本发明公开了一种基于SCUnet++神经网络的肺栓塞CT图像识别分割方法，包括如下步骤：S1、构建用于识别分割肺栓塞CT图像的SCUnet++神经网络模型；S2、建立肺栓塞CT图像数据集，并划分为训练集和测试集；S3、使用训练集对SCUnet++神经网络模型进行训练，结合肺栓塞CT图像特点，对SCUnet++神经网络模型参数调优，得到最终分割网络模型；S4、使用测试集测试评估得到的最终分割网络模型，通过最终分割网络模型实现自动、智能的肺栓塞CT图像识别分割功能。该方法能够实现自动、智能的肺栓塞CT图像识别分割功能，具有较高的分割准确率和效率。
📄 202310380776X
📂 G06T7_10
👤 杭州电子科技大学
📅 2023-04-11
一种基于图神经网络的基因交互关系预测方法和装置，该方法包括：每个实验组的转录表达数据进行预处理，包括标准化基因ID，将不同实验组的基因转录表达数据以统一的基因ID表示；得到作为后续分析的原始数据；按照每个样本组进行基因相似度的计算，获取样本组中基因与基因之间的相似度数据；通过对所有样本组的数据进行统计和筛选，选取符合设定条件的基因对，作为构建图数据结构的基础；进一步对原始数据进行处理，保证所有样本组中仅包含图结构中定义的基因；随后，对这些样本组的数据进行标准化处理，使得所有样本组的数据维度一致；对上述生成的图数据组进行模型训练，最终得到图结构中的边权重数据，能够准确反映基因之间的交互关系。本发明可用于基因表达数据的分析，预测基因之间的交互关系，并能够在没有标签数据的情况下进行无监督学习。
📄 2024116154906
📂 G16B25_10
👤 浙江工业大学
📅 2024-11-13
一种基于神经网络的三位一体招生录取概率预测方法，包括以下步骤：1)关联分析，在这六门科目中选择其中的三门课参加考试，在考生对这6门课的选择中进行关联度分析的步骤如下：1.1)收集、准备数据；1.2)问题描述；1.3)使用Apriori算法简化计算；1.4)使用Apriori算法发现频繁集；1.5)挖掘关联规则；2)神经网络的预测模型；4)录取概率：根据会考成绩、选考成绩以及上述神经网络预测得出的复试成绩，由高校的计分标准得出考生的综合成绩，并对所有考生的综合成绩进行排名，根据排名以及高校的预录取人数确定考生在该校“三位一体”招生中的录取概率。本发明有效实现三位一体招生录取概率预测。
📄 2017107174328
📂 G06Q50_20
👤 浙江工业大学
📅 2017-08-21
一种基于对象级变换神经网络的跟踪方法，包括：1)根据给定的视频序列和第一帧的标注信息Box1，获取待跟踪视频序列的跟踪模板Z和动态局部模板Zdl；其中动态局部模板Zdl由跟踪模板Z处理后获得，包含9个局部模板；2)根据上一帧的标注信息，获取待跟踪视频序列的搜索图片Si；3)基于步骤1)和步骤2)将跟踪模板Z、动态局部模板Zdl和搜索图片Si作为对象级变换神经网络的输入，获取特征编码后的搜索图片特征X；4)基于步骤3)将编码后的搜索图片特征X作为角点预测网络的输入，获得当前帧中目标定位信息Boxi；5)通过动态局部模板更新策略更新局部模板。本发明将对象级的注意力设计为窗户注意力，从而有效地避免背景信息分散注意力。
📄 2022111133459
📂 G06T7_246
👤 浙江工业大学
📅 2022-09-14
本发明提供一种利用风机电流的神经网络热泵除霜控制装置及控制方法，方法包括步骤：S1，电流测量装置实时采集空气源热泵蒸发器风机的电流信号；S2，数据转换模块对所述电流信号进行滤波、解调、分解和重构，获取数据信息，再利用特征提取算法进行时域和频域分析，提取特征数据值；S3，数据诊断模块利用基于GA算法的ELM神经网络对特征数据值进行诊断分析处理，得出结霜故障的诊断信息；S4，除霜控制模块根据所述诊断信息，对空气源热泵蒸发器进行除霜控制。本发明利用基于GA算法的ELM神经网络模型提高了收敛速度和收敛时间，增加了系统的稳定性；通过对风机电流的变化情况进行诊断，根据诊断结果快速准确地控制化霜，提高了热泵系统的运行效率。
📄 2019111322919
📂 G05B13_04
👤 浙江工业大学
📅 2019-11-19
一种基于深度残差神经网络的蛋白质残基接触预测方法，首先，通过蛋白质数据库构建数据集；其次，利用HHblits构建所有序列的MSA，根据进化信息提取序列谱特征、香农熵特征、协方差特征，作为神经网络的输入，生成神经网络的标签文件；然后，将数据集输入到神经网络中训练神经网络；最后，将测试序列输入到神经网络中进行预测。本发明提供一种能够有效辅助蛋白质结构预测的蛋白质残基接触预测方法，能够提高蛋白质结构预测的精度。
📄 2020107041309
📂 G06Q10_04
👤 浙江工业大学
📅 2020-07-21
