“章成源”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18个，建议您升级VIP下载更多相关专利

[发明专利]一种学术团队影响力传播预测方法、设备和存储介质-CN201911119152.2有效
发明人：黄芳;张予琛;章成源;张金阳;吴伟杰 -专利权人：中南大学
申请日： 2019-11-15 - 公布日： 2023-09-29 - 主分类号： G06Q10/0639 文献下载
摘要：本发明公开了一种学术团队影响力传播预测方法、设备和存储介质，考虑团队内部组织结构特征和外部传播特征，提出将具有作者合著关系的合作关系网络中的社区节点向量与具有作者引用关系的影响力传播有向网络中的传播节点向量相结合，采用深层全连接神经网络链路预测模型实现团队影响力的传播预测，该方法用深度学习模型来求解复杂网络中团队影响力传播链路预测问题，普适性好，克服了传统方法链路预测的局限性以及现有深度学习方法难以对团队影响力传播方向进行预测的缺陷。通过真实数据集的实验表明，该方法具有较高的预测准确性。
一种学术团队影响力传播预测方法设备存储介质

[发明专利]基于异构残差注意神经网络模型的图像去噪方法及系统-CN202310321888.8有效
发明人：谢少东;张师超;田春伟;章成源 -专利权人：中南大学
申请日： 2023-03-29 - 公布日： 2023-06-13 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于异构残差注意神经网络模型的图像去噪方法及系统，本方法将第一图像数据集输入至异构残差注意神经网络模型中进行网络训练，获得训练好的异构残差注意神经网络模型；其中训练步骤包括：采用卷积层和ReLU激活函数对第一图像数据集进行特征提取，获得全局信息特征图；将全局信息特征图通过多个异构残差注意块和局部跳跃连接，获得粗略去噪图像；采用CNN去噪器增强粗略去噪图像的细节信息，获得残差图像；对残差图像和输入的第一图像进行残差操作，获得清晰图像。本发明能够减少网络参数量，加快网络训练过程，提升图像去噪性能。
基于异构残差注意神经网络模型图像方法系统

[发明专利]一种模型训练方法、图像去噪方法、装置、设备及存储介质-CN202210638012.1有效
发明人：胡雨轩;田春伟;张师超;章成源 -专利权人：中南大学
申请日： 2022-06-07 - 公布日： 2023-05-30 - 主分类号： G06T5/00 文献下载
摘要：本申请提供了一种模型训练方法、图像去噪方法、装置、设备及存储介质；针对训练集较难获取的问题，引入自监督学习的方法，将添加两次模拟噪声的图像集合和仅添加一次模拟噪声的图像集合作为配对的训练集，极大地降低了主去噪网络训练集的获取成本。此外，采用不同尺寸的卷积层构建主去噪网络，可以提取多样化特征，提高去噪效果；采用两种跳跃连接操作来协同增强模型的记忆能力，提高学习效果；采用增强Transformer层提取显著性特征，增加模型的鲁棒性。通过上述多项改进可以实现对主去噪网络的有效训练，训练完成的主去噪网络具备较好的去噪性能。
一种模型训练方法图像装置设备存储介质

[发明专利]一种基于可变形卷积神经网络的图像去噪方法-CN202111039510.6有效
发明人：肖景钰;田春伟;章成源;张师超 -专利权人：中南大学
申请日： 2021-09-06 - 公布日： 2022-08-19 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于可变形卷积神经网络的图像去噪方法，所述方法包括构建可变形卷积神经网络模型，构建完成的可变形卷积神经网络模型包括两个子网络模型，分别为用于图像去噪的第一网络模型，以及用于辅助第一网络模型进行图像去噪的第二网络模型。然后再训练构建完成的可变形卷积神经网络模型，最后利用训练完成的可变形卷积神经网络模型进行图像去噪。本发明公开的图像去噪方法有效改进了目前基于神经网络的去噪方法中存在的图像失真或去噪效果不良的问题。
一种基于变形卷积神经网络图像方法

[发明专利]神经网络机器翻译模型训练方法、机器翻译方法和装置-CN202110395391.1有效
发明人：曹达;陈诗雨;曾雅文;章成源;陆邵飞;荣辉桂 -专利权人：湖南大学
申请日： 2021-04-13 - 公布日： 2022-06-28 - 主分类号： G06V20/40 文献下载
摘要：本发明提供一种神经网络机器翻译模型训练方法、机器翻译方法和装置。所述神经网络机器翻译模型训练方法通过从训练视频中提取场景视觉图，再根据场景视觉图得到细腻度更高的视频特征向量序列，再将视频特征向量序列与第一文本特征向量序列进行对齐融合得到更准确的视频引导的第一文本特征向量序列，然后通过视频引导的第一文本特征向量序列和第二文本特征向量序列得到预测文本向量序列，最后根据预测文本向量序列与标准文本特征向量序列的比对结果，对所述神经网络机器翻译模型的模型参数进行迭代调整，直到满足收敛条件，完成所述神经网络机器翻译模型的训练，能够提升训练得到的神经网络机器翻译模型对视频引导的机器翻译的精度。
神经网络机器翻译模型训练方法装置

