“大连钜智信息科技有限公司”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7个，建议您升级VIP下载更多相关专利

[发明专利]一种局部结构优化的半监督语义保持跨模态检索方法-CN202211643084.1在审
发明人：邓永红;钟芳明;张元烨 -专利权人：大连理工大学人工智能大连研究院;大连钜智信息科技有限公司
申请日： 2022-12-20 - 公布日： 2023-10-20 - 主分类号： G06F16/51 文献下载
摘要：本发明提供了一种局部结构优化的半监督语义保持跨模态检索方法，涉及计算机技术领域，具体包括以下步骤：首先学习潜在语义空间，采用矩阵分解的方式统一学习所有数据的潜在语义表示，然后基于局部结构优化和标签信息，计算共同的语义相似度矩阵，进行半监督语义保持，最后优化整体目标函数，学习跨模态哈希函数，将跨模态数据转化为二进制编码进行跨模态检索，本发明目标是充分发挥无标签数据的语义结构信息，辅助提高半监督跨模态检索能力，实验验证表明，本发明能够有效利用无标签数据进行半监督跨模态哈希检索。
一种局部结构优化监督语义保持跨模态检索方法

[发明专利]一种基于Q学习的平均SAC深度强化学习方法和系统-CN202210683336.7在审
发明人：陈志奎 -专利权人： 大连钜智信息科技有限公司
申请日： 2022-06-16 - 公布日： 2022-08-09 - 主分类号： G06N3/08 文献下载
摘要：本发明提供了一种基于Q学习的平均SAC深度强化学习方法和系统，属于深度强化学习技术领域，1)随机初始化所有参数信息；2)更新Critic网络参数，完成策略评估以进行软策略迭代，计算价值网络的状态值函数，利用软Q网络的Q学习来训练软Q函数，接着选择前K个先前学习的软Q值，用来计算平均软Q值；3)更新Critic网络参数，完成策略改进以进行学习优化；4)完成一回合智能体训练学习，迭代更新直至满足终止条件，完成深度强化学习。本发明针对图像游戏设计了一种基于Q学习的Averaged Soft Actor‑Critic方法，综合考虑导致深度强化学习中稳定性不佳的原因，利用采取前K个软Q值来降低过高估计误差的策略，能有效提高深度强化学习算法Soft Actor‑Critic的性能。
一种基于学习平均 sac 深度强化学习方法系统

[发明专利]一种基于多任务学习的枳壳病虫害识别方法-CN202111514958.9在审
发明人：邓永红;陈永欢;张元烨 -专利权人：大连理工大学人工智能大连研究院;大连钜智信息科技有限公司
申请日： 2021-12-10 - 公布日： 2022-04-01 - 主分类号： G06V20/10 文献下载
摘要：本发明提供了一种基于多任务学习的枳壳病虫害识别方法，采用识别和重建两个任务训练识别网络。采用若干预训练模型对枳壳病虫害数据集进行图像分类训练，选用一个泛化能力较好的预训练模型并对其进行微调作为多任务学习模型的主干共享网络，然后设计用于枳壳病虫害分类和特征重建的分支任务网络，最后，通过对不同任务的权重调整，利用枳壳病虫害数据集训练图像识别模型并对枳壳病虫害进行分类识别。本发明基于多任务学习的思想，对识别模型进行多任务协调优化，获得更优的病虫害识别网络模型，进而提高识别准确率。
一种基于任务学习枳壳病虫害识别方法

