“郑馥丹”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6个，建议您升级VIP下载更多相关专利

[发明专利]基于混合监督神经网络结构搜索的宇宙学参数估计方法-CN202211425715.2在审
发明人：卢宇彤;文英鹏;郑馥丹;黄聃;陈志广 -专利权人：中山大学
申请日： 2022-11-15 - 公布日： 2023-03-07 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了基于混合监督神经网络结构搜索的宇宙学参数估计方法，该方法包括：根据搜索空间的操作模块构建宇宙学参数估计模型的超网络；基于梯度下降法，对宇宙学参数估计模型的超网络进行混合监督训练，搜索得到宇宙学参数估计模型的结构；基于梯度下降法，对宇宙学参数估计模型的结构进行训练并优化，得到最优宇宙学参数估计模型；通过最优宇宙学参数估计模型进行宇宙学参数的估计。通过使用本发明，能够证明神经网络架构搜索可以应用于宇宙学参数估计并提高了宇宙学参数估计模型对宇宙学参数估计的准确性。本发明作为基于混合监督神经网络结构搜索的宇宙学参数估计方法，可广泛应用于人工智能技术领域。
基于混合监督神经网络结构搜索宇宙学参数估计方法

[发明专利]一种用于降雨预报后处理的自监督神经网络架构搜索方法-CN202210029296.4在审
发明人：黄子健;文英鹏;黄聃;余伟江;郑馥丹 -专利权人：中山大学
申请日： 2022-01-12 - 公布日： 2022-05-13 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种用于降雨预报后处理的自监督神经网络架构搜索方法，所述方法包括NWP模型对原始气象数据处理，得到降雨预测后处理输入数据图，将所述降雨预测后处理输入数据图输入到自监督神经网络架构搜索模型中，搜索模型利用目标网络和在线网络做对比学习，计算目标网络和在线网络的输出差异并做MSE损失计算，梯度更新目标网络和在线网络后得到搜索完毕的在线模型，使用训练数据集继续训练模型，使用HSS损失函数计算损失后梯度更新，最后获得训练完整的预测模型。本发明的有益效果在于：自监督神经网络架构搜索模型自动设计高准确度的神经网络模型，并通过引入强度分类指标HSS设计正则化函数，以提高降雨等级分类的准确性。
一种用于降雨预报处理监督神经网络架构搜索方法

[发明专利]一种题目结构推理方法及系统-CN202111281369.0在审
发明人：余伟江;卢宇彤;郑馥丹;文英鹏;陈志广 -专利权人：中山大学
申请日： 2021-11-01 - 公布日： 2022-01-28 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种题目结构推理方法及系统，该方法包括：接收输入文本并构建内容之间的相互关系，得到语义关系；获取先验知识并将先验知识与输入文本融合，得到隐性知识；将隐性知识和语义关系结合，并生成树结构目标；按照预定遍历顺序对树结构目标解析，得到方程表达式。该系统包括：层次推理编码器、知识编码器、树型结构编码器和树形结构解码器。通过使用本发明，实现基于问题描述来构建数学表达式。本发明作为一种题目结构推理方法及系统，可广泛应用于自然语言处理领域。
一种题目结构推理方法系统

[发明专利]用于行人重识别的掩膜池化模型训练和行人重识别方法-CN201910167964.8有效
发明人：卢宇彤;蔡婷婷;郑馥丹;王莹;邓楚富;陈志广 -专利权人：中山大学
申请日： 2019-03-06 - 公布日： 2021-06-04 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种用于行人重识别的掩膜池化模型训练和行人重识别方法，包括S1.获取锚图像a、正样本图像p、负样本图像n；S2.将a、p、n以及a、p、n对应的掩膜分别输入掩膜池化模型中，得到对应的三维张量Ta、Tp、Tn；S3.对Ta、Tp、Tn分别进行池化操作、卷积操作，得到对应的Ha、Hp、Hn；S4.将Ha、Hp、Hn分别输入分类器，得到对应的预测结果Ra、Rp、Rn；S5.根据预测结果Ra、Rp、Rn计算损失值；S6.根据损失值训练掩膜池化模型。本发明可以增强图像中的非背景信息，学习到图像最关键的特征。
用于行人识别掩膜池化模型训练方法

[发明专利]一种基于进化算法的卷积神经网络结构搜索方法及系统-CN201811353444.8有效
发明人：卢宇彤;瞿毅力;郑馥丹;陈志广 -专利权人：中山大学
申请日： 2018-11-14 - 公布日： 2020-10-27 - 主分类号： G06F16/2453 文献下载
摘要：本发明公开了一种基于进化算法的卷积神经网络结构搜索方法及系统，方法步骤包括输入数据集并设定预设参数，获取初始种群；通过作为主线程的控制器TC将初始种群弹入队列Q并开启队列管理器TQ和消息管理器TM，队列管理器TQ开启后针对队列Q中的未训练染色体将其弹出解码后开启一个作为独立临时线程的worker管理器TW对其训练计算适应度，通过控制器TC、队列管理器TQ、worker管理器TW、消息管理器TM的协同完成基于进化算法的卷积神经网络结构的并行搜索并输出最佳模型。本发明能针对给定数据集实现自动建模、调参和训练，具有性能高、规模化、流程化、确定性好的优点，尤其适用在高性能计算机集群上部署实施的优点。
一种基于进化算法卷积神经网络结构搜索方法系统

[发明专利]一种面向并行文件系统双层索引方法和系统-CN201811377273.2在审
发明人：沈逸仙;杜云飞;曾栋;郑馥丹;陈志广;卢宇彤;颜辉;钟康游 -专利权人：中山大学
申请日： 2018-11-19 - 公布日： 2019-03-15 - 主分类号： G06F16/22 文献下载
摘要：本发明涉及一种面向并行文件系统双层索引方法和系统，根据被访问数据在数据文件中的布局特性对数据文件进行分块，生成范围索引；在每个块内生成位图索引。被访问数据在数据文件中的布局特性可以由最近一次或多次被访问数据的大小与被访问数据所在块的大小之间的比值SelectValue衡量，将比值SelectValue与设定阈值进行比较，根据比较结果动态调整分块大小，按照调整后的分块大小对数据文件进行重新分块，重新生成范围索引并覆盖原有的范围索引。本发明可以有效地针对科学大数据建立索引，使得数据文件内的数据查询更加高效。
数据文件访问数据分块范围索引并行文件系统布局特性索引动态调整建立索引数据查询位图索引重新生成大数据有效地原有的衡量覆盖