“宋明黎”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113个，建议您升级VIP下载更多相关专利

[发明专利]基于视觉大模型的移动端定向分割方法-CN202310908027.X在审
发明人：冯尊磊;陈天浩;宋杰;宋明黎 -专利权人：浙江大学
申请日： 2023-07-24 - 公布日： 2023-10-27 - 主分类号： G06V10/26 文献下载
摘要：基于视觉大模型的移动端定向分割方法，首先利用现有遥感数据集标注正样本点标注数据集；其次，利用梯度寻优技术，以正样本点和语义特征向量为输入，目标遮罩为输出，获取特定类别语义特征；再次，经过关联模块筛选和位置语义融合再优化后，得到一个精简的定向分割大模型；最后，任选若干张遥感影像，输入模型得到指定类别的遮罩。通过上述4个步骤，可以识别出任意一种遮罩。
基于视觉模型移动定向分割方法

[发明专利]基于图彩票假设理论的电网暂态失稳子结构定位方法和系统-CN202310499258.X在审
发明人： 宋明黎;汪雨雯;刘顺宇;陈凯旋;李文达;苏运;田英杰 -专利权人：浙江大学;国网上海市电力公司
申请日： 2023-05-06 - 公布日： 2023-10-27 - 主分类号： G06F18/214 文献下载
摘要：基于图彩票假设理论的电网暂态失稳子结构定位方法和系统，包括：首先本发明将电网暂态数据处理为带有暂态稳定性标签的图结构数据，引入图卷积神经网络对图的表示特征进行提取。然后通过基于幅值的联合稀疏化方法，实现对电网图中冗余信息的丢弃，并且考虑到稀疏化过程中，元素的重要性会随着模型结构和图结构的动态改变而发生变化的问题，在每次进行进一步稀疏之前，重新考虑被丢弃元素的重要性，并设计对抗互补擦除框架对识别的关键子结构进行修正。本发明能明确造成电网暂态失稳的原因，为电网暂态失稳的调控提供准确和高效的解决方案。
基于彩票假设理论电网失稳结构定位方法系统

[发明专利]基于模板学习与比对的薄面外观缺陷检测方法-CN202310647375.6在审
发明人：孙立;吴洪岩;梁瑞;孙震;王慧琼;宋明黎 -专利权人：浙江大学宁波“五位一体”校区教育发展中心
申请日： 2023-06-02 - 公布日： 2023-10-20 - 主分类号： G06T7/00 文献下载
摘要：基于模板学习与比对的薄面外观缺陷检测方法，包括：1)基于良品图像自动学习构建模板原型；2)对每个模板原型，检测待检测样本图像中的模板实例；3)对每个模板实例，将对应的模板原型与模板实例区域进行映射对齐；4)对每个模板实例，将应映射对齐后的模板实例和模板原型进行比对得到特征差异图；5)对每个模板实例的特征差异图，应用缺陷检测算法参数提取模板实例内的缺陷信息；6)综合所有模板实例的缺陷信息，输出产品OK/NG判定和缺陷信息列表。本发明综合多种技术手段实现对平面规则内容产品的准确、灵活、高效的外观缺陷检测。
基于模板学习薄面外观缺陷检测方法

[发明专利]基于逆强化学习的自动驾驶选道决策方法和系统-CN202310648155.5在审
发明人： 宋明黎;卿云鹏;刘顺宇;徐书奇 -专利权人：浙江大学
申请日： 2023-06-02 - 公布日： 2023-10-17 - 主分类号： B60W50/00 文献下载
摘要：基于逆强化学习的自动驾驶选道决策方法和系统，其方法包括：利用规划算法构造专家策略在highway‑env环境中进行仿真得到专家数据集。然后，在强化学习的行动器‑评判器网络架构基础上重构局部奖励函数：在强化学习过程中利用扩展混合评判网络池衡量智能体对于状态的不确定度进而选择课程化子目标；基于子目标重构局部匹配奖励函数引导智能体按照专家轨迹行动。最后利用基于元模仿目标，在强化学习过程中间利用元模仿学习的方法更新局部内在奖励生成器，引导智能体在专家数据附近探索，从奖励函数角度推理建模专家意图，从而进一步引导智能体靠近专家策略。
基于强化学习自动驾驶决策方法系统

