“关系学习”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果639784个，建议您升级VIP下载更多相关专利

[发明专利]实体关系抽取方法、实体关系学习模型的获取方法及设备-CN202010537884.X在审
发明人：刘知远;韩旭;戴翼;高天宇;林衍凯;李鹏;孙茂松;周杰 -专利权人：清华大学;腾讯科技（深圳）有限公司
申请日： 2020-06-12 - 公布日： 2020-10-02 - 主分类号： G06F16/33 文献下载
摘要：本申请公开了实体关系抽取方法、实体关系学习模型的获取方法及设备。方法包括：获取目标文本和目标实体关系学习模型，目标实体关系学习模型基于目标实体关系集对应的原型特征集得到；调用目标实体关系学习模型获取目标文本的文本特征和各个目标实体关系分别对应的目标原型特征；基于文本特征和任一目标实体关系对应的目标原型特征，确定目标文本与任一目标实体关系的匹配度；基于目标文本与各个目标实体关系的匹配度，确定目标文本对应的实体关系。此种方式，原型特征集中的原型特征能够更加全面地代表实体关系，基于原型特征集得到的目标实体关系学习模型具有较好的实体关系学习效果，利用目标实体关系学习模型进行实体关系抽取的准确率较高。
实体关系抽取方法学习模型获取设备

[发明专利]一种基于马尔科夫逻辑网的统计关系学习方法与系统-CN201811093556.4在审
发明人：赵嘉;樊棠怀;刘祖涵;谭德坤;王家园;张曦 -专利权人：南昌工程学院
申请日： 2018-09-19 - 公布日： 2019-01-29 - 主分类号： G06N7/00 文献下载
摘要：本发明公开的属于统计关系学习技术领域，具体为一种基于马尔科夫逻辑网的统计关系学习方法与系统，该大数据驱动的基于马尔科夫逻辑网的统计关系学习方法包括如下步骤：S1：数据采集；S2：数据解析；S3：数据汇总；S4：建立模型；S5：结果展示，一种基于马尔科夫逻辑网的统计关系学习系统，包括数据采集模块，所述数据采集模块的输出端电性连接关系数据库的输入端，所述数据处理模块包括实体解析模块、二义性区分模块和二次实体解析模块，该基于大数据平台和马尔科夫逻辑网作为统计学习关系的统一框架，实现对数据的高度处理，进行统计学习与关系学习的结合，具有良好的应用前景。
关系学习逻辑网数据采集模块统计实体解析统计学习大数据电性连接关系数据处理模块建立模型结果展示数据采集数据汇总数据解析输出端输入端数据库驱动应用统一

[发明专利]一种节点关系学习方法和节点关系学习装置-CN202211693752.1在审
发明人：曲徽;孙科武;童心怡;魏琦;丁季时雨 -专利权人：中国长峰机电技术研究设计院
申请日： 2022-12-28 - 公布日： 2023-05-02 - 主分类号： G06F16/901 文献下载
摘要：本发明公开了一种节点关系学习方法和节点关系学习装置，涉及计算机技术领域，以解决现有技术的方法忽略了节点之间的全局关系的问题。所述节点关系学习方法包括：获取图结构对应的节点特征矩阵和邻接矩阵；采用图神经网络处理节点特征矩阵和邻接矩阵，确定第一奖励值；利用第一奖励值更新邻接矩阵，确定第一邻接矩阵；采用图神经网络处理节点特征矩阵和第一邻接矩阵，确定第二奖励值；利用第二奖励值更新第一邻接矩阵，确定第二邻接矩阵；根据奖励值和邻接矩阵的更新关系，采用图神经网络对节点特征矩阵和更新后的邻接矩阵进行迭代，直至到达预设迭代次数为止。本发明还提供了包括上述节点关系学习方法的节点关系学习装置和计算机存储介质。
一种节点关系学习方法学习装置

