本发明公开了一种基于神经通路激活状态的深度学习测试样本的生成方法及装置，方法包括以下步骤：1)获取图数据集与深度学习模型；2)预训练深度学习模型并获得神经通路激活状态特征矩阵；3)构建样本批次；4)变异操作；5)生成测试样本，其中包括计算变异样本与神经通路激活状态特征矩阵的距离，保持神经通路激活状态一致的情况下，根据梯度上升最大化修改测试样本与原始样本的距离并最终生成数据集与相应深度学习模型的测试集。该方法可以根据深度学习模型内部神经元与神经元、层与层之间的联系，有针对性地生成测试样本。
📄 2020103244342
📂 G06V10_82
👤 浙江工业大学
📅 2020-04-22
本发明公开了一种基于深度学习模型的交通速度预测方法，包括以下步骤：构建GCLSTM模型，以Seq2Seq模型作为模型基础，引入GCN模型分别对细胞层状态和隐藏层状态进行图卷积运算；将待预测路段前一段时刻的交通速度输入至GCLSTM模型中，经计算，输出未来一段时刻的预测交通速度。还公开了一种基于深度学习模型的交通速度预测方法，包括以下步骤：构建GLAT模型，以Seq2Seq模型作为模型基础，引入时间注意力机制对编码器每个时刻的隐含层向量进行关注，将待预测路段前一段时刻的交通速度输入至GLAT模型中，经计算，输出未来一段时刻的预测交通速度。这两个交通速度预测方法能够准确预测交通速度。
📄 2019107690123
📂 G08G1_01
👤 浙江工业大学
📅 2019-08-20
本发明公开了一种基于双向特征嵌入的深度学习模型去偏方法，包括：获得第一特权组样本集和第一非特权组样本集；构建双特征嵌入样本集；搭建收入预测模型，所述深度学习模型包括6层全连接网络；利用双特征嵌入样本集，在训练时，以收入判断任务的损失loss_m1，和去社会偏见损失loss_m2组成的总损失loss为最终损失；每训练一阶段，将收入预测模型输出的收入判断结果和对应的敏感性样本集通过mean difference进行测算，当mean difference计算结果满足阈值，则获得最终收入预测模型。该收入预测模型能够准确且不带有偏见的预测收入。
📄 2021107771170
📂 G06N3_08
👤 浙江工业大学
📅 2021-07-09
本发明公开了一种面向深度学习模型中毒攻击的检测方法、装置及系统，包括：(1)获取样本集和待检测模型；(2)预训练与待检测模型结构相同的良性模型；(3)对部分样本进行数据增广，组成新样本集；(4)将每一类新样本作为目标类，剩下的所有类新样本作为源类，对预训练后的良性模型进行目标类的多种中毒攻击，获得多种中毒模型和多种中毒样本；(5)获得中毒样本在所有非所出中毒模型下的检测结果，依据检测结果筛选并构建中毒模型池和中毒样本池；(6)依据中毒样本在待检测深度学习模型的检测结果和中毒样本在非所出中毒模型下的检测结果来判断待检测深度学习模型是否中毒。来实现对面向深度学习模型中毒攻击的快速准确检测。
📄 2021101289945
📂 G06F21_56
👤 浙江工业大学
📅 2021-01-29
本发明公开了一种基于模型水印的深度学习模型中毒防御方法，所述方法包括如下步骤：收集图片数据集并分类，针对每一类图片数据集制作相对应的水印图片；利用水印嵌入器，将图片数据集中的原图片域A与水印组合成新图片域A+，利用嵌入损失函数对水印嵌入器进行训练；利用分类损失函数训练得到分类模型，分类模型对图片进行分类，且将新图片域A+、A输入到分类模型在指定的一层的特征图中得到并对应保存特征区域T+、T；利用提取损失函数训练得到水印提取器，将特征区域T和T+输入到水印提取器中对水印进行提取；根据分类模型对图片进行的分类结果以及水印提取器中水印的提取结果进行加权后预测结果。
📄 2021107771274
📂 G06T1_00
👤 浙江工业大学
📅 2021-07-09
一种基于深度学习模型的含分布式电源配电网电能质量预测方法，包括：电能质量历史数据获取，含电能质量影响因素变量数据和电能质量指标数据；电能质量历史数据预处理，含数据归一化、时间序列转换、训练数据和评估数据分割；电能质量长短时记忆神经网络，即LSTM预测模型确定，含LSTM预测模型构建、参数初始化、基于训练数据实现LSTM预测模型确定；基于评估数据的预测模型性能评估；未来时段系统电能质量指标预测。本发明的优点是：1、对含DG配电网的电能质量进行了有效预测；2、在处理时间序列预测问题上能获得更高的精度；3、充分考虑到了预测模型中各个特征输入变量的影响作用。
📄 2018115618344
📂 H02J3_00
👤 浙江工业大学
📅 2018-12-20