[发明专利]一种基于LSTM和多尺度FCN的时间序列分类方法-CN202111034788.4在审
发明人：陈志奎 -专利权人： 大连钜智信息科技有限公司
申请日： 2021-09-04 - 公布日： 2021-11-26 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于LSTM和多尺度FCN的时间序列分类方法，属于时间序列分类领域。设定多模态网络的大体结构；用长短期记忆网络提取时间依赖特征；利用全卷积模块对时间序列曲线多种粒度的几何空间特征进行充分挖掘；整合时空特征并据此判别样本；利用反向传播算法充分训练模型。该方法能够以大规模、多尺度的感受野对空间特征进行全面探索，又可以自适应学习长短期时间依赖，学到的有益信息比现有模型更加全面。凭借对时间序列的差异性特点有更全面的掌握，能够给出更准确的判断。
一种基于 lstm 尺度 fcn 时间序列分类方法

[发明专利]一种基于注意力机制的超分辨率重建方法-CN202111034797.3在审
发明人：陈志奎 -专利权人： 大连钜智信息科技有限公司
申请日： 2021-09-04 - 公布日： 2021-11-26 - 主分类号： G06T3/40 文献下载
摘要：本发明提供了一种基于注意力机制的图像超分辨率重建方法，属于图像恢复与超分辨率重建领域，通过双三次线性插值法退化算法获取训练高‑低分辨率图像对数据集；对低分辨率图像进行分块，根据超分辨率任务获取对应的高分辨率图像块；预定义训练参数和用于优化的模型损失函数；初始化模型参数，将低分辨率图像块作为超分辨率模型的输入，获得超分辨率图像块，合并得到重建的图像；计算原始高分辨率图像和重建的图像的差异，将损失函数沿着网络反向传播，通过梯度计算进行网络模型权重参数的计算，使得重建的图像与原始图像差值最小化，获得训练好的模型。提高图像重建能力，学习特征跨层级之间的相关性，缓解反向投影过程特征的衰减性。
一种基于注意力机制分辨率重建方法

[发明专利]基于深度学习和计权型多因子评价的测土配方施肥方法-CN202110616839.8在审
发明人：唐晨曦;邓永红;黄华飞;吕羿澎 -专利权人： 大连钜智信息科技有限公司
申请日： 2021-06-03 - 公布日： 2021-09-24 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供了一种基于深度学习和计权型多因子评价的测土配方施肥方法，包括以下步骤：将土壤数据和地块产量数据进行整理和归档，并进行归一化处理和添加标签操作，得到样本数据；针对不同作物对不同化学元素敏感度的差异设置对应的权重，利用分肥力系数标准公式和改进的内梅罗指数法对土壤的肥力状况和重金属污染状况划分等级，得出综合肥力指数；通过计权型多因子评价改进经典遗传算法中的适应度函数，通过适应度函数选取合适的子代数据来进行数据增强，扩充数据样本；使用扩充的数据样本对神经网络模型进行训练，得出作物的产量预测与配肥补肥策略。本发明解决了神经网络要求训练样本量大的问题，还给出土壤的丰缺度评价和污染指标评价。
基于深度学习计权型多因子评价配方施肥方法

[发明专利]一种基于条件对抗自动编码机的广义零样本图像识别方法-CN202011512678.X在审
发明人：钟芳明;邓永红;张元烨 -专利权人：大连理工大学人工智能大连研究院;大连钜智信息科技有限公司
申请日： 2020-12-20 - 公布日： 2021-03-30 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种零样本图像识别方法，尤其涉及一种基于条件对抗自动编码机的广义零样本图像识别方法。一种基于条件对抗自动编码机的广义零样本图像识别方法，所述的广义零样本识别方法采用条件对抗自动编码机中的解码器结合先验分布和类别属性条件生成伪样本，解决零样本问题。本发明的有益效果是：采样条件对抗自动编码机，将数据潜在语义表示的集成后验分布匹配为一个先验分布，如标准正态分布，提高了生成模型的稳定性；将类别属性作为条件训练对抗自动编码机，提高了模型的判别能力，生成的伪样本更接近数据的真实分布；同时生成可见类和不可见类的伪样本，仅使用伪样本训练SVM分类器以消除数据不平衡的影响。
一种基于条件对抗自动编码广义样本图像识别方法

1
共 7 条