[发明专利]正负样本划分方法及其单阶段目标检测方法-CN202210152498.8在审
发明人：张师超;袁双雄;章成源 -专利权人：中南大学
申请日： 2022-02-18 - 公布日： 2022-05-24 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种正负样本划分方法，包括获取待划分的样本数据集；确认模型并初始化；计算模型每个特征层的锚框数；对初始化的超参数进行调整；计算所有锚框与目标框的IOU值；在模型的每个特征层中挑选若干个与目标框的IOU值最大的锚框作为目标框的候选正样本集合；计算正样本IOU阈值；对候选正样本集合内的样本进行两次筛选得到最终的正样本加入到正样本集合；重复上述步骤直至所有特征层均计算完成，得到最后的正样本集合和负样本集合，完成样本数据集的正负样本划分。本发明还公开一种包括所述正负样本划分方法的单阶段目标检测方法。本发明方法鲁棒性强，对超参数不敏感，可靠性高，稳定性好。
正负样本划分方法及其阶段目标检测

[发明专利]基于MG-LSTM的引文差异匹配方法、装置及存储介质-CN202010834878.0有效
发明人：王也;龙军;章成源;魏翔翔;杨展 -专利权人：中南大学
申请日： 2020-08-19 - 公布日： 2022-05-20 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种于MG‑LSTM的引文差异匹配方法、装置及存储介质，其中方法包括：获取待甄别引文和可信引文的标题、作者、出版社元数据；以单词和字符为分割粒度，将待甄别引文和可信引文的标题、作者、出版社元数据分别分割转换为标题嵌入向量对、作者嵌入向量对、出版社嵌入向量对；基于注意力机制分别学习各嵌入向量对的权重，并基于对应权重更新各嵌入向量对；将更新后的各嵌入向量对输入预先训练好的引文差异识别模型中，输出引文差异匹配结果类别。可进行引文细粒度甄别，判断引文存在何种差异类型；通过引入注意力机制能更好的表征待甄别引文与可信引文的各元数据间的相互关系，再结合双向LSTM网络同时保留两个方向的特征信息，确保了甄别精度。
基于 mg lstm 引文差异匹配方法装置存储介质

[发明专利]一种用于图像-文本的跨模态检索方法-CN202210124470.3在审
发明人：张师超;石慧敏;章成源 -专利权人：中南大学
申请日： 2022-02-10 - 公布日： 2022-05-10 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种用于图像‑文本的跨模态检索方法，包括获取图文对数据集并构建跨模态图文检索初始模型；处理图文对数据集得到特征向量；获取特征向量在公共空间内的统一维度特征向量，进行标签分类并计算标签分类损失；对图文对数据集进行基于多负样本的加权采样并计算多负样本加权对比损失；通过优化器对跨模态图文检索初始模型进行优化得到跨模态图文检索模型；采用跨模态图文检索模型进行实际的图像‑文本的跨模态检索。本发明预先构建跨模态图文检索模型，将图像/文本特征向量投射到统一公共空间，引入多负样本采样和加权学习进行模型训练，并利用训练好的模型进行跨模态检索；因此本发明方法的检索准确度高、可靠性好且检索速度快。
一种用于图像文本跨模态检索方法

[发明专利]基于频域和空域的图像超分辨率方法-CN202210134149.3在审
发明人：张师超;谢方鑫;章成源 -专利权人：中南大学
申请日： 2022-02-14 - 公布日： 2022-05-10 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于频域和空域的图像超分辨率方法，包括获取原始数据集并处理得到训练数据集；基于增强超分辨率生成对抗网络，并结合小波变换和注意力机制，从频域和空域两个角度构建图像超分辨率原始模型；采用训练数据集进行训练得到图像超分辨率模型；采用图像超分辨率模型对实际的图像进行超分辨率处理。本发明依据空域图像和频域图像不同的特征，采用生成对抗网络、注意力机制和小波变换等技术，训练得到图像超分辨率模型，分别对空域和频域图像进行深度特征提取和特征重建工作；因此本发明方法能够使得超分辨率后的图像拥有更多的高频信息、结构信息和纹理信息，而且兼具准确率和视觉效果，可靠性高、实际应用效果好且稳定精确。
基于空域图像分辨率方法

[发明专利]基于知识图谱的个性化推荐方法-CN202210151759.4在审
发明人：张师超;左铠宁;章成源 -专利权人：中南大学
申请日： 2022-02-18 - 公布日： 2022-05-10 - 主分类号： G06F16/9536 文献下载
摘要：本发明公开了一种基于知识图谱的个性化推荐方法，包括获取用户的数据信息并构建知识图谱；对知识图谱的实体节点进行编码并为图中的每一个实体和关系生成嵌入向量表示；进行消息聚合得到用户的特征表示以及物品的特征表示；计算各物品被推荐给用户的概率并完成基于知识图谱的个性化推荐。本发明克服了用户‑项目交互记录间相互独立的弊端，能够获取用户基于项目属性的协同信息；而且本发明方法使得模型能够捕获协同知识图中基于节点间特征交互的丰富语义和高阶连通性；因此本发明方法的可靠性高、实用性好且准确度高。
基于知识图谱个性化推荐方法

