专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
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]基于类别级软目标监督的细粒度图像分类模型训练方法-CN202310352190.2在审
  • 梅建萍;褚鑫凯 - 浙江工业大学
  • 2023-04-04 - 2023-08-08 - G06V10/764
  • 本发明涉及基于类别级软目标监督的细粒度图像分类模型训练方法,以有标签的数据预训练一目标模型;以目标模型的参数初始化EMA模型,根据EMA模型中全连接层的参数计算一相似度矩阵,基于相似度矩阵获得类别级软标签,与图像进行关联;输入图像,基于目标模型和EMA模型构建模型训练的总损失更新目标模型;以新的目标模型更新EMA模型,并用新EMA模型计算出新的类别级软标签;重复并最小化总损失,实现细粒度图像分类模型的训练。本发明能在面对细粒度图像分类的问题上取得良好的效果,既保留了类别之间的关系,也不需要额外的空间储存预训练模型,不需要复杂的聚类过程,也不需要额外的预训练模型来获取软标签;准确率高。
  • 基于类别目标监督细粒度图像分类模型训练方法
  • [发明专利]一种对论文引用关系分类标记的方法-CN201810884650.5有效
  • 梅建萍;王焕梁 - 浙江工业大学
  • 2018-08-06 - 2023-07-11 - G06F40/35
  • 一种对论文引用关系分类标记的方法,所述方法包括以下步骤:S1:利用论文A标题中特定的介词,将标题分解为“方法”和“任务”两部分,其中综述类论文和划分失败的论文单独分类;S2:计算论文A的方法与论文B的标题的余弦相似度Sm,以及论文A的任务与论文B标题的相似度St;S3:基于S2的结果,将论文A对论文B的引用关系分成方法相似、任务相似等五类。本发明对论文之间的引用关系进行区分,提高对引用关系描述的准确性,提供一种基于标题分解的对论文引用关系分类标记的方法。
  • 一种论文引用关系分类标记方法
  • [发明专利]一种无源域数据的无监督领域适应方法-CN202211600631.8在审
  • 梅建萍;翁烨涛 - 浙江工业大学
  • 2022-12-13 - 2023-06-06 - G06N3/088
  • 本发明涉及一种无源域数据的无监督领域适应方法,以有标签的源域样本训练模型,得到预训练好的源域模型;以源域模型初始化目标域模型;以源域模型的BN层存储的统计信息近似源域的特征分布,与目标域样本的特征分布显式对齐,最小化分布对齐损失,尽可能拉近源域和目标域特征分布空间;基于源域模型的分类器的预测对目标域样本的特征进行模糊聚类,以聚类隶属度作为目标域样本的软标签,计算软标签与模型分类器对目标域样本的预测之间的交叉熵损失,对目标域样本计算信息最大化损失;以所有损失函数共同训练目标域模型,实现无源域数据的无监督领域适应,纠正部分最初分类器分错的目标域样本,提高分类准确度。
  • 一种无源数据监督领域适应方法
  • [发明专利]一种基于聚类空间去相关性的无监督图像表示学习方法-CN202211614044.4在审
  • 梅建萍;王世翔 - 浙江工业大学
  • 2022-12-15 - 2023-05-16 - G06V10/762
  • 本发明涉及一种基于聚类空间去相关性的无监督图像表示学习方法,对输入的一个批次图像进行两次随机增强得到两个批次数据输入孪生网络;基于输出与簇中心计算输入到每个簇的相似度;基于聚类空间特征得到一个批次内的输入之间的互相关矩阵,计算单位化损失;将聚类空间特征归一化获得输入到每个簇的隶属度,将其中一个图像的隶属度作为另一个相关图像的目标分布,计算模型对输入的预测及其目标分布之间的对齐损失;单位化损失与对齐损失相加作为用于模型训练的总损失;对单位化损失的最小化实现簇级别的一致性和去相关性,互为目标损失实现样本级别对输入扰动的一致性,最终实现在无负样例对的条件下进行有效的无监督图像表示学习。
  • 一种基于空间相关性监督图像表示学习方法
  • [发明专利]一种无源域数据的神经网络分类模型知识蒸馏方法-CN202211040839.9在审
  • 梅建萍;陈杰 - 浙江工业大学
  • 2022-08-29 - 2022-12-09 - G06N3/08
