“董宇涵”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85个，建议您升级VIP下载更多相关专利

[发明专利]基于ADMM神经网络的图像去模糊方法-CN202010137913.3有效
发明人：傅博;傅世林;吴越楚;董宇涵 -专利权人：大连厚仁科技有限公司
申请日： 2020-03-03 - 公布日： 2023-06-20 - 主分类号： G06T5/00 文献下载
摘要：本发明公开一种基于ADMM神经网络的图像去模糊方法，针对图像去模糊这一问题进行建模，并利用ADMM算法对问题进行裂项求解，根据求解出的三个子问题构建相关的神经网络，通过构建的神经网络训练获得更符合实际的ADMM算法参数与相关的正则项，可减少调参与正则项选取的工作量，且可进一步提升实际效果与运行效率。本发明既保留了传统优化算法的优良理论依据，又利用了神经网络的可训练性，可较好地对运动图像进行去模糊处理。
基于 admm 神经网络图像模糊方法

[发明专利]一种基于贝叶斯神经网络的车辆OD预测方法-CN202310076207.6在审
发明人： 董宇涵;曹一博;刘璐;李志德;李峰;张凯;李志恒 -专利权人：清华大学深圳国际研究生院;深圳市众行网科技有限公司
申请日： 2023-02-07 - 公布日： 2023-06-13 - 主分类号： G06Q10/04 文献下载
摘要：一种基于贝叶斯神经网络的车辆OD预测方法，包括如下步骤：对时间进行编码，构建不同时刻的时间编码表征不同的时间段信息；以时空多图卷积网络ST‑MGCN作为模型基础，将其中图结构从静态的邻接矩阵改为贝叶斯图嵌入，将时间编码作为输入送入线性映射的贝叶斯神经网络，将图嵌入输出为一个概率分布，通过每次从概率分布中采样得到对应的图嵌入，由此构建时空贝叶斯图卷积网络ST‑BGCN；通过时空贝叶斯图卷积网络ST‑BGCN来进行车辆OD预测。本发明使得OD预测结果能够展示出不同时间下地区间的联系，增强了预测结果的鲁棒性。实验证明，本发明的方法性能优于基准方法，同时能够给出不确定的方差。
一种基于贝叶斯神经网络车辆 od 预测方法

[发明专利]一种视网膜OCT图像分类装置-CN202310091219.6在审
发明人： 董宇涵;李树祥;江学锋;李志德;张凯 -专利权人：深圳职业技术学院;清华大学深圳国际研究生院
申请日： 2023-02-09 - 公布日： 2023-06-06 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种视网膜OCT图像分类装置，包括数据增强模块、图像分类模块，其中：数据增强模块用于调整输入的原始图像大小，扩充图像数据，得到数据增强的图像数据集，并将图像数据集输入图像分类模块；图像分类模块能根据所述图像数据集构建基于自注意力机制的分类模型，对视网膜OCT图像进行分类并输出图像分类结果；本发明能够实现获得更广泛的感受野，且分类模型不存在下采样操作，能够完整地聚焦于核心分类信息；能够适应各种数据增强方式，伴随更灵活的数据增强方式能够使得本发明的泛化性能更为突出，从而提高本发明识别视网膜OCT图像的整体准确率。
一种视网膜 oct 图像分类装置

[发明专利]基于对比学习的分段式双重自适应真实图像去噪方法-CN202310192060.7在审
发明人：焦战;王瑞子;傅博;董宇涵 -专利权人：辽宁轻工职业学院;辽宁师范大学
申请日： 2023-03-02 - 公布日： 2023-05-23 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于对比学习的分段式双重自适应真实图像去噪方法，属于图像处理技术领域，具体步骤：制作训练集；构建三阶段卷积神经网络模型，将训练集输入三阶段卷积神经网络模型进行训练；计算损失函数，确定三阶段卷积神经网络模型。采用上述一种基于对比学习的分段式双重自适应真实图像去噪方法，采用三阶段卷积神经网络模型来逐步学习合成自然图像中所包含的真实噪声并进行去噪处理，利用多选择卷积核块自适应感受野，通过阶段之间的有效连接来实现像素自适应，实现感受野和像素的双重自适应。对于合成自然噪声图像有着显著的去噪效果，不仅能够很好地去除图像中所存在的真实噪声，还可以恢复出更加精细的纹理。
基于对比学习段式双重自适应真实图像方法

