学习性能；其次引入混合声谱图分块的操作，并逐块的计算多头注意力用以捕获局部的情感信息，实验证明，分块操作可以有效的规避局部噪声带来的干扰问题；最后，本发明将逐帧计算注意力的全局上下文信息与局部情感信息加以融合，促进了模型对于上下文语义上的理解，提高了分类准确性。
-
公开(公告)号：CN114565149B
公开(公告)日：2024-12-20
申请号：CN202210169309.8
申请日：2022-02-23
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0464 , G06N3/08
Abstract: 本发明时间序列预测技术领域，具体涉及一种基于CGA融合模型的时间序列数据预测方法、装置及计算机设备；该方法包括：获取历史目标数据，对历史目标数据进行预处理，得到预处理后的历史目标数据；将预处理后的历史目标数据输入到构建好的CGA融合模型中，得到目标数据的时序预测结果，根据时序预测结果对未来的交通流量进行控制；本发明结合堆叠式和并行式融合了多通道多尺度卷积神经网络和门控循环单元网络，并且以残差的方式结合多通道多尺度卷积神经网络、门控循环单元网络和自回归模型，降低了模型的训练难度，并且避免了卷积结构和GRU结构导致的原始信息丢失，从而进一步提高预测精度。
-
公开(公告)号：CN119150165A
公开(公告)日：2024-12-17
申请号：CN202411162856.9
申请日：2024-08-23
Applicant: 重庆邮电大学
IPC: G06F18/2431 , G06F18/213 , G06F18/25 , G06F16/35 , G10L25/63 , G10L25/30 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/09
Abstract: 本发明涉及情感识别技术领域，具体涉及一种基于深度学习的多模态情感识别方法，包括构建并训练多模态情感识别模型，将待识别数据输入训练好的多模态情感识别模型输出识别结果；所述多模态情感识别模型包括自注意力编码器、第一交叉注意力编码器、第二交叉注意力编码器、门控单元和MLP分类器；本发明结合了语音和文本两种模态数据进行全面的学习和交互，情感信息更全面，弥补了单一特征的固有缺陷，使得模型的鲁棒性更强，准确率更高。
-
公开(公告)号：CN118118908A
公开(公告)日：2024-05-31
申请号：CN202311801292.4
申请日：2023-12-26
Applicant: 重庆邮电大学
IPC: H04W16/14 , H04W16/22 , H04W72/0446 , H04W72/0453 , H04W72/044 , H04W72/52 , H04W72/541 , H04W72/543 , H04W72/40 , H04W72/50 , G06N20/20
Abstract: 本发明涉及D2D通信资源分配技术领域，具体涉及一种基于多智能体强化学习的D2D用户资源分配方法；包括构建D2D通信和蜂窝网络共享频谱的异构无线网络模型，在异构无线网络模型中对信道资源块和发射功率进行离散划分；基于异构无线网络模型，以最大化网络总吞吐量和保证用户QoS为目标构建资源分配优化问题模型；根据资源分配优化问题模型，以一个D2D通信对为一个智能体，构建多智能体强化学习模型；训练多智能体强化学习模型；分别对后续时隙中的每个D2D通信对提取各自的观测值，输入训练好的多智能体强化学习模型得到每个D2D通信对的资源分配方案；本发明在最大化系统吞吐量的同时保证了用户QoS和降低了网络中的链路干扰。
-
Patent Agency Ranking
公开(公告)号：CN117332319A
公开(公告)日：2024-01-02
申请号：CN202311537381.2
申请日：2023-11-17
Applicant: 重庆邮电大学
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06F18/2413 , G06N3/0464
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于Transformer多元特征融合的智能文本分类方法，包括：获取待分类文本，将待分类文本输入到卷积Transformer模块中，得到文本的全局特征和局部上下文特征；将全局特征和局部上下文特征输入到KNN增强机制模块进行特征增强融合处理，得到融合特征图；将融合特征图输入到文本分类模块，得到分类结果；本发明将transformer和CNN有机的结合起来同时捕获局部与全局特征，并通过用用两个半个FFN将注意力机制和CNN包裹起来，将CNN嵌入transformer内部，使得局部特性与全局特征从浅层语义开始就能互相交互，加深模型的深度学习。