[发明专利]基于时序二分图神经网络的用户缺失属性补全方法与系统-CN202310851553.7在审
发明人：宋杰;许可;郑铜亚;冯尊磊;宋明黎 -专利权人：浙江大学
申请日： 2023-07-12 - 公布日： 2023-10-13 - 主分类号： G06F18/214 文献下载
摘要：基于时序二分图神经网络的用户缺失属性补全方法，首先，对时序用户属性矩阵进行预处理，进行数据归一化，并记录分类变量和连续变量。然后将时序用户属性矩转化为时序二分图结构，并采用图卷积神经网络来聚合提取图中节点嵌入向量和边嵌入向量，并使用LSTM融合不同时间步的节点特征；将时序二分图中预测边的两端节点的图特征拼接作为用户节点‑属性节点的边预测模型的输入；采用多个线性层构建边预测模型，引入多任务学习框架同时学习分类任务和回归任务，从而灵活处理分类变量和连续变量。最后，通过该框架来对用户缺失属性进行补全，并将结果写回原数据中。本发明还包括基于时序二分图神经网络的用户缺失属性补全方法的系统。
基于时序二分神经网络用户缺失属性方法系统

[发明专利]基于卷积神经网络预训练模型的卷积核激活值正则化方法和系统-CN202310841509.8在审
发明人： 宋明黎;徐文祥;陈琳;贾志杰;冯尊磊 -专利权人：浙江大学
申请日： 2023-07-11 - 公布日： 2023-10-03 - 主分类号： G06N3/084 文献下载
摘要：基于卷积神经网络预训练模型的卷积核激活值正则化方法和系统，其方法包括：1)预训练卷积神经网络模型；2)计算卷积核产生的激活值的重要程度；3)正则化处理卷积核产生的激活值，产生新的激活值，使用新的激活值代替原先的激活值；4)基于正则化处理之后的卷积神经网络模型对图像进行分类。本发明找到卷积神经网络预训练模型中每个卷积核产生的激活值的重要程度，基于激活值的重要程度对卷积核激活值进行正则化处理。根据分类结果计算损失函数，利用损失函数对卷积神经网络的参数进行更新，提升预训练卷积神经网络的图像分类性能。
基于卷积神经网络训练模型激活正则方法系统

[发明专利]一种基于正则化的在线指数凹优化方法-CN202310718754.X在审
发明人：冯尊磊;杨旭;宛袁玉;宋杰;宋明黎 -专利权人：浙江大学
申请日： 2023-06-16 - 公布日： 2023-10-03 - 主分类号： G06F30/20 文献下载
摘要：一种基于正则化的在线指数凹优化方法，包含：步骤1.收集公开数据集，对数据集进行数据清洗和分析；步骤2.对参数进行初始化设置；分别对四个参数进行初始化设置；步骤3.对获得的在线数据，根据学习到的模型给出决策，然后获得本轮基于真实标签与决策差异的损失；步骤4.根据损失函数信息做决策更新；决策更新主要分成两个部分：对每个损失函数中的指数凹部分执行ONS迭代、对正则化部分使用近端映射；步骤5.记录本轮学习到的参数，基于此得到一个模型，该模型用于步骤3中，然后重复步骤3和步骤4，对参数不断进行学习和更新，直至完成T轮博弈。本发明有能力利用的指数凹性来实现与ONS相同的遗憾界并达到正则化的效果。
一种基于正则在线指数优化方法

[发明专利]基于卷积神经网络的急性主动脉综合征CT图像分类方法-CN202211453096.8有效
发明人：冯尊磊;张圣旭明;胡凯文;俞晓天;宋明黎 -专利权人：浙江大学
申请日： 2022-11-21 - 公布日： 2023-10-03 - 主分类号： G06V10/764 文献下载
摘要：基于卷积神经网络的急性主动脉综合征CT图像分类方法，包括：1)躯干CT平扫和CT增强图像数据集收集；2)主动脉检测图像数据和急性主动脉综合征分类图像数据标注；3)获取主动脉CT检测图像；4)主动脉CT图像分类网络初始训练；5)高置信度样本梯度通道模式聚合；6)基于高置信度样本梯度通道模式进行梯度约束的主动脉CT图像分类网络重训练；7)对CT图像整体分类。本发明可以对急性主动脉综合征的CT增强图像甚至CT平扫图像进行分类。本发明采用两阶段方法，将主动脉部分CT图像从整体躯干扫描CT图像中分离出来，减少无关部分的干扰，并使用高置信度主动脉CT图像引导低置信度主动脉CT图像的学习进程，增加主动脉CT图像分类准确度，具有较强的实用性，有助于减轻医生工作量。
基于卷积神经网络急性主动脉综合征 ct 图像分类方法

