“于舒娟”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果48个，建议您升级VIP下载更多相关专利

[发明专利]一种基于注意力机制的文本分类方法-CN202110360121.7有效
发明人： 于舒娟;蔡梦梦;吴梦洁;毛新涛;黄橙;徐钦晨;张昀;王秀梅 -专利权人：南京邮电大学
申请日： 2021-04-02 - 公布日： 2023-05-30 - 主分类号： G06F16/35 文献下载
摘要：本发明提出了一种基于注意力机制的文本分类方法。所述方法使用基于DenseNet的神经网络模型；在训练神经网络之前，利用语义编码来初始化DenseNet的卷积过滤器的权重，使网络在训练之前对重要的语义信息进行辨识，从而在卷积层能捕获每个句子的有效位置信息；通过局部注意力密集连接的模块进行文本信息的特征提取。本发明文本分类方法具有更强的特征提取能力，并保留文本信息的内容，在包括情感分类和主题分类等多个文本分类的任务时，效果显著，有效地提高了分类的准确性。
一种基于注意力机制文本分类方法

[发明专利]一种基于Highway和DC的新型双向LSTM神经网络构建方法-CN201910019665.X有效
发明人： 于舒娟;杨杰;曹健;李冰蕊;张昀 -专利权人：南京邮电大学
申请日： 2019-01-09 - 公布日： 2023-04-25 - 主分类号： G06N3/0442 文献下载
摘要：本发明公开了一种基于Highway和DC的新型双向LSTM神经网络构建方法，所述方法包括如下步骤：构造双向LSTM神经网络—BiLSTM；B据BiLSTM构造基于DenselyConnection的双向LSTM神经网络—DC‑BiLSTM；向DC‑BiLSTM中引入Highway，得到基于Highway和DC的双向LSTM神经网络，该方法在于继承了Highway和DC克服深度神经网络中的梯度问题的能力，从而相较传统的深层LSTM和DC‑LSTM，在相同深度和相同数据集下，精度更优且收敛速度更快，Highway‑DC还可以使更深层网络(30层)易于训练，且精度尚未饱和。
一种基于 highway dc 新型双向 lstm 神经网络构建方法

[发明专利]一种结合软词典和汉字字形特征的中文命名实体识别方法-CN202211245600.5在审
发明人： 于舒娟;赵阳;毛新涛;吴梦洁;高贵;张昀 -专利权人：南京邮电大学
申请日： 2022-10-12 - 公布日： 2023-03-07 - 主分类号： G06F40/295 文献下载
摘要：本发明公开了一种结合软词典和汉字字形特征的中文命名实体识别方法，包括：对输入的汉字序列分别进行软词典嵌入SoftLexicon embedding和部首级嵌入radical‑level embedding得到软词典嵌入表示、部首级嵌入表示，将软词典嵌入表示和部首级嵌入表示进行拼接得到字符表示；在所得的字符表示上加入门卷积单元以实现文本特征信息的进一步提取，采用两种不同窗口大小的CNN网络提取文本上下文特征；将门卷积单元输出结果放入序列建模层，对字符之间的依赖关系进行建模，得到序列建模后的结果；将序列建模后的结果经过全连接层后，被送入到一个标准条件随机场中执行字符序列的标签预测，得到中文命名实体识别结果。
一种结合词典汉字字形特征中文命名实体识别方法

[发明专利]一种基于预训练模型的阅读理解去偏方法-CN202211222708.2在审
发明人： 于舒娟;吴梦洁;赵阳;张虎;张昀 -专利权人：南京邮电大学
申请日： 2022-10-08 - 公布日： 2022-12-27 - 主分类号： G06F40/126 文献下载
摘要：本发明提供一种基于预训练模型的阅读理解去偏方法，包括：以预训练模型BERT嵌入层为基础构建文本表示层，设定模型输入为文章‑问题构成的句子对，将输入句子映射为句子向量；对位置编码进行两次随机正则化操作，得到两个随机子模型并计算KL散度，评估其输出分布差异性，更新句子向量输入BERT编码器；将BERT编码器最后一个隐层输出通过全连接层与分类器，以交叉熵损失与KL散度之和计算样本的预测损失，在模型训练过程中根据样本的预测损失优化预训练参数，去除阅读理解位置偏差。本发明利用dropout技术正则化位置编码的基础上，通过在训练中拉低两次dropout产生的随机子模型分布的KL散度来约束随机性，提高模型对位置偏差鲁棒性的同时恢复答案预测准确度。
一种基于训练模型阅读理解偏方