[发明专利]基于图神经网络的会话推荐方法-CN202210165379.6在审
发明人：张师超;荣昌宇;章成源 -专利权人：中南大学
申请日： 2022-02-18 - 公布日： 2022-05-10 - 主分类号： G06F16/9536 文献下载
摘要：本发明公开了一种基于图神经网络的会话推荐方法，包括采用全部会话序列构建全局会话图；采用当前会话序列构建局部会话图；将全局会话图输入全局会话图神经网络得到全局信息特征表示；将局部会话图输入局部会话图神经网络得到局部信息特征表示；综合全局信息特征表示和局部信息特征表示得到会话序列特征表示；采用注意力机制得到最终的特征表示；计算得到用户与每个商品的得分并输出最终的会话推荐结果。本发明使用了全新且不同的图构建方法，能够有效减少信息损失，同时加入全局会话信息，能够有效的加入协同信息，提高当前会话的推荐效果和多样性；而且本发明方法可靠性高、准确性好且科学有效。
基于神经网络会话推荐方法

[发明专利]基于深度学习的交通流量预测方法-CN202210152521.3在审
发明人：张师超;段弘翔;章成源 -专利权人：中南大学
申请日： 2022-02-18 - 公布日： 2022-05-06 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于深度学习的交通流量预测方法，包括获取交通状态数据集并处理得到训练数据集；构建端到端的交通流量预测原始模型；采用训练数据集训练交通流量预测原始模型得到交通流量预测模型；采用交通流量预测模型进行实际情况下的交通流量预测。本发明提供的这种基于深度学习的交通流量预测方法，从空间和时间两个维度提取特征进行多步预测，相较于传统方法省去了复杂的人工特征设计和提取过程，因此本发明方法的稳定性和可靠性更高，准确性更好，而且实施相对简单。
基于深度学习交通流量预测方法

[发明专利]面向流数据的增量式时态频繁模式并行挖掘方法-CN201811292708.3有效
发明人：黄芳;赵义健;杜春修;章成源;张祖平 -专利权人：中南大学
申请日： 2018-11-01 - 公布日： 2022-04-22 - 主分类号： G06F16/2455 文献下载
摘要：本发明提供了一种面向流数据的增量式时态频繁模式并行挖掘方法，包括两部分，第一部分为时态频繁模式和时态次频繁模式的增量式挖掘，第二部分是时态频繁模式树的重建。本发明在获取了当前数据集的K‑项集计数后通过历史的频繁模式树和历史次频繁模式的信息对每个频繁模式的时态频繁度进行更新计算，将更新完时态频繁度的频繁模式根据阈值分别加入到时态频繁模式集合和时态次频繁模式集合中。本发明能以最小的空间代价来保存时态频繁模式的历史信息，提高频繁模式挖掘的准确性。
面向数据增量时态频繁模式并行挖掘方法

[发明专利]一种Top-k组合有中心的关键词查询方法-CN202111294388.7在审
发明人：姚务;章成源;杨建业 -专利权人：湖南大学
申请日： 2021-11-03 - 公布日： 2022-02-01 - 主分类号： G06F16/953 文献下载
摘要：本发明公开了本发明提供了一种Top‑k组合有中心的关键词查询方法，包括以下步骤：S1：用PLL算法离线生成实体网络G的枢纽标签HL；S2：获取实体网络G的枢纽标签HL，从用户处接收指定的查询关键词集合Q＝{q1,q2,…,qg}和待查询的关键词匹配组合的组数K；S3：结合查询关键词集合Q在线生成基于关键词的枢纽标签KHL；S4：初始化关键词匹配实体枚举器和关键词匹配组合枚举器；S5：关键词匹配实体增量枚举和关键词匹配组合增量枚举，以及有效实体失效验证；解决了现有Top‑k组合关键词查询方法由于直接存储实体对之间最短路径存储开销过大所导致的适应性差的问题以及关键词匹配实体集全枚举和无效实体重复计算所导致的响应速度慢的问题。
一种 top 组合中心关键词查询方法

[发明专利]一种跨模态图文检索方法-CN202110183316.9在审
发明人：吴兆江;章成源 -专利权人：吴兆江
申请日： 2021-02-09 - 公布日： 2021-06-04 - 主分类号： G06F16/432 文献下载
摘要：本发明公开了一种跨模态图文检索方法，涉及多媒体信息检索技术领域，包括以下步骤：预先建立跨模态图文检索模型，将数据信息作为跨模态图文检索模型的输入，并获取图片特征提取层和文本特征提取层，形成图片特征向量和形成文本特征向量，并分别基于跨模态图文检索模型经过两层全连接层，获取图像和文本的低维特征，经过阈值函数生成哈希码，将获取哈希码通过二进制异得到汉明距离，基于汉明距离值对数据信息排序，并将排序在前排的数据作为检索结果呈现。本发明能够获取相关图片和文本之间的关联，不仅提高了在图片和文本相互之间检索的精确度，而且兼顾准确性和匹配速度，且降低了运营成本。
一种跨模态图文检索方法

1
2
下一页»
尾页
共 18 条