  • 本发明涉及一种无源域数据的神经网络分类模型知识蒸馏方法,爬取数据,对候选数据集的所有样本预处理,作为候选样本;基于教师模型的分类层权重构建类别相似度矩阵,基于教师模型计算所有候选样本的logits值并进行SoftMaxt操作,计算所有候选样本与教师模型领域分布的差异度;根据差异度将所有样本从小到大排序,选取前M个样本作为知识蒸馏数据集,对教师模型知识蒸馏得到学生模型。本发明避免不合理的高置信度领域外样本被错误选中,不完全需要源域数据,具有更高的分类准确率与更广的模型适用性,更快的删选速度,能够在资源较少的情况下对预训练模型进行知识蒸馏;基于知识蒸馏的各种下游任务都能够解决。
  • 一种无源数据神经网络分类模型知识蒸馏方法
  • [发明专利]基于教师模型分类层权重的输出正则化方法-CN202210357826.8在审
  • 梅建萍;仇文豪 - 浙江工业大学
  • 2022-04-06 - 2022-07-22 - G06V10/764
  • 本发明涉及一种基于教师模型分类层权重的输出正则化方法,将完成监督训练的教师模型的分类层的权重转化为类别之间的相关性矩阵,以矩阵中的每一行作为对应类别的软标签,为学生模型提供额外的信息并参与学生模型的训练;选择准确率最高的学生模型作为最终目标模型。本发明充分利用教师模型所提供的信息,减少在训练过程中教师模型占用训练资源过大、整体训练时间过长的问题,即使某些神经网络模型仅能够提供教师模型分类器层的权重,也可以通过本方法进行学生模型的训练,具有更高的分类准确率与更广的模型适用性,具有更快的训练速度,且只需要更少的训练资源,能够在资源较少的情况下,对网络模型做进一步的正则化。
  • 基于教师模型分类权重输出正则方法
  • [发明专利]一种基于众包的图片分组采集系统-CN201810343483.3有效
  • 梅建萍;胡业晟 - 浙江工业大学
  • 2018-04-17 - 2021-10-15 - G06K9/62
  • 一种基于众包的图片分组采集系统,包括:登录注册修改设置模块,用于用户需经过注册、登录,系统通过数据库修改和保存用户信息;随机读取图片模块,根据用户选择的任务中每组图像的数目N从图库中随机选取待分组图片和提示;交互界面设计模块,通过分组的方式用户将图片分别归入不同的组别;用户操作记录保存模块,用于对用户的一些操作记录进行保存;众包结果评估模块,用于通过矩阵的方式来表示标签之间的关系,通过计算得到用户分组的准确度;展示和导出模块,用于对聚类结果进行展示并可导出为不同格式的文件;数据库设计模块,用于设计类,分别储存用户信息、图片信息、聚类任务信息和包任务信息。本发明提升面向聚类的辅助信息的有效性。
  • 一种基于图片分组采集系统
  • [发明专利]一种个性化的学术文献推荐方法-CN201810467316.X有效
  • 梅建萍;陈德仿 - 浙江工业大学
  • 2018-05-16 - 2021-04-06 - G06F16/951
  • 一种个性化的学术文献推荐方法,包括以下步骤:S1数据收集与清洗:收集以论文和作者为核心的论文数据,所述论文数据包括论文标题、论文摘要、作者姓名、发表年份、发表刊物和参考文献,清洗掉有明显的格式错误、数据缺失的数据;S2模型建立,过程如下:S2.1构造训练集;S2.2特征计算;S3模型训练;S4学术文献推荐,过程如下:S4.1建立备选文献集,要求每步选取的被引用的论文发表时间早于该论文的发表时间;S4.2预测,取可能性值前k′大的论文作为最后进行推荐的参考文献。本发明能够更加准确高效地生成符合用户需求的参考文献列表。
  • 一种个性化学术文献推荐方法
  • [发明专利]一种基于文档内容和相互关系的主题检测方法-CN201710516534.3有效
  • 梅建萍;王江涛 - 浙江工业大学
  • 2017-06-29 - 2020-10-30 - G06F40/30
  • 本发明涉及一种基于文档内容和相互关系的主题检测方法,通过获取文档进行预处理,得到文档特征的共现矩阵和两两关系矩阵,基于此构建目标函数,迭代计算文档代表度矩阵、文档隶属度矩阵、词代表度矩阵及词隶属度矩阵,输出词代表度矩阵,其每一列对应一个主题,以每列中值最大的词作为描述该主题的关键词,获取用于描述主题的关键词。本发明文档聚类和词聚类的同时、联合进行比对各自聚类更加有效,同时考虑文档内容和文档之间的关系比起只考虑其中一种信息得到更加全面的模型,隶属度和代表度的引入使得本方法既适用于聚类问题又适用于主题建模问题。
