“桑永胜”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42个，建议您升级VIP下载更多相关专利

[发明专利]基于梯度改进的元学习少样本文本分类方法-CN202210101017.0有效
发明人：彭德中;胡洪辉;吕建成;彭玺;桑永胜;胡鹏;孙亚楠;王旭;陈杰;王骞 -专利权人：四川大学
申请日： 2022-01-27 - 公布日： 2023-10-03 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于梯度改进的元学习少样本文本分类方法，包括以下具体步骤：元学习训练数据划分，构建基于少样本文本框架下的元数据集，并将元数据集划分为训练任务集、验证任务集和测试任务集；构建元学习模型；训练元学习模型，通过构建训练任务集，每次将一批次的元任务送入到内层基础学习器，元任务对应的训练将外层元学习器的参数作为内层基础学习器的初始化参数，内层基础学习器在元任务的支持集上进行训练，得到在支持集上的误差和梯度，再在查询集上检验内层基础学习器训练的效果，得到查询集上的误差和梯度；将学习到的元学习模型应用于少样本文本分类。
基于梯度改进学习样本文本分类方法

[发明专利]基于图神经网络的短文本相似度计算方法-CN202210056446.0有效
发明人：彭德中;沈何川;吕建成;彭玺;桑永胜;胡鹏;孙亚楠;王旭;陈杰;王骞 -专利权人：四川大学
申请日： 2022-01-18 - 公布日： 2023-07-25 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于图神经网络的短文本相似度计算方法，包括以下步骤：构建文本图表达获取文本的基础图结构数据；基于注意力的边学习机制，通过节点信息学习到文本图的边；采用混合多头图学习机制，将图注意力网络及GraphSAGE网络产生的节点进行混合表达；图相似度计算。本发明通过将获取的文本表示建模为图结构并送入图注意力网络和GraphSAGE网络进行学习，对学习到的结果进行融合，再通过全连接层获取到句子综合了上下文信息和高层语义信息的最终表达，最后采用皮尔逊相关系数对计算句子表达之间的相似性。
基于神经网络文本相似计算方法

[发明专利]一种基于PixelHop特征降维的伪造语音检测方法-CN202310391812.2在审
发明人：郑雅涵;魏凌霄;闵蕴馨;王凯珅;桑永胜 -专利权人：四川大学
申请日： 2023-04-12 - 公布日： 2023-07-11 - 主分类号： G10L25/69 文献下载
摘要：本发明公开了一种基于PixelHop特征降维的伪造语音检测方法，包括以下步骤：S1、采集待检测的实时语音；S2、将实时语音输入训练好的伪造语音检测模型；S3、通过训练好的伪造语音检测模型输出检测结果，完成伪造语音检测。本发明将多特征融合图像输入PixelHop单元序列，将多特征融合图像中目标像素的邻里属性与其相邻像素相连接，得到邻域联盟，将邻域联盟通过标签辅助回归方法进行聚合和降维，得到PixelHop单元的特征向量，将PixelHop单元的特征向量进行特征拼接，得到用于训练分类器的向量，能够建立具有轻量级、高性能优势的模型，解决了现有的伪造语音检测模型泛化性较差的问题。
一种基于 pixelhop 特征伪造语音检测方法

[发明专利]一种融合实体类型的关系三元组抽取方法-CN202210026447.0有效
发明人：彭德中;陈付旻;吕建成;彭玺;桑永胜;胡鹏;孙亚楠;王旭;陈杰;王骞 -专利权人：四川大学
申请日： 2022-01-11 - 公布日： 2023-05-02 - 主分类号： G06F40/295 文献下载
摘要：本发明公开了一种融合实体类型的关系三元组抽取方法，包括以下步骤：收集文本数据作为训练样本；对收集的训练样本数据进行清洗获得数据集；切分数据集并将其按照一定比例划分为训练集、验证集与测试集；搭建基于BERT预训练模型的深度学习网络并加载预训练参数获得训练样本深度表达；在模型后搭建Fast Gradient Method对抗网络提升模型的鲁棒和泛化性能；搭建多头注意力机制与深度神经网络的关系三元组提取模型；进行模型的训练与测试，对验证集采用K折交叉验证的方法保存K折模型，综合K折模型对测试集进行测试，将平均概率作为模型的测试结果；输出模型AttnFGM‑MARE。
一种融合实体类型关系三元抽取方法