[发明专利]基于改进K均值的矿井无线传感网非均匀分簇路由方法-CN201810094457.1有效
发明人：张昀;于舒娟;董茜茜;金海红;何伟;朱文峰 -专利权人：南京邮电大学;南京邮电大学南通研究院有限公司
申请日： 2018-01-31 - 公布日： 2022-11-29 - 主分类号： H04W40/10 文献下载
摘要：本发明公开了一种基于改进K均值的的矿井无线传感网非均匀分簇路由方法，其特征是，包括如下步骤：计算最优聚类簇首数目；计算K均值算法的初始质心；将每个传感器节点根据欧氏距离分配给距离最近的质心；计算每个簇新的质心位置；误差函数取得最小值；各簇内节点按照到对应簇内质心的距离编号；选择距离各簇内质心最近的节点为初始簇首；计算网络运行过程中每一轮簇首节点发送数据信息到基站消耗的能量；计算簇首能量阈值；判断当前簇首在下一轮是否继续担任簇首。优点：不再以轮为单位重新分簇，每轮仅进行基于剩余能量和地理位置的簇首动态更换；延长整个网络的生命周期。
基于改进均值矿井无线传感均匀路由方法

[发明专利]一种基于ASPP-CycleGAN的深度估计系统及其算法-CN202110556630.7有效
发明人：张昀;徐钦晨;李润琦;姚成杰;毛新涛;黄橙;吴梦洁;于舒娟 -专利权人：南京邮电大学
申请日： 2021-05-21 - 公布日： 2022-09-16 - 主分类号： G06T7/593 文献下载
摘要：本发明公开了一种基于ASPP‑CycleGAN的深度估计系统及其算法，构建ASPP‑CycleGAN模型，ASPP‑CycleGAN模型中包括两个生成对抗网络；两个生成对抗网络均包括生成器和判别器；生成器引用空洞卷积的空间金字塔，判别器采用多层全域卷积结构。在生成器的编码器和解码器之间添加基于空洞卷积的空间金字塔结构，用来提取多尺度信息；且在提取多尺度信息的同时避免了过多下采样层，有效减少了模型参数计算量并很好的保留了特征的细节信息。
一种基于 aspp cyclegan 深度估计系统及其算法

[发明专利]基于FCBF的自定义特征维数文本特征选择算法-CN201910071963.3有效
发明人： 于舒娟;张昀;徐前川;何伟 -专利权人：南京邮电大学
申请日： 2019-01-25 - 公布日： 2022-08-16 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于FCBF的自定义特征维数文本特征选择算法，包括步骤：步骤一，初始化；步骤二，利用FCBF算法对特征词集合中的特征词进行进一步的筛选，得到初始特征词集合；步骤三，若初始特征词集合的维度小于设定的维度时，选择特征词与类别的相关性值排名靠前的特征去补足初始特征词集合直至其维度等于设定的特征维度；若初始特征词集合的维度刚好大于或等于设定的特征维度时，则初始特征词集合中即可获取到自定义特征维数的特征词。本发明对FCBF原始算法相关性计算公式进行改进，能够更加准确的选择文本特征，改进算法能够得到自定义的特征维度。
基于 fcbf 自定义特征文本选择算法