  • 一种基于文档内容相互关系主题检测方法
  • [发明专利]一种基于文献引用关系的刊物聚类方法-CN201711078085.5有效
  • 梅建萍;王杰 - 浙江工业大学
  • 2017-11-06 - 2020-06-30 - G06F16/35
  • 本发明涉及一种基于文献引用关系的刊物聚类方法,通过收集刊物所发表的论文信息以及论文之间的引用关系,计算刊物之间的相关度,将T个“论文‑论文”的引用关系进行逐行转换,得到T行“刊物‑刊物”关系,基于此,得到n个刊物之间的关系W,建立以刊物为节点的关系网络,采用谱聚类对以刊物为节点的关系网络W进行刊物划分,对刊物进行迭代聚类,得到聚类结果。本发明采用基于大量论文之间的引用关系数据,计算刊物之间的关联关系,再用基于关系的聚类算法得到刊物之间的分组,相较于人工分类,本发明提出的基于引用关系的分类能更客观、及时地反映出各个刊物之间研究方向的关联,因此得到的分组结果具有客观性和时效性。
  • 一种基于文献引用关系刊物方法
  • [发明专利]一种基于引用预测的参考文献推荐方法-CN201711118352.7有效
  • 梅建萍;陈德仿 - 浙江工业大学
  • 2017-11-06 - 2020-06-30 - G06F16/335
  • 本发明涉及一种基于引用预测的参考文献推荐方法,收集论文,采集论文信息并进行筛选,保留有效数据,构造训练集,并进行特征表示,计算得到一组特征值,针对每个特征进行归一化后训练引用预测模型,基于预测模型,对给定论文进行引用预测和参考文献推荐。本发明通过把论文对作为对象,定义若干特征对其进行描述,并把已知两篇论文之间的引用关系作为该论文对的标签,把两篇论文之间的引用关系的预测问题建模成一个经典的回归或者二值分类问题,在给定一篇目标论文的前提下,首先得到该论文与其他备选文献之间构成的论文对的特征表示,然后利用训练好的模型进行预测,得到被该论文引用的可能性最大的若干篇论文作为参考文献进行推荐。
  • 一种基于引用预测参考文献推荐方法
  • [发明专利]一种基于稀疏均值的模糊聚类方法-CN201610629774.X有效
  • 梅建萍 - 浙江工业大学
  • 2016-08-02 - 2019-10-18 - G06K9/62
  • 本发明涉及一种基于稀疏均值的模糊聚类方法,将待聚类的文档用向量空间模型表示为高维稀疏向量,设置参数,初始化均值,基于当前均值更新所有隶属度的值,更新权重,然后基于隶属度更新对应的均值,当对应的均值不再变化或迭代次数最大时迭代结束,输出聚类结果,否则重复。本发明通过稀疏均值使得均值也就是类中心点和样本点一样具有局域稀疏特性,增加基于样本点和均值欧氏距离来描述样本点和类相似性的有效性,在时间上更加高效,产生具有稀疏特性的均值使得类中心点更加自然地代表稀疏样本点的特性,同时为了增加对均值的稀疏性的控制,还在目标函数中加入均值范数的正则项以得到新的最小化目标函数,使得可以更加快速的求解。
  • 一种基于稀疏均值模糊方法
  • [发明专利]数据库系统中连接操作CPU密集度估算方法-CN201510275352.2有效
  • 杨良怀;张璐;范玉雷;龚卫华;梅建萍;赵妍珠;王*心 - 浙江工业大学
  • 2015-05-27 - 2017-12-29 - G06F9/46
  • 数据库连接操作CPU密集度估算方法含以下步骤1)初始化单位时间剩余量tleft=1以及完成连接输入缓存IB的时间tjoin_IB_left,填满输出缓存OB的连接时间tjoin_OB_left等参数;2)若tleft>0,则转3),否则终止并输出tcpu;3)若tleft足够连接完IB,转4),否则转8);4)若IB连接结果不够填充OB,则转7);5)若IB连接结果多于填满OB,则连接IB直到填满OB,异步读入IB'与写出OB',更新tcpu,取可用OB,转2);6)若IB连接结果刚好填满OB,则取可用IB与OB,更新tcpu。转2);7)连接完IB,异步读入IB'与写出OB',取可用IB,更新tcpu,转2);8)若tleft足够连接满OB,则连接IB直到填满OB,异步读入IB'与写出OB',取可用OB,更新tcpu,转2);否则转9);9)连接IB直到tleft=0,结果写入OB,更新tcpu,转2)。
  • 数据库系统连接操作cpu密集估算方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top