[发明专利]一种基于眼部B超图像的晶状体关键特征定位方法-CN202010408004.9有效
发明人：吕建成;王勇;桑永胜;彭德中;彭玺;孙亚楠;贺喆南;叶庆;李茂;刘权辉 -专利权人：四川大学
申请日： 2020-05-14 - 公布日： 2023-04-11 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于眼部B超图像的晶状体关键特征定位方法，其包括获取眼部B超图像，并进行预处理，得到预处理后的B超图像及眼球坐标、晶状体坐标；再送入训练完毕的目标检测网络YOLOv3，得到眼球位置图像和晶状体位置图像；将眼球位置图像和晶状体位置图像分别代入训练完毕的特征提取网络组，得到分别与眼球位置图像和晶状体位置图像对应的图像特征和特征坐标；将图像特征代入训练完毕的协同学习网络，筛选得到关键图像特征；将关键图像特征对应的特征坐标标注在眼部B超图像上，完成晶状体关键特征定位。本发明能够解决现有技术中晶状体特征区域定位困难，难以判断的问题，结果准确、可靠性强、方便快捷。
一种基于眼部图像晶状体关键特征定位方法

[发明专利]一种新闻评论的情感分析与生成方法-CN202210102343.3有效
发明人：彭德中;张蔚琪;吕建成;彭玺;桑永胜;胡鹏;孙亚楠;王旭;陈杰;王骞 -专利权人：四川大学
申请日： 2022-01-27 - 公布日： 2023-04-07 - 主分类号： G06F40/247 文献下载
摘要：本发明公开了一种新闻评论的情感分析与生成方法，具体包括以下步骤：准备初始数据集，其中包含人工标注小规模数据集A和大规模无监督数据集B；在数据集B的基础上，使用开源情感分类工具，为新闻评论情感分析模型建立大规模伪标签数据集C；基于大规模伪标签数据集C预训练新闻评论情感分析模型；预训练后再在人工标注的小规模数据集A上微调，得到最终的新闻评论情感分析模型；使用最终的新闻评论情感分析模型，重新在数据集B上进行伪标签标注得到大规模伪标签数据集D；基于大规模伪标签数据集D预训练可控式新闻评论生成模型；预训练后在人工标注的小规模数据集A上微调，得到最终的可控式新闻评论生成模型。
一种新闻评论情感分析生成方法

[发明专利]一种基于粒子群算法的分布式深度学习参数更新方法-CN202010100999.2有效
发明人：吕建成;叶庆;郎九霖;彭德中;桑永胜;彭玺;贺喆南;孙亚楠 -专利权人：四川大学
申请日： 2020-02-19 - 公布日： 2022-11-29 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种基于粒子群算法的分布式深度学习参数更新方法，初始化分布式集群和神经网络参数；利用编码策略对粒子群进行初始化，每个计算节点编码为一颗粒子；计算神经网络最大的训练迭代次数；对神经网络进行训练；收集所有计算节点的神经网络参数和每个粒子的适应度值；获取粒子群当前迭代的全局最优值和粒子的局部最优值；计算新的神经网络参数；将新的参数分发至所有计算节点；若当前迭代次数达到最大迭代次数，结束对分布式深度学习参数的更新。本发明利用所有计算节点训练的神经网络参数，并对其进行优化，该方法可以很好的兼顾通信开销和收敛性，解决了数据并行分布式训练平台中参数同步周期和通信开销难以权衡的问题。
一种基于粒子算法分布式深度学习参数更新方法

