“朋环环”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5个，建议您升级VIP下载更多相关专利

[发明专利]用于众包系统的动态激励计算方法、系统、设备及介质-CN202010466953.2有效
发明人：苗晓晔;朋环环;黄新宇;吴洋洋;尹建伟 -专利权人：浙江大学
申请日： 2020-05-28 - 公布日： 2023-05-26 - 主分类号： G06Q40/12 文献下载
摘要：本发明公开了一种用于众包系统的动态激励计算方法和系统，该方法包括获取需求者在众包平台上的任务数据以及参与用户的历史任务问答数据；将任务分配给参与用户；针对每个参与用户构建一个循环神经网络模型；根据参与用户的历史任务问答数据，训练循环神经网络模型；依据参与用户、任务以及循环神经网络模型的预测结果，计算不同激励值所带来的最终收益大小判断是否给予当前用户激励值；收集所有参与用户的答案，以得到需求者所需的结果。在解决在线收益计算问题时，本发明同样提出了一种简洁高效的算法。模拟实验证实了本发明在复杂情况下的高效性和鲁棒性。众包平台上的实际实验也显示了本发明相对于传统方法的高效性及优越性。
用于系统动态激励计算方法设备介质

[发明专利]社交网络种子用户选择方法和装置、电子设备、存储介质-CN202110419666.0有效
发明人：苗晓晔;朋环环;吴洋洋;刘悦;尹建伟 -专利权人：浙江大学
申请日： 2021-04-19 - 公布日： 2023-05-23 - 主分类号： G06Q50/00 文献下载
摘要：本发明公开了一种社交网络种子用户选择方法和装置、电子设备、存储介质。该方法包括：对社交网络和用户行为进行建模，得到时间感知的社交网络传播模型；根据所述社交网络传播模型，多次选择任意用户进行反向传播模拟，记录反向传播模拟中被激活的用户，将这些用户组成反向可达集RRsets；根据所述反向可达集RRsets，使用用户集与所述反向可达集RRsets的交集个数代表用户集中任意用户的近似影响力，基于所述近似影响力贪心选择预定数目的用户，作为社交网络中的种子用户。本发明方法具有高效性和鲁棒性。
社交网络种子用户选择方法装置电子设备存储介质

[发明专利]医疗诊断缺失数据补全方法及补全装置、电子设备、介质-CN202110419669.4有效
发明人：苗晓晔;吴洋洋;朋环环;茹钟莹;尹建伟 -专利权人：浙江大学
申请日： 2021-04-19 - 公布日： 2023-04-07 - 主分类号： G06F16/215 文献下载
摘要：本发明公开了一种医疗诊断缺失数据的补全方法及补全装置、电子设备、介质，该方法包括：获取存在数据缺失问题的医疗诊断数据集；将所述原始数据随机划分成初始样本点数据和候选样本点数据，并利用所述初始样本点数据，构建并训练生成对抗网络初始补全模型；利用影响函数估计出样本点对生成对抗网络初始补全模型参数和对生成对抗网络初始补全模型预测结果的影响力；利用二分搜索算法采样所述候选样本点数据中最具影响力的样本点，进一步迭代优化所述生成对抗网络初始补全模型，实现医疗诊断缺失数据补全。本发明针对在医疗诊断数据中存在的数据缺失和数据规模大等问题，提出补全方法，拥有补全效果好、效率高、可扩展性强等优点。
医疗诊断缺失数据方法装置电子设备介质

[发明专利]一种空气质量检测数据缺失的补全方法及补全装置-CN202010226776.0有效
发明人：苗晓晔;吴洋洋;朋环环;尹建伟 -专利权人：浙江大学
申请日： 2020-03-27 - 公布日： 2022-11-08 - 主分类号： G06F16/215 文献下载
摘要：本发明公开了一种空气质量检测数据缺失的补全方法及补全装置，该方法包括：获取存在数据缺失问题的原始数据，其中，所述原始数据为存在数据缺失的空气质量检测数据集；根据所获取的原始数据，分别构建基于变分自编码器的生成器模型和构建特征判别器模型；将构建好的基于变分自编码器的生成器模型和特征判别器模型进行结合，利用原始数据对结合后的模型进行优化训练，并通过生成器模型中变分自编码器的重构矩阵对输入原始数据进行数据补全，得到完整数据。本发明针对在数据缺失中存在的数据缺失情况多样化的问题，提出了一种高效且鲁棒的数据补全方法，拥有补全效果好、效率高、鲁棒性强等优点，能够有效的补全各种缺失情况下的缺失数据。
一种空气质量检测数据缺失方法装置

[发明专利]药物互作用预测模型的构建方法、预测方法及装置-CN202210588763.7在审
发明人：苗晓晔;茹钟莹;吴洋洋;朋环环;尹建伟 -专利权人：浙江大学
申请日： 2022-05-26 - 公布日： 2022-08-30 - 主分类号： G16B15/30 文献下载
摘要：本发明公开了一种药物互作用预测模型的构建方法、预测方法及装置，包括收集整理药物、内源蛋白质的分子线性表示及这些分子间的互作用，所述药物包括化学药和生物药；使用所述分子线性表示及这些分子间的互作用，构造外层互作用图连接性增强、内层分子结构图数据量扩充的双视角异构图；搭建以双视角异构图为输入的药物互作用预测模型，所述模型包括双视角异构图表征模块和双视角融合预测模块，所述双视角异构图表征模块基于图神经网络学习各视角下药物和内源蛋白质的表征，随后所述双视角融合预测模块结合双视角给出预测；训练所搭建的模型并调整其超参数，得到面向化学药和生物药的多类型药物互作用预测模型。
药物作用预测模型构建方法装置