本发明公开了一种融合多种注意力机制神经网络的结直肠息肉分割方法，包括：(1)收集多种类型内窥镜下结直肠息肉图像，并通过图像随机水平翻转、随机对比度增强、0.75～1.25倍随机多尺度放大缩小和0～360度随机旋转等方法进行图像增强，组成训练样本；(2)构建包含多种注意力机制的神经网络，其中包含特征提取模块、通道分组空间增强模块、轴向自注意力结合感受野增强模块和逆向注意力边界增强模块；(3)利用训练样本训练所述神经网络，优化网络参数，确定网络参数后与神经网络共同组成模型；(4)应用时，采集内窥镜下结直肠图像，并输入至模型中，经计算输出结直肠息肉分割图像。该方法提升结直肠息肉的分割效果。
📄 202111276806X
📂 G06T7_11
👤 浙江工业大学
📅 2021-10-29
本发明公开了一种基于深度压缩神经网络的手指汗腺提取方法，首先将OCT指纹体数据进行分割，将分割得到的系列子块输入到深度压缩神经网络；然后经过连续的扩张深度压缩模块，利用扩张卷积提升对汗腺的感受野，提取汗腺初步特征；通过连续的基础深度压缩模块，提取汗腺细化特征；汗腺细化特征在随机失活后，经过连续的卷积层，输出汗孔特征图，将汗孔特征图经过二值化后得到表面汗孔图片，将所有子块对应的表面汗孔图片进行拼接，得到手指汗孔图。本发明能够对OCT原始数据直接进行处理。通过深度压缩模块来提取汗腺特征，无需去噪和映射操作，直接从OCT原始数据中提取汗腺，压缩生成准确的表面汗孔图像，提升了提取精度和速度。
📄 2024111535403
📂 G06V40_12
👤 浙江工业大学
📅 2024-08-21
一种基于内积自注意力神经网络的蛋白质磷酸化位点预测方法，首先输入氨基酸残基数目为L待进行磷酸化位点预测的蛋白质序列，利用20种常见氨基酸的one‑hot编码表示形式将蛋白质序列转换为一个L×20的特征矩阵Mfea；然后，对蛋白质的每个残基，根据Mfea使用滑动窗口获取一个大小为w×20的特征矩阵M；其次，从数据库中获取已知磷酸化位点标签的蛋白质序列构建训练集；再次，搭建神经网络框架，使用训练集训练网络并获取预测模型；最终将待预测的蛋白质序列残基的特征矩阵输入到训练的模型中，根据模型输出的概率值来预测蛋白质序列中目标残基是否为磷酸化位点。本发明计算代价低、预测精确性高。
📄 2021102837824
📂 G16B15_20
👤 浙江工业大学
📅 2021-03-17
本发明公开了一种融合多图神经网络的工业系统异常数据流检测与诊断方法，包括：工业系统的拓扑结构图构建：基于工业系统中各设备之间的直接连接关系建立拓扑结构图；工业系统的功能结构图构建：基于工业系统中各设备之间的功能相似度建立功能结构图；融合多图神经网络的异常检测：融合多个图神经网络建立工业系统数据流预测模型，并根据预测数据与真实数据的差异实现异常检测；基于注意力机制的异常诊断：通过注意力权重的反向计算，得到影响异常产生的时间因素、语义因素和设备因素。本发明实现诊断的全面性和精确性。
📄 2022110261642
📂 G06F18_2433
👤 浙江工业大学
📅 2022-08-25
一种基于卷积长短时记忆神经网络的频谱感知方法，先进行数据预处理得到2*N矩阵记作E0，将E0送入到ConvLstm2D网络，对E0进行第一次空间与时间特征提取得到输出的数据记作E1，将E1输入到批量归一化神经网络输出到归一化的数据记作E2，将E2输入到第二个ConvLstm2D网络中对IQ数据进行第二次空间和时间特征提取得到的数据记作E3；将E3输入到批量归一化神经网络中得到的数据记作E4；将E5输入到Flatten层将输入来的数据进行压平得到一维数据E5；然后将E5输入到全连接层得到数据E6；将E6输入到神经元为1的全连接层中，激活函数为sigmoid函数；通过最小化损失函数来训练模型参数。本发明极大程度的提高了频谱感知的性能。
📄 2022103717538
📂 H04B17_382
👤 浙江工业大学
📅 2022-04-11
一种基于集成神经网络的智能电网经济调度方法，获取电网系统的发电参数，包括系统中各发电机的发电代价函数和发电机负载上下限；使用已有的最佳非凸优化算法来产生一个大型数据集；利用当前数据集构建一个深度神经网络，命名为EDNet，通过反向传播技术学习数据集中的数据使得网络的输出逐渐逼近数据集中的输出部分；使用微调算法微调EDNet的输出，得到严格满足问题约束的最优解；利用Adaboost.R2算法作为训练策略依次训练出M个EDNet，将这M个EDNet并行排列形成E2DNet；M个最优解中拥有最小发电代价的解被选为整个集成网络的最优解。将训练完备的E2DNet投入使用，在线处理智能电网的经济调度问题。
📄 2020110779243
📂 G06Q10_0631
👤 浙江工业大学
📅 2020-10-10
柿子坊 · 知识产权运营
柿子坊知识产权运营平台