[发明专利]含义关系学习装置、含义关系学习方法及含义关系学习程序-CN201980087410.5在审
发明人：内出隼人 -专利权人：三菱电机株式会社
申请日： 2019-01-08 - 公布日： 2021-08-24 - 主分类号： G06F16/00 文献下载
摘要：含义关系学习装置(1)具备：负例数据生成部(12)，其通过将构成多个正例数据对的语言数据组合而生成多个负例数据对；特征量提取部(13)，其从分别构成负例数据对的语言数据中提取特征量；相似度计算部(14)，其计算各个负例数据对的特征量之间的相似度；学习用负例数据生成部(15)，其基于相似度，将多个负例数据对分类为预先决定的多个相似度范围，由此生成与多个相似度范围对应的多个学习用负例数据集；学习数据集选择部(17)，其以按照基于多个相似度范围而预先决定的选择计划的顺序，选择多个学习用负例数据集中的任意的学习用负例数据集；以及学习处理部(18)，其使用选择出的学习用负例数据集和多个正例数据对来进行机器学习处理
含义关系学习装置学习方法程序

[发明专利]一种基于模态关系学习的跨模态检索方法-CN202210389983.7在审
发明人：曾焕强;王欣唯;朱建清;陈婧;黄德天;温廷羲;郭荣新 -专利权人：华侨大学
申请日： 2022-04-14 - 公布日： 2022-07-29 - 主分类号： G06F16/908 文献下载
摘要：本发明提出一种基于模态关系学习的跨模态检索方法，将数据集中相同语义的图像文本对以及所属的类标签输入到基于模态关系学习的跨模态检索网络模型中训练，直至模型收敛，从而获得网络模型M；利用S1中训练得到网络模型分别提取待查询图像/文本和候选库中每个文本/图像的特征向量，从而计算待查询图像文本与候选库中文本/图像的相似度，根据相似度的大小进行降序排序，并返回相似度最高的检索结果；建立模态间和模态内的双重融合机制进行模态间关系学习，不仅在模态内融合多尺度的特征，还在模态间使用标签的关系信息直接对融合特征进行互补性关系学习，另外，加入模态间的注意力机制进行特征联合嵌入，进一步的提高了跨模态的检索性能。
一种基于关系学习跨模态检索方法

[发明专利]信息处理设备、信息处理方法和程序-CN201980100231.0在审
发明人：宫田直之;水野公嘉 -专利权人：索尼互动娱乐股份有限公司
申请日： 2019-09-20 - 公布日： 2022-04-22 - 主分类号： G06T7/00 文献下载
摘要：该信息处理设备具备关系学习单元，该关系学习单元用于学习具有多个关节的对象的第一图像和坐标信息之间的关系从而构建训练模型，该坐标信息表示多个关节的位置并且被定义在与第一图像的视角相比扩展的范围中，该训练模型用于估计位于新获取的对象的第二图像的视角之外的至少一个关节的坐标信息
信息处理设备方法程序

[发明专利]基于多级伪关系学习的光学遥感影像地物分类方法-CN202310227880.5在审
发明人：胡杨;王爽;赵栋;梁菲;杨瑞智;王子宁;臧琪;权豆 -专利权人：西安电子科技大学
申请日： 2023-03-09 - 公布日： 2023-07-14 - 主分类号： G06V20/13 文献下载
摘要：本发明提出了一种基于多级伪关系学习的光学遥感影像地物分类方法，用于解决在地物分类中现有自训练方法忽视像素点之间潜在联系的问题，实现步骤为：从远程设备获取待分类的光学遥感影像以及构建多级伪关系网络模型，通过构建源域关系学习损失、目标域像素级伪关系损失、源域局部patch级伪关系损失和目标域局部patch级伪关系损失，得到优化模型的优化目标函数，然后利用训练集对模型进行训练，最后对光学遥感影像分类。本发明通过多级伪关系学习实现了光学遥感图像地物分类，提升了分类效果，弥补了自训练方法的不足，可用于城市规划、土地利用和环境检测等应用领域。
基于多级关系学习光学遥感影像地物分类方法