[发明专利]基于改进的Faster R-CNN模型的快递识别方法-CN202110279121.4有效
发明人：张昀;王瑶;于舒娟;黄橙 -专利权人：南京邮电大学
申请日： 2021-03-16 - 公布日： 2022-08-05 - 主分类号： G06V30/412 文献下载
摘要：本发明公开一种基于改进的Faster R‑CNN模型的快递识别方法，旨在解决现有技术中缺少基于快递公司的快递分拣技术，而且破损或污染快递单难以准确识别的技术问题。其包括：利用基于k‑means++算法改进的RPN网络和基于候选框长宽比的双阈值‑非极大值抑制算法改进传统的Faster R‑CNN模型，然后利用训练好的改进的Faster R‑CNN模型处理待识别快递图像，获得快递标志识别结果。本发明能够根据快递公司进行快递识别和分拣，快递识别速度快，准确率高，且不容易漏检。
基于改进 faster cnn 模型快递识别方法

[发明专利]基于改进深度特征加权的朴素贝叶斯文本分类方法-CN201810382423.2有效
发明人：张昀;于舒娟;何伟;朱文峰;金海红;董茜茜 -专利权人：南京邮电大学;南京邮电大学南通研究院有限公司
申请日： 2018-04-26 - 公布日： 2022-06-10 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于改进深度特征加权的朴素贝叶斯文本分类方法，包括：获取文本的特征词，根据不同的特征词出现的类别数和文本数，得到相应的特征类别概率和特征文本概率，进而得到特征的二维信息增益；利用所述二维信息增益与深度加权方式相结合对特征加权朴素贝叶斯模型进行深度加权，得到改进深度特征加权的朴素贝叶斯模型；对于任意文本，利用改进深度特征加权的朴素贝叶斯模型分别计算属于各特征类别的概率，选出最大的概率值对应的类别即文本所属类别。本发明能够使传统朴素贝叶斯算法的特征独立性假设得到抑制，为文本分类任务提供准确和快速的分类方法。
基于改进深度特征加权朴素斯文分类方法

[发明专利]一种面部表情识别方法-CN202111526698.7在审
发明人：张昀;邹翔翔;毛新涛;黄橙;吴梦洁;徐钦晨;施健;于舒娟 -专利权人：南京邮电大学
申请日： 2021-12-14 - 公布日： 2022-04-15 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种面部表情识别方法，所述方法包括：获取待识别图像；对所述待识别图像进行预处理，获得预处理图像；将所述预处理图像输入预先训练的识别模型，输出识别结果；所述预先训练的识别模型包括第一提取单元、第二提取单元和识别单元，所述第一提取单元用于提取所述预处理图像的图像特征，所述第二提取单元用于提取所述第一提取单元提取的图像特征，所述识别单元用于识别所述第二提取单元提取的图像特征，所述第二提取单元包括深度卷积模块和卷积注意模块。本发明在识别模型中引入卷积注意模块，从通道和空间维度，提取图像特征，提高了识别的精准度。
一种面部表情识别方法

[发明专利]基于低精度量化的Massive MIMO中继系统下行链路模型构建方法-CN202110067128.X有效
发明人：张昀;李双;徐钦晨;于舒娟 -专利权人：南京邮电大学
申请日： 2021-01-19 - 公布日： 2022-03-29 - 主分类号： H04B7/0413 文献下载
摘要：本发明公开了一种基于低精度量化的MassiveMIMO中继系统下行链路模型构建方法，首先，将基站到中继的信道系数和中继到目的用户的信道建模成莱斯衰落模型；然后，对莱斯衰落模型下行链路的信号分为两个时隙依次进行处理，第一时隙是基站到中继的信号处理过程，第二时隙是中继到目的用户的信号处理过程；其次，根据用户的接收信号表达式以及香农公式推导真实可达总速率；最后，利用高阶统计量推导可达总速率的闭合表达式。本发明考虑在MassiveMIMO中继系统的下行链路过程中在基站到中继和中继到目的用户之间存在LOS路径的情况，使模型更符合实际的通信情况，并且解决了多天线所带来的高功耗问题。
基于精度量化 massive mimo 中继系统下行模型构建方法