[发明专利]一种脑电去噪方法-CN202111522916.X有效
发明人： 董宇涵;余澄;李志德;张凯 -专利权人：清华大学深圳国际研究生院
申请日： 2021-12-13 - 公布日： 2023-05-19 - 主分类号： A61B5/369 文献下载
摘要：一种脑电去噪方法，包括如下步骤：S1、通过奇异谱分析将原始脑电信号分解为不同的子成分，并设定自相关系数阈值来提取脑电信号主体成分相关的子成分，由子成分重构得到对应的时间序列构成所述脑电信号主体成分；S2、从所述原始脑电信号中减去所述脑电信号主体成分得到残留脑电成分；S3、将所述残留脑电成分输入深度卷积神经网络提取细节特征，再将所述深度卷积神经网络的输出结合所述脑电信号主体成分以重建除去噪后的脑电信号。本发明的脑电去噪方法可以很好地将脑电信号中的肌电噪声去除，对比传统去噪方法在信噪比大于‑1dB时具有更好的去噪性能，相对单一路径具有更小的失真。
一种脑电去噪方法

[发明专利]一种基于熵加载的可见光通信方法-CN202310091094.7在审
发明人： 董宇涵;陈佳琪;李志德;宋健;张晓平 -专利权人：清华大学深圳国际研究生院
申请日： 2023-02-09 - 公布日： 2023-05-09 - 主分类号： H04B10/116 文献下载
摘要：本发明公开了一种基于熵加载的可见光通信方法，包括如下步骤：S1、构建室内可见光通信系统的非视距信道模型；S2、基于直流偏置设置对系统容量的影响，构建根据简单查找表获取最优直流偏置常量的算法；S3、基于所述非视距信道模型，提出自适应直流偏置熵加载方案，根据预估信噪比为各子载波分配最大化子载波广义互信息的直流偏置常量。
一种基于加载可见光通信方法

[发明专利]多光源图片生成方法-CN202110136787.4有效
发明人： 董宇涵;邢晓岩;李志德;余澄 -专利权人：清华大学深圳国际研究生院
申请日： 2021-02-01 - 公布日： 2023-04-28 - 主分类号： G06T11/00 文献下载
摘要：一种多光源图片生成方法，包括如下步骤：S1、通过高斯随机分布生成模拟随机的光源位置的二维高斯概率图；S2、利用导向滤波对所述二维高斯概率图的边缘进行引导，从而使其沿输入单光源图片的边缘分布，生成光源分布概率图；S3、进行基于真实光源分布的候选光源选择，选取来自同一组数据集中的光源数据乘到滤波后的光源分布概率图上，生成多光源图片的光源分布图，并进一步生成多光源图片。本发明的多光源图片生成方法克服目前多光源色彩恒常问题中缺乏良好标注质量的数据集的问题，能够利用现有的单光源图片及其光源分布生成符合物理规律的多光源图片，是一种应用前景很好的数据扩增方案。
光源图片生成方法

[发明专利]一种联合进化更新的任务型对话方法及系统-CN202310061497.7在审
发明人： 董宇涵;池达丰;李志德;张凯 -专利权人：清华大学深圳国际研究生院
申请日： 2023-01-20 - 公布日： 2023-04-25 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种联合进化更新的任务型对话方法及系统，所述方法包括如下步骤：A1：使用公开数据集得到训练集数据；A2：使用所述训练集数据构建预训练语言模型输入序列数据；A3：根据所述预训练语言模型输入序列数据得到用户模拟器和对话系统；A4：根据所述用户模拟器和对话系统得到在线对话数据池，基于在线强化学习对所述在线对话数据池进行优化，并联合更新用户模拟器和对话系统。本发明能够实现通过不断优化在线对话数据池中数据以获得高质量的对话数据池，为在线数据收集构建了高质量的循环，从而得到更优的用户模拟器和对话系统，提升整体的对话成功率。
一种联合进化更新任务对话方法系统