[发明专利]基于Frank-Wolfe的图像对抗样本防御方法和系统-CN202310841505.X在审
发明人：冯尊磊;陈凯隆;宛袁玉;宋明黎 -专利权人：浙江大学
申请日： 2023-07-11 - 公布日： 2023-09-26 - 主分类号： G06V10/774 文献下载
摘要：基于Frank‑Wolfe的图像对抗样本防御方法和系统，其方法包括以下步骤：(1)数据收集和清洗；(2)构建神经网络模型；(3)基于原始图像，使用Frank‑Wolfe和二分算法生成初始对抗样本；(4)使用Frank‑Wolfe算法精细搜索对抗样本边界；(5)将生成的对抗样本给模型训练，提高模型的鲁棒性。本发明设计了一种基于Frank‑Wolfe的图像对抗样本防御方法。该技术的核心思想是通过二分算法和Frank‑Wolfe算法减少需要初始化一个较小的对抗样本的迭代次数，并基于Frank‑Wolfe算法对已经生成的对抗样本进行更进一步的搜索，以达到缩小对抗样本范数的效果，从而优化生成对抗样本的次数和效率。本发明生成对抗样本范数小，生成效率高，从而为构建更加鲁棒的图像分类系统打好基础。
基于 frank wolfe 图像对抗样本防御方法系统

[发明专利]一种独立级联模型下协作-竞争并存的社交网络影响最大化算法-CN202310803446.7在审
发明人：史麒豪;杨武剑;王灿;宋明黎;吴明晖 -专利权人：浙大城市学院
申请日： 2023-07-03 - 公布日： 2023-09-22 - 主分类号： G06F16/9536 文献下载
摘要：本发明涉及一种独立级联模型下协作‑竞争并存的社交网络影响最大化算法，包括根据输入参数指定4类信息Ca+、Ca、Cr和Cr‑的优先级；根据4类信息优先级的单调性与子模性确定子算法，子算法包括PR‑IMM子算法、SA‑IMM子算法和SA‑RG‑IMM子算法。本发明的有益效果是：本发明为正面信息最大化和负面信息最小化共存的普遍情况提供了一个统一的通用框架，基于信息传播的独立级联模型，在已知正面信息种子节点的前提下，设置指定数量的“信息增强节点”尽可能扩大正面信息的传播能力；并在已知负面信息种子节点的前提下，设置指定数量的“信息增强节点”尽可能干预负面信息的扩散。
一种独立级联模型协作竞争并存社交网络影响最大化算法

[发明专利]基于状态关系主动提问的存储电路智能化设计方法和系统-CN202310841499.8在审
发明人：冯尊磊;魏耀全;陈霞;宋杰;宋明黎;梁栋;禚俊杰;刘珅岐 -专利权人：浙江大学;国网山东省电力公司济南供电公司
申请日： 2023-07-11 - 公布日： 2023-09-22 - 主分类号： G06F30/398 文献下载
摘要：基于状态关系主动提问的存储电路智能化设计方法和系统，其方法包括：首先将存储电路数据的节点特征进行对齐从而构建存储电路结构状态的一条高维向量表示。然后利用随机采样的存储电路结构数据训练特征提取器，之后构建强化学习模型。在训练强化学习模型时，将每一步遇到的存储电路结构状态特征提取出来，并放入特征池中。然后依据每一步当前存储电路结构状态特征与特征池的距离，判断是否向专家进行提问。若向专家提问，专家会给予具体动作建议让模型去执行。最后，为了保证模型能够快速学习专家知识，为每一条专家建议的样本设置额外的内置奖励。
基于状态关系主动提问存储电路智能化设计方法系统