[发明专利]基于信息增益与最大相关最小冗余二阶段特征选择方法-CN201810458856.1有效
发明人： 于舒娟;张昀;朱文峰;何伟;董茜茜;金海红 -专利权人：南京邮电大学;南京邮电大学南通研究院有限公司
申请日： 2018-05-15 - 公布日： 2021-12-14 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于信息增益与最大相关最小冗余二阶段特征选择方法，首先根据信息增益算法初步选取特征词，得到特征词子集；计算特征词与类别之间的互信息值；计算特征词之间的互信息值；计算特征词的类差分度；计算特征词的类差分度差值；将类差分度差值引入最大相关最小冗余MRMR算法进行二阶段特征词选取；本发明通过信息增益选取一阶段特征集合，同时将类差分度思想引入最大相关最小冗余方法作为二阶段特征提取方法，进而提升特征集合选取的准确度，实现特征词的准确选取，解决现有特征提取分类效果差、计算量大以及特征冗余等技术问题。
基于信息增益最大相关最小冗余阶段特征选择方法

[发明专利]基于M2M通信频谱共享与共存的盲检测算法-CN201910042795.5有效
发明人：张昀;李冰蕊;曹健;杨杰;于舒娟 -专利权人：南京邮电大学;南京邮电大学南通研究院有限公司
申请日： 2019-01-17 - 公布日： 2021-12-14 - 主分类号： H04W4/70 文献下载
摘要：本发明公开基于M2M通信频谱共享与共存的盲检测算法，包括如下步骤：步骤SS1：构造传统用户过完备模型和M2M通信稀疏模型；步骤SS2：凸优化求解M2M传输信号；步骤SS3：构造传统用户接收数据矩阵；步骤SS4：对所述步骤SS3中的接收数据矩阵奇异值分解；步骤SS5：设置权矩阵；步骤SS6：选择Hopfield神经网络的激活函数，进行Hopfield神经网络迭代运算。本发明首次利用Hopfield神经网络的盲检测恢复M2M通信中传统用户的恢复，根据传统用户过完备模型和M2M设备稀疏模型，利用凸优化得出M2M设备传输信号，对状态方程进行迭代：每次迭代时，进入Hopfield神经网络，通过仿真验证了在同等条件下，本发明的误码率优于假设信道已知情况下恢复传统用户信号的方法。
基于 m2m 通信频谱共享共存检测算法

[发明专利]一种sine混沌神经网络信号盲检测方法-CN202110584908.1在审
发明人：吴锦文;于舒娟;张昀 -专利权人：南京邮电大学通达学院
申请日： 2021-05-27 - 公布日： 2021-10-01 - 主分类号： H04L25/03 文献下载
摘要：本发明公开一种sine混沌神经网络信号盲检测方法。所述方法在MC_CHNN模型中引入sine混沌神经网络，利用混沌吸引子实现全局搜索，采用多模聚类激活函数改进传统激活函数，从而实现sine混沌神经网络信号盲检测。本发明方法用于通信系统检测中，可以实现一种收敛速度更快、抗噪声能力更强、所需要的数据量长度更短、准确而又可靠的检测方法。
一种 sine 混沌神经网络信号检测方法

[发明专利]基于带扰动的幅相型离散Hopfield神经网络的信号盲检测方法-CN201810353005.0有效
发明人： 于舒娟;张昀;曹健;杨杰;李冰蕊;张治民 -专利权人：南京邮电大学;南京邮电大学南通研究院有限公司
申请日： 2018-04-19 - 公布日： 2021-09-28 - 主分类号： H04L25/03 文献下载
摘要：基于带扰动的幅相型离散Hopfield神经网络的信号盲检测方法，包括如下步骤：S1、获取单个HNN神经元的状态；S2、根据各HNN神经元的状态获取多个神经元使用权值相互连接得到的Hopfield神经网络结构，并计算其相对应的动态方程；S3、根据Hopfield神经网络结构的输出构建接收数据矩阵；S4、根据接收数据矩阵优化为幅值相位型离散Hopfield神经网络结构；S5、构建带扰动的幅相型离散Hopfield神经网络。本发明在Hopfiled神经网络的基础上将扰动因子加在权矩阵和激活函数之间，既继承了神经网络的所有优点且其收敛速度更快并不容易陷入局部最小，为无线通信网提供了准确且快速的信号盲检测方法。
基于扰动幅相型离散 hopfield 神经网络信号检测方法

1
2
3
4
下一页»
尾页
共 48 条