[发明专利]一种基于深度强化学习的联邦学习模型参数量化方法-CN202211657889.1在审
发明人： 董宇涵;郑斯辉;陈翔;李志德 -专利权人：清华大学深圳国际研究生院;深圳清华大学研究院
申请日： 2022-12-22 - 公布日： 2023-04-18 - 主分类号： G06N3/04 文献下载
摘要：一种基于深度强化学习的联邦学习模型参数量化方法，包括如下步骤：S1、获取当前的全局模型参数；S2、统计当前的全局模型参数的M个百分位点作为深度强化学习智能体观测到的环境状态；S3、根据智能体输出的动作，按照给定规则构建L个量化阶点，作为量化操作的映射集；S4、量化传输：进行X个回合的模型量化和传输，每一回合的量化均采用上一步骤的量化映射集，并统计该X个回合的量化误差和训练误差，计算其均值并根据奖励函数得到奖励值，输入到智能体作为反馈；S5、智能体持续记录每次的状态、动作和奖励情况，当记录的数量达到给定阈值时更新智能体的网络模型。本方法具有较小的量化误差和较高的测试准确率。
一种基于深度强化学习联邦模型参数量化方法

[发明专利]一种水下无线光通信的压缩感知信道估计方法-CN202211666294.2在审
发明人： 董宇涵;刘晓谦;李志德;张凯 -专利权人：清华大学深圳国际研究生院
申请日： 2022-12-23 - 公布日： 2023-04-18 - 主分类号： H04L25/02 文献下载
摘要：一种水下无线光通信的压缩感知信道估计方法，包括如下步骤：S1、利用等间隔导频插入的压缩感知CS算法进行光OFDM信号的信道估计，得到信道的时域估计结果；S2、使用可变的噪声阈值门限，对等间隔导频插入方式下CS算法的时域估计结果进行去噪，其中，根据不同信噪比SNR分段设置不同的噪声阈值门限对CS估计结果进行过滤；将过滤后的信道冲激响应作为最终信道估计的结果，以在各个信噪比SNR下提高信道估计的性能。本发明提出的压缩感知信道估计方法可以在使用等间隔导频插入方式的同时通过时域去噪提高信道估计性能，在水下无线光通信上具有很好应用前景。
一种水下无线光通信压缩感知信道估计方法

[发明专利]一种水下无线光通信的信道估计方法-CN202211666415.3在审
发明人： 董宇涵;刘晓谦;李志德;张凯 -专利权人：清华大学深圳国际研究生院
申请日： 2022-12-23 - 公布日： 2023-04-18 - 主分类号： H04L25/02 文献下载
摘要：一种水下无线光通信的信道估计方法，包括如下步骤：S1、根据接收到的光OFDM信号的导频信息，利用最小二乘LS算法进行信道估计，得到信道估计的频域值，利用快速傅里叶逆变换IFFT将估计结果变换到时域；S2、分别计算循环前缀CP长度之外分量时域噪声的二倍平均功率及最大功率作为两个噪声阈值门限，对二者进行平滑处理得到最终的DFT信道估计噪声阈值，其中，所述平滑处理所需的平滑系数在不同信噪比SNR下多次仿真获得，根据噪声情况自适应地调整所述平滑系数；S3、用得到的DFT信道估计噪声阈值对信道估计的时域值进行去噪处理，再将其变换回频域完成信道估计。本发明可以在不同信道的信噪比下提高信道估计性能，在水下无线光通信上具有很好应用前景。
一种水下无线光通信信道估计方法