[发明专利]一种基于非局部邻关系学习的深度神经网络层次分析方法-CN202011515028.0在审
发明人：蒋雯;肖陶;黄凯;耿杰;邓鑫洋 -专利权人：西北工业大学
申请日： 2020-12-21 - 公布日： 2021-04-02 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于非局部邻关系学习的深度神经网络层次分析方法，包括以下步骤：构建待分析的深度神经网络；输入数据集样本,获取深度网络相邻两层的特征图样本对；利用空间金字塔池化网络对相邻层特征图样本对进行变换组合；将变换后的相邻层特征图样本对输入孪生变分自编码器，训练非局部邻关系学习模型；利用训练好的非局部邻关系学习模型获得相邻层特征图样本对的隐空间向量对；利用同一样本的所有隐空间向量对计算深度网络在该样本识别时的各层级贡献度本发明提出的非局部邻关系学习方法，可以在不影响深度网络本身决策的前提下进行层次化分析，并且可以应用于不同的深度神经网络模型。
一种基于局部关系学习深度神经网络层次分析方法

[发明专利]用于遥感场景分类的多任务神经网络框架及分类方法-CN202010070358.7有效
发明人：卢孝强;张园林;郑向涛;黄举 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2020-01-21 - 公布日： 2023-05-05 - 主分类号： G06V10/764 文献下载
摘要：该网络框架包括卷积特征提取层、分类任务全连接特征提取层、分类任务判别层、分类任务损失层；其特殊在于：还包括辅助任务全连接特征提取层、辅助任务判别层、辅助任务损失层、分类任务特征映射层、辅助任务特征映射层及关系学习损失层；两个特征映射层分别将适应于两种任务的全连接特征向量降维，关系学习损失层将降维后的向量作差并将差向量的范数作为关系学习损失，关系学习损失与两种任务的判别损失一起加入优化训练。
用于遥感场景分类任务神经网络框架方法

[发明专利]一种单基因位点与时序脑图像关联分析的方法及装置-CN202210341474.7有效
发明人：汪美玲;张道强 -专利权人：南京航空航天大学
申请日： 2022-04-02 - 公布日： 2023-09-29 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种单基因位点与时序脑图像关联分析的方法及装置，对预先获取的基因和脑图像进行预处理，去除不相关的信息；考虑到时序脑图像的结构信息，引入排差项来学习脑图像的偏序组结构信息，建立基于排差项的单基因与时序脑图像的关联分析方法；引入关系诱导项来学习不同时间点之间的关系，建立排差性关系学习模型，进一步探索基因和时序图像之间的关联关系，更好地理解大脑潜在机制；将认知评分结果整合到排差性关系学习模型中，利用认知评分辅助挖掘基因与脑图像的关联关系，建立认知评分相关的排差性关系学习模型并进行优化处理，得到与基因相关的时序脑图像特征信息。本发明能够充分地利用脑图像数据来分析基因与时序脑图像的关联关系。
一种基因时序图像关联分析方法装置

[发明专利]一种基于关系推理的协议格式自动化推断方法及系统-CN202110999657.3有效
发明人：王一鹏;唐通;赖英旭;刘静 -专利权人：北京工业大学
申请日： 2021-08-29 - 公布日： 2023-09-22 - 主分类号： H04L69/06 文献下载
摘要：本发明公开了一种基于关系推理的协议格式自动化推断方法及系统。该方法包括三个阶段，分别为粗粒度结构生成阶段、关系学习阶段和细粒度结构生成阶段：粗粒度结构生成阶段包括：对原始网络流量进行预处理；对预处理后的有效负载集合生成频率字典；根据频率字典产生粗粒度结构；关系学习阶段包括：对有效负载的特征进行提取；对负载粗粒度结构产生对应的问题集和答案集；利用问题和答案推理有效负载特征中各n‑gram间逻辑关系，构建字段关系模型；细粒度结构生成阶段包括：根据关系学习阶段得到的字段关系模型，将其映射到粗粒度结构中；根据映射关系推断出负载的格式。
一种基于关系推理协议格式自动化推断方法系统