本发明公开了一种面向记忆增强元学习的深度学习模型去偏方法，包括：(1)获取样本数据集，并提取类别标签以及敏感属性标签；(2)构建包含控制器和外部记忆单元的深度学习模型；(3)利用深度学习模型对样本数据进行学习的过程中，依据输出键值与类别标签之间的映射关系筛选得到类别标签，并依据类别标签进行关于敏感属性的相似度检测，筛选得到敏感样本；(4)对敏感样本进行重要性检测，以确定敏感样本的重要性权重；(5)依据重要性权重对敏感样本删减或改变重要性权重，以实现对深度学习模型的去偏处理，从而达到对深度学习模型的去偏效果。
📄 2021106499140
📂 G06N3_0985
👤 浙江工业大学
📅 2021-06-10
本申请实施例提供一种用于定位多目标特征点的深度学习模型的构建方法及装置，涉及人工智能领域，包括获取堆叠沙漏网络、检测网络、定位网络以及输出网络；组合堆叠沙漏网络、检测网络、定位网络以及输出网络得到多任务学习网络模型；在多任务学习网络模型中设置加权目标函数、预设训练条件以及与输入数据对应的超参数，得到第一训练模型；对第一训练模型进行训练，得到第二训练模型和与第二训练模型相对应的训练信息；在训练信息满足预设训练条件时，保存第二训练模型为用于定位目标特征点的深度学习模型。实施这种实施方式，能够通过建立一种新的深度学习模型来提高对多目标特征点(或称为关键点)的识别精度。
📄 2019104806289
📂 G06K9_46
👤 电子科技大学中山学院
📅 2019-06-03
本发明公开了一种深度学习模型的超参数调优方法。本发明步骤如下：步骤1：文本数据的预处理，对文本数据进行标注；步骤2：构建深度学习模型；步骤3：对深度学习模型进行训练，通过增加模型深度的方式使得模型在训练集上对数据过拟合，利用过拟合模型来保证对训练数据充分利用，并逐步减少模型深度来微调模型，最后根据测试集上的表现选择最优的模型深度；步骤4、模型预测；对需要预测的文本内容，利用步骤3训练好的深度学习模型，得到文本数据标记的预测值，可以说明文本内容与业务的相关程度。本发明能够有效检验深度学习模型架构选择的正确性。
📄 201911053421X
📂 G06F16_35
👤 杭州电子科技大学
📅 2019-10-31
本发明公开了一种基于多模态数据和深度学习模型的生存预测方法。传统的病理图像生存预测方法只能关注部分病理信息，不能完全反应患者的肿瘤形态，并且会忽视基因突变等因素对肿瘤产生的影响，以往方法大多不能有效的将图像和基因表达数据结合起来进行分析。本发明采用大津阈值算法生存区分组织区域的二值图并据此采样切片图像；根据由ImageNet数据集预训练的ResNet‑50网络提取相关特征，并使用K均值算法对特征进行聚类。将基因表达谱数据使用最小角回归特征选择算法和得到基因特征，将数据输入到深度学习生存预测模型中获得患者生存风险的概率。本发明是一种比较适用于病理图像和基因表达数据且同时保证高准确性的方法。
📄 202111251516X
📂 G16H50_30
👤 杭州电子科技大学
📅 2021-10-21
本发明涉及边缘智能技术领域，公开了一种基于深度学习模型的边缘智能协同推断方法及系统，通过获取巡检设备和边缘设备的参数信息以及所述巡检设备采集的监控图像数据的处理需求分别构建适用于巡检设备和边缘设备的简单模型和复杂分支模型；简单模型较复杂分支模型的网络层数和神经元个数更少，神经网络计算会明显减少任务推断时间和自身消耗的能耗；巡检设备端输出结果置信度值判定器以输出结果的置信度最大值作为依据判断监控图像数据是否需要传输到边缘设备端进行处理，从而保证深度学习模型结果准确率的同时，最大程度的利用巡检设备、边缘设备的计算和存储能力，以及降低系统在单边执行任务时的所带来的高时延和高能耗。
📄 2022114887867
📂 G06N5_04
👤 成都信息工程大学
📅 2022-11-25
本发明公开了基于混合深度学习模型的道岔故障诊断方法，具体为：对道岔功率数据进行预处理、归一化，分析每种数据所对应的故障类型，按设定规则标注样本数据集中的每个样本数据所反应的故障类型；使用改进Smote算法扩充故障数据，并划分数据集；建立深度神经网络分类模型；使用交叉熵损失函数和Adam优化器对模型进行训练。根据使用空洞卷积进行特征提取，LeNN与注意力机制融合模型作为分类器的思想，设计出了基于空洞卷积与LeNN‑Attention混合模型的列车道岔故障诊断方法，该方法比传统的单一神经网络和机器学习算法诊断精度更高，这表明通过混合深度学习算法所得到的模型在实际应用中有着非常良好的效果。
📄 2021115933590
📂 G06V10_764
👤 西安理工大学
📅 2021-12-23
柿子坊 · 知识产权运营
柿子坊知识产权运营平台