[发明专利]一种用户兴趣点推荐方法及装置-CN202310010482.8在审
发明人：张凯;王超群;董宇涵 -专利权人：清华大学深圳国际研究生院
申请日： 2023-01-04 - 公布日： 2023-04-14 - 主分类号： G06F21/62 文献下载
摘要：本发明公开了一种用户兴趣点推荐方法，包括如下步骤：将隐私数据与真实标签输入到教师模型进行训练；教师模型训练结束后，将公开数据输入到教师模型，教师模型输出软标签；将公开数据输入到学生模型，并将软标签输入到学生模型进行训练；学生模型训练结束后，运用学生模型向用户推荐兴趣点。能够实现充分利用教师‑学生蒸馏框架中教师模型知识被学生模型吸收的特性，学生模型在不直接使用教师模型训练数据(隐私数据)的情况下完成训练，实现了学生模型和隐私数据的隔离，可以有效应对深度学习模型的反向推演攻击；即使有被攻击的风险，也不会造成隐私数据的泄露，从而实现了对用户隐私数据的保护。
一种用户兴趣推荐方法装置

[发明专利]神经网络可视化解释方法及弱监督定位物体方法-CN202010378828.6有效
发明人： 董宇涵;刘晨光;张凯;高瞻 -专利权人：清华大学深圳国际研究生院;北京好医生云医院管理技术有限公司
申请日： 2020-05-07 - 公布日： 2023-04-07 - 主分类号： G06N3/0455 文献下载
摘要：一种神经网络可视化解释方法及弱监督定位物体方法，该神经网络可视化解释方法包括如下步骤：S1、定义神经网络模型的注意力；S2、将所述注意力通过所述神经网络模型的全连层进行反向传播；S3、将所述注意力通过所述神经网络模型的卷积层进行反向传播；S4、将所述注意力通过所述神经网络模型的池化层进行反向传播；S5、在所述神经网络模型的输入层得到注意力图，将所述注意力图作为所述神经网络模型的可视化解释。本方法可以对被视为黑箱的神经网络的决策过程给出可视化解释，解释网络决策的依据，解释网络决策失误的原因，同时还可以用于弱监督定位物体方法，在弱监督定位物体的实验中取得了很有竞争力的结果。
神经网络可视化解释方法监督定位物体

[发明专利]一种基于少样本学习方法的轻微高血压眼底辨别模型-CN202110427944.7有效
发明人： 董宇涵;罗叡;李志德;孔飞 -专利权人：清华大学深圳国际研究生院
申请日： 2021-04-21 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了基于少样本学习方法的轻微高血压眼底辨别模型，包括：孪生神经网络，连接于孪生神经网络输出端的距离度量网络，以及连接于距离度量网络输出端的全连接网络；孪生神经网络包括两个并列的主干特征提取网络，分别用于提取输入的两张待比对的眼底图像的特征向量；其中，所述两个并列的主干提取网络具有相同的网络架构且共享网络参数和权值，并且包含通道注意力机制和空间注意力机制；所述两张待比对的眼底图像包括一张轻微高血压眼底图像和一张待检测眼底图像；所述距离度量网络通过距离函数计算所述两个并列的主干特征提取网络所输出的两个特征向量之间的距离；所述全连接网络根据所述距离输出两张待比对的眼底图像的相似度结果。
一种基于样本学习方法轻微高血压眼底辨别模型

[发明专利]睡眠呼吸暂停综合症识别装置-CN202110504487.7有效
发明人：张凯;阳洪宇;董宇涵;李志恒 -专利权人：清华大学深圳国际研究生院
申请日： 2021-05-10 - 公布日： 2023-01-13 - 主分类号： A61B5/00 文献下载
摘要：本发明公开了一种睡眠呼吸暂停综合症识别装置，针对性改进卷积神经网络卷积核通道的输入，将心电数据和呼吸波数据经过预处理后作为神经网络的输入；针对模型的运算层做出优化，将卷积核个数调整为相对最优个数，卷积步长调整为2，在全连接层前面添加Dropout层；针对模型输出层做出改进，将模型调整为二分类结果输出，得到睡眠呼吸暂停事件发生与否的判别结果。本发明通过将心电数据和呼吸波数据进行融合提高了模型检测能力；针对传统LeNet‑5模型进行优化提升了模型的睡眠呼吸暂停综合症识别能力；模型检测时间较深度神经网络更短，应用成本低，可应用范围广泛。
睡眠呼吸暂停综合症识别装置