[发明专利]一种城市路网流量生成因果关系的异质图学习系统及方法-CN202310706735.5在审
发明人：许明;马蕴一 -专利权人：辽宁工程技术大学
申请日： 2023-06-14 - 公布日： 2023-09-12 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种城市路网流量生成因果关系的异质图学习系统及方法，包括交通路网异质图构建模块、流量生成因果关系学习模块和时间相关性建模模块，所述交通路网异质图构建模块的数据输出端与所述流量生成因果关系学习模块的数据输入端连接，所述流量生成因果关系学习模块的数据输出端与所述时间相关性建模模块的数据输入端连接；该系统及方法捕捉了OD需求和路径级空间依赖，从车辆轨迹数据中学习旅行需求和交通流量之间的因果关系，并匹配交通流量生成的基本过程
一种城市路网流量生成因果关系异质图学习系统方法

[发明专利]一种基于高维点过程的金融时间序列的因果关系学习方法-CN202010409718.1在审
发明人：陆培丽 -专利权人：上海明寰科技有限公司
申请日： 2020-05-15 - 公布日： 2020-08-28 - 主分类号： G06F16/2458 文献下载
摘要：本发明公开了金融数据分析领域的一种基于高维点过程的金融时间序列的因果关系学习方法，包括以下步骤：步骤1：事件序列提取，将金融时间序列数据事件化，使得时间序列可以用点过程模型进行建模与分析；步骤2：事件序列建模，对多维Hawkes过程进行修正，并使用该过程对步骤1中抽取得到的金融事件序列进行建模，估计转化矩阵；步骤3：参数估计，使用正则化的极大似然估计和EM算法估计模型参数；步骤4：因果关系网络构建，利用步骤3中得到的转化矩阵构建因果关系网络，提取多种金融数据间的因果关系。本发明能够有效地发掘金融数据中的因果关系，并能够更好地满足金融时间序列的因果关系学习的需求，能够有效地替代传统的因果关系学习方法。
一种基于高维点过程金融时间序列因果关系学习方法

[发明专利]一种基于深度学习的化合物-蛋白质相互作用预测方法-CN202111530765.2在审
发明人：吴坚;钱莹 -专利权人：华东师范大学
申请日： 2021-12-15 - 公布日： 2022-04-15 - 主分类号： G16B15/30 文献下载
摘要：本发明公开了一种基于深度学习的化合物‑蛋白质相互作用预测方法，该方法包括的步骤：步骤A，使用CNN模块学习化合物图片的局部特征再使用Transformer编码器对学习的特征进行语义关系学习；步骤B，使用k‑gram方法对蛋白质序列进行划分，再使用数个Transformer编码器进行语义关系学习；步骤C，对化合物和蛋白质学习到的特征进一步学习，步骤D，经过一个全连接层得到预测结果。
一种基于深度学习化合物蛋白质相互作用预测方法

[发明专利]基于三元组语义关系学习的航拍遥感图像变化检测方法-CN201810385526.4有效
发明人：陈克明;张梦雅;许光銮;闫梦龙 -专利权人：中国科学院电子学研究所
申请日： 2018-04-26 - 公布日： 2021-02-23 - 主分类号： G06K9/00 文献下载
摘要：本公开提供一种基于三元组语义关系学习的航拍遥感图像变化检测方法，包括：步骤A：构建基于三元组语义关系学习的双路深度神经网络模型；步骤B：利用训练数据集训练双路深度神经网络模型；步骤C：基于测试数据集和训练后的双路深度神经网络模型本公开提供的基于三元组语义关系学习的航拍遥感图像变化检测方法，利用深度学习方法自动实现多时相航拍遥感图像特征的自动选择，能够更加全面、深层地表达图像，无需手工特征选择，省时省力，便于工程应用。
基于三元语义关系学习航拍遥感图像变化检测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条