[发明专利]一种围术期患者数据降维装置及样本数据集获取系统-CN202210763377.7在审
发明人：卢莉;王琳娜;朱涛;郝学超;桑永胜 -专利权人：四川大学
申请日： 2022-06-30 - 公布日： 2022-11-04 - 主分类号： G16H10/60 文献下载
摘要：本发明提供了一种围术期患者数据降维装置及样本数据集获取系统。降维装置包括：输入模块，获取患者的包含多维特征的原始围术期特征数据，以及原始围术期特征数据对应的分类标签；初次降维模块，基于主成分分析算法对原始围术期特征数据进行降维处理获得第一围术期特征数据；二次降维模块，基于遗传算法对第一围术期特征数据进行降维处理获得围术期特征数据；输出模块，输出围术期特征数据。结合了主成分分析算法和遗传算法进行数据降维，筛选出对后续分类处理更有利的更低维的围术期特征数据，加快后续分类处理运行效率的同时保持较高的分类表现效果。
一种围术期患者数据装置样本获取系统

[发明专利]围术期患者样本数据集均衡方法及样本数据集获取系统-CN202210760514.1在审
发明人：卢莉;王琳娜;朱涛;郝学超;桑永胜 -专利权人：四川大学
申请日： 2022-06-30 - 公布日： 2022-10-18 - 主分类号： G16H50/70 文献下载
摘要：本发明提供了一种围术期患者样本数据集均衡方法及样本数据集获取系统。样本数据集均衡方法包括：S1，对围术期患者的样本数据集中的少数类标签样本进行过采样获得合成样本，为合成样本生成对应的合成标签集，样本数据集包括多个样本和样本对应分类标签集；S2，将合成样本和合成标签集加入样本数据集获得临时样本数据集；S3，对临时样本数据集中的样本进行清洗获得均衡样本数据集。对样本数据集中的少数类标签样本进行过采样以增加少数类标签样本数量，均衡多数类标签样本和少数类标签样本，清洗噪声样本提升输出的均衡样本数据集中样本质量，均衡样本数据集用于后续分类处理时能够提升分类模型的表现效果。
围术期患者样本数据均衡方法获取系统

[发明专利]一种基于围术期患者风险事件数据的多标签集成分类方法-CN202210760528.3在审
发明人：卢莉;王琳娜;朱涛;郝学超;桑永胜 -专利权人：四川大学
申请日： 2022-06-30 - 公布日： 2022-10-18 - 主分类号： G16H50/70 文献下载
摘要：本发明提供了提供一种基于围术期患者风险事件数据的多标签集成分类方法。该分类方法，包括：获取待分类患者特征数据；将待分类患者特征数据输入训练好的分类模型，分类模型输出分类结果；分类模型包括基于Stacking的分类集成模型、标签关联规则获取模块和融合模块，融合模块用于融合分类集成模型输出的分类矩阵和标签关联规则获取模块输出的关联规则矩阵以获得分类结果。采用基于Stacking的分类集成模型能够提升分类准确性，同时通过表征分类标签之间关联性的关联规则矩阵对分类模型输出的分类矩阵进行修正，进一步提升了最后分类结果或风险预测结果的准确性，提高分类结果或风险预测结果参照价值。
一种基于围术期患者风险事件数据标签集成分类方法

[实用新型]一种复杂环境中多动态随机障碍目标自动视觉检测装置-CN202221046372.4有效
发明人： 桑永胜;田煜鑫;杨嘉铭;陈永志;吕建成;汤臣薇 -专利权人：四川大学
申请日： 2022-04-29 - 公布日： 2022-10-14 - 主分类号： G01N21/88 文献下载
摘要：本实用新型公开了一种复杂环境中多动态随机障碍目标自动视觉检测装置，其包括控制箱，所述控制箱内设置有相机模块、控制模块、通讯模块和电源控制组件，通过设置图形处理单元和主控单元分别进行图像采集和图像传输工作，在保证可以快速处理大量的视频信息的同时，降低了复杂环境中多动态随机障碍目标自动视觉检测装置的整体功耗，将相机模块、控制模块、通讯模块和电源控制组件集成在控制箱内，减小体积，进而降低了自动视觉检测装置部署的占用空间，减少了自动视觉检测装置部署的成本，便于整个复杂环境中多动态随机障碍目标自动视觉检测装置能够快捷部署于其他多种设备上。
一种复杂环境动态随机障碍目标自动视觉检测装置