[发明专利]一种线性阈值模型下自身影响力最大化方法-CN202310713148.9在审
发明人：史麒豪;杨武剑;王灿;宋明黎;吴明晖 -专利权人：浙大城市学院
申请日： 2023-06-15 - 公布日： 2023-09-05 - 主分类号： G06Q50/00 文献下载
摘要：本发明涉及基于一种线性阈值模型下自身影响力最大化方法，包括：在Com‑LT模型中，采样出一个确定性的实例；在Com‑LT模型中，抽象自身影响力最大化问题；通过前向BFS算法寻找所有采用传播主题B的节点；根据活跃边的反方向走，以找出作为传播主题A种子时可以激活v0采用A的节点。本发明的有益效果是：本发明考虑到了社交信息传播中所普遍存在的多主题互补关系，提出了研究自身影响力最大化问题的方法，在两个用户集合之间没有互补关系的时候通过采样的方式极大提升了自身影响力最大化问题的计算效率。
一种线性阈值模型自身影响力最大化方法

[发明专利]基于多主题传播的互补影响力最大化方法-CN202310712388.7在审
发明人：史麒豪;杨武剑;王灿;宋明黎;吴明晖 -专利权人：浙大城市学院
申请日： 2023-06-15 - 公布日： 2023-09-05 - 主分类号： G06Q50/00 文献下载
摘要：本发明涉及基于多主题传播的互补影响力最大化方法，包括：在Com‑LT模型中采样出一个确定性的实例H；通过前向BFS算法，确定所有不通过传播主题B的节点；不断从当前节点v沿着传播主题A活跃边反向行走并检查是否能到达一个原本就采用A的节点；将必须通过B的帮助才能采用A的节点沿着B活跃边反向行走，并记录图中每个节点被访问的次数。本发明的有益效果是：本发明考虑到了社交信息传播中所普遍存在的多主题互补关系，提出了研究互补关系多主题影响力最大化问题的方法，相比现有的影响力最大化方法，兼顾了效果和高效性，具有显著提升。
基于主题传播互补影响力最大化方法

[发明专利]基于生命周期预测的视觉Transformer模型加速算法-CN202310317221.0在审
发明人：冯尊磊;陈佳伟;陈琳;宋明黎 -专利权人：浙江大学
申请日： 2023-03-29 - 公布日： 2023-09-01 - 主分类号： G06N3/045 文献下载
摘要：本发明公开了基于生命周期预测的视觉Transformer模型加速算法，包括：1)使Transformer模型进行前半部分的正向传播；2)光滑化生命周期函数并构建视觉Transformer权重转换模块；3)构建视觉Transformer权重转换模块；4)模型推理；5)训练模型。本发明使用生命周期预测模块为视觉Transformer模型的每个输入的图片块预测生命周期。在进行模型推理时，本发明依据预测出的生命周期适时丢弃图片块，从而减少不必要的推理计算，实现模型的推理加速的效果。在模型训练时，本发明通过权重转换模块，将不可微分的图片块生命周期转化为可微的权重函数，实现方便的模型端到端训练。
基于生命周期预测视觉 transformer 模型加速算法

[发明专利]基于PPO和Lattice实现自动驾驶的高速场景的变道决策方法-CN202310730740.X在审
发明人：吴洪岩;王慧琼;孙立;宋明黎;李春光 -专利权人：浙江大学
申请日： 2023-06-20 - 公布日： 2023-08-22 - 主分类号： B60W60/00 文献下载
摘要：基于PPO和Lattice实现自动驾驶的高速场景的变道决策方法及系统，包括：1)收集人工驾驶车辆的行驶数据，解析整合出轨迹数据和行驶动作数据；2)通过仿真模拟系统对场景、道路、车辆、交通流进行模拟建模；3)以深度PPO模型作为训练过程中的智能体；4)训练过程中将从仿真环境中获得的车辆信息、地图信息等输入进深度网络模型，进行梯度更新并输出得到新的轨迹预测动作；5)将轨迹预测动作作为Lattice Planner的输入，计算规划器输出的每条轨迹的cost，选择cost最低的轨迹，得到模拟器规划的轨迹；6)将新的预测轨迹输入进仿真模拟环境来更新新的车辆信息、地图信息等；7)计算每个轨迹动作对应的奖励和惩罚8)重复4‑7步骤多次，强化学习网络进行重要性采样数据进行训练，通过N步参数更新法对强化学习网络进行更新，保存模型参数，得到最终的策略模型。9)基于最终的车辆策略模型，结合车辆、地图、环境信息，制定直接控制车辆的控制策略。
基于 ppo lattice 实现自动驾驶高速场景决策方法

1
2
3
4
5
6
7
8
下一页»
尾页
共 113 条