-
公开(公告)号：CN116471629A
公开(公告)日：2023-07-21
申请号：CN202310501916.4
申请日：2023-05-06
Applicant: 重庆邮电大学
IPC: H04W28/02 , H04W74/08 , H04L47/26 , H04L47/263 , H04L47/12 , H04L47/50 , H04L41/16 , G16Y10/75 , G16Y40/10 , G16Y40/30 , G06N3/092 , G06N3/0499 , G06N3/044
Abstract: 本发明属于计算机技术领域，具体涉及一种基于深度强化学习的物联网智能拥塞控制方法，构建物联网系统；终端节点向簇头节点发送数据包；簇头节点根据终端节点发送的数据包设置缓冲队列，并获取当前簇头节点状态信息；根据当前簇头节点状态信息确定簇头节点的拥塞状态，并将拥塞状态发送给中继节点；中继节点根据拥塞状态获取物联网中各个节点的状态信息，并将状态信息发送给sink节点；sink节点采用DQN算法对物联网的状态信息进行优化，得到拥塞控制策略，并对簇头节点中的队列任务进行分配，完成拥塞控制；本发明引入了反馈恢复机制，充分考虑了由于信道质量带来的反馈丢失和延迟问题，节约了带宽资源且降低数据包递送延迟。
-
公开(公告)号：CN114449629B
公开(公告)日：2023-07-21
申请号：CN202210082401.0
申请日：2022-01-24
Applicant: 重庆邮电大学
IPC: H04W52/02 , H04W72/0453 , G06N3/084 , G06N3/04
Abstract: 本发明涉及无线网络通信领域，涉及一种边缘智能驱动的无线多跳网络信道资源优化方法；所述方法包括将系统时间划分为多个连续的超帧，每个超帧包括控制周期和数据传输周期；在控制周期内，所有无线节点工作在同一信道以获取或传输控制消息，并按照集中式学习者反馈的模型参数配置出本地信道分配决策模型进行信道分配；在数据传输周期内，需进行数据传输的无线节点根据基于接入编号的自适应休眠唤醒机制被唤醒，按照交错调度机制将数据在从K个非重叠信道中选择的信道上进行并行数据传输；本发明将边缘计算与深度强化学习算法相结合，在保证低功耗、低时延、高准确率和隐私安全性的同时，使资源受限的终端节点拥有执行智能算法的能力。
-
公开(公告)号：CN115983594A
公开(公告)日：2023-04-18
申请号：CN202310033383.1
申请日：2023-01-10
Applicant: 重庆邮电大学
IPC: G06Q10/0631 , G06Q10/02 , G06Q10/20 , G06N3/04 , G06N3/084
Abstract: 本发明属于维修任务调度领域，涉及一种基于深度价值网络的家电维修派单方法；所述方法包括获取家电维修师的信息和家电维修订单的信息；对家电维修师和家电维修订单进行模拟派单，将匹配可能成功的家电维修师变更后的出勤状态表和出勤日期输入到深度价值网络中，得到家电维修师接受家电维修订单后的潜在奖励；根据即时奖励和潜在奖励，计算家电维修师与家电维修订单的匹配权重；根据匹配权重派单，若家电维修师和家电维修订单匹配成功，则将家电维修师和家电维修订单匹配过程的信息存储到经验池供所述深度价值网络进行训练与修正；若家电维修师与家电维修订单匹配失败；本发明可以对维修师的接单潜力进行量化，有效提高家电维修师的接单效率。
-
公开(公告)号：CN115049072A
公开(公告)日：2022-09-13
申请号：CN202210656450.0
申请日：2022-06-10
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种在二分类中同时实现差分隐私和机器学习公平的方法，属于机器学习领域。将隐私和公平需求转化为一个多目标优化问题。首先，根据安全需求设置隐私保护强度及相关超参数；随后通过加权将反事实公平加入到目标函数中；接着将得到的新目标函数用泰勒公式展开，计算全局敏感度；然后根据得到的全局敏感度和隐私保护强度生成符合要求的高斯噪声；最后，使用得到的噪声扰动目标函数的多项式系数并执行梯度下降，计算最优权重。解决了在二分类中没有同时实现隐私和机器学习公平的问题。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.028 seconds)