[发明专利]一种基于卡尔曼滤波的改进PCNN模型空间聚类分析方法-CN202210769371.0在审
发明人： 桑永胜;李艺丹;彭德中;吕建成;孙亚楠 -专利权人：四川大学
申请日： 2022-07-01 - 公布日： 2022-09-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于卡尔曼滤波的改进PCNN模型空间聚类分析方法，其包括首先将PCNN神经元与空间数据点进行一对多映射，通过神经元的密度信息获取最高密度初始点火神经元，并给定一个神经元点火的初始阈值，并生成自动波，以检测空间数据集中的集群；再使用卡尔曼滤波器的自适应阈值调整方法，用于PCNN自动发现具有不同密度的任意形状的簇，直至自动波不能再传递之后，一次点火过程结束，点火的所有神经元被视为一个簇且在后续的迭代中不能再次点火；不断迭代点火过程，直到网络中所有神经元都点火。本发明可对神经元进行阈值的自适应调整，使神经元可以自动发现不同密度的任意形状的簇，具有突出的执行速度；并克服了可能模糊数据自然分解的噪声。
一种基于卡尔滤波改进 pcnn 模型空间聚类分析方法

[发明专利]一种基于眼部B超图像的晶状体浑浊度分级方法-CN202010120005.3有效
发明人：吕建成;张小菲;桑永胜;郑恒;王坚;孙亚楠;贺喆南 -专利权人：四川大学
申请日： 2020-02-26 - 公布日： 2022-08-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于眼部B超图像的晶状体浑浊度分级方法，通过目标检测网络对原始眼部B超图像进行眼球检测，以解决眼球只占原始图像的一小部分以及无关背景中强回声干扰的问题，多个特征提取网络分别提取眼球区域的特征，在每个特征提取网络中，加入额外的注意力模块，使特征提取网络更加关注眼球中的晶状体区域，即重点提取区域的特征，从而提高晶状体浑浊度分级的准确率，最后的模型集成模块将多个特征提取网络进行集成，综合各个特征提取网络的优点，获得更可靠的晶状体特征和浑浊度识别结果。
一种基于眼部图像晶状体浑浊分级方法

[发明专利]一种动态调整Batch-size的神经网络分布式训练方法-CN202010561810.X有效
发明人：吕建成;叶庆;周宇浩;刘权辉;孙亚楠;彭德中;桑永胜;彭玺 -专利权人：四川大学
申请日： 2020-06-18 - 公布日： 2022-07-01 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种动态调整Batch‑size的神经网络分布式训练方法，涉及计算机神经网络分布式训练技术领域，该方法从处理训练数据集的角度出发，对于分布式集群中的每一计算节点，根据其计算力，动态调整Batch‑size和子数据集的划分。从而实现分布式训练集群的负载均衡处理。动态调整Batch‑size的分布式神经网络训练方法不仅可以充分利用各个计算节点的计算能力，还能保证各个计算节点完成本地数据集训练的时间大致相同，从而减少集群的同步开销，提高神经网络分布式训练效率，减少神经网络训练时间。
一种动态调整 batch size 神经网络分布式训练方法

[发明专利]一种基于BERT和融入功效信息的中药处方生成方法-CN202010054040.X有效
发明人：吕建成;李婵娟;桑永胜;蒲翊凡;孙亚楠 -专利权人：四川大学
申请日： 2020-01-17 - 公布日： 2022-07-01 - 主分类号： G16H20/10 文献下载
摘要：本发明提供了一种基于BERT和融入功效信息的中药处方生成方法，获取症状描述和处方数据对，以及中药功效信息集；并通过预训练好的BERT模型得到固定长度的每个中药的功效信息编码；构建基于BERT‑GRU的中药处方生成模型，并利用所述训练集微调所述中药处方生成模型；利用中药处方生成模型生成处方。本发明通过深度学习的方法，利用预训练的BERT强大的语言表征能力来提升句子表达能力，从中医古籍经典方剂数据中挖掘规律，并融入中药功效信息，通过训练编码器和解码器两个网络，来最大化中药处方序列的条件概率，实现根据症状文本描述开具辅助的中医处方。
一种基于 bert 融入功效信息中药处方生成方法

1
2
3
下一页»
尾页
共 42 条