本发明公开了基于对比学习的疾病分类ICD自动编码方法和装置，属于自然语言处理及人工智能领域。本发明要解决的技术问题为如何使用自然语言处理技术为患者的电子病历文本匹配相对应的诊断编码即疾病分类编码，以减少医疗人员的工作量，提高自动编码匹配正确率，提高匹配速度，采用的技术方案为：①一种基于对比学习的疾病分类ICD自动编码方法，该方法包括如下步骤：S1、构建ICD自动编码模型训练数据集；S2、构建ICD自动编码模型；S3、训练ICD自动编码模型。②一种基于对比学习的疾病分类ICD自动编码装置，该装置包括，ICD自动编码模型训练数据集构建单元、ICD自动编码模型构建单元、ICD自动编码模型训练单元。
📄 2023108010458
📂 G06N3_0455
👤 齐鲁工业大学(山东省科学院)
📅 2023-07-03
本发明涉及知识蒸馏技术领域，尤其是涉及一种基于因果理论的知识蒸馏去偏推荐方法及系统。方法，包括构建知识蒸馏去偏推荐模型，其中，构建两个教师模型和一个学生模型，根据用户评分数据集生成观测数据的因果路径；基于量化选择偏差的因果效应补充未观测数据的因果路径；利用两个教师模型分别在观测数据的因果路径和未观测数据的因果路径进行预测，生成无偏软标签；基于无偏软标签对学生模型进行知识蒸馏，得到知识蒸馏去偏推荐模型；利用知识蒸馏去偏推荐模型进行用户预测。本发明从因果推断的角度出发，分析知识蒸馏过程中选择偏差产生的因果原因，通过补充未观测数据的因果路径来解决选择偏差问题。
📄 2025102929256
📂 G06N3_045
👤 烟台大学
📅 2025-03-13
本发明公开了基于临床思维的启发式医学教育大模型微调方法及装置，包括基于临床教学数据和专家意见构建临床思维框架。本基于临床思维的启发式医学教育大模型微调方法及装置通过临床思维框架形成结构化的临床教学语料库，并基于临床教学语料库构建教师智能体—专家智能体—学生智能体的三智能体协同架构，通过协同架构生成最终数据集，并通过最终数据集训练微调，得到最终的医学教育大模型，显著提升最终的医学教育大模型的交互性、适应性及教学引导能力；最终的医学教育大模型能够依据临床思维框架逐步引导学生进行推理与探索，在保持教学逻辑性的同时，有效激发了用户的自主思考能力，提供适度的引导与反馈，从而契合临床教学的实际需求。
📄 2025112836050
📂 G06N3_045
👤 浙江工业大学
📅 2025-09-09
一种基于联合预测框架的车辆轨迹预测鲁棒增强方法，首先，构建了一个联合时空注意力网络，包含教师模型和学生模型，形成联合预测结构：教师模型专注于正常轨迹的高精度预测，而学生模型通过知识蒸馏从教师模型中学习，并经过简化和增强，以适应对抗性噪声的干扰；其次，为优化学生模型的结构和鲁棒性，设计了一种多阶段剪枝与自蒸馏结合的鲁棒压缩策略，该策略对教师模型进行逐阶段剪枝，接着通过自蒸馏生成适用于对抗性环境的学生模型；然后，基于极值理论提出了流峰值过阈值方法，分析教师模型与学生模型的预测差异，检测异常输入。本发明在对抗性噪声下显著降低了预测误差，且具有高检出率，充分证明其在复杂噪声环境中的预测鲁棒性。
📄 2024117702467
📂 G06N3_0455
👤 浙江工业大学
📅 2024-12-04
本发明公开了一种基于注意力机制的CNN‑GRU合模拉杆应变预测方法，包括：采集注塑机合模机构装调过程数据并进行预处理，用预处理后的合模机构装调过程数据构建样本数据集，将样本数据集划分为训练集和测试集；采用CNN‑GRU网络结构结合SE注意力机制构建多输入多输出合模机构拉杆应变预测模型，使用训练集对合模机构拉杆应变预测模型进行训练；使用测试集通过训练好的合模机构拉杆应变预测模型对合模机构装调过程进行预测，然后对最终预测结果进行评估；将训练好的合模机构拉杆应变预测模型部署到实际生产现场，输出当前装调操作后的拉杆应变预测值。本发明实现了对合模机构装调过程中拉杆应变的精准预测，提升了装配效率与质量。
📄 2024117969340
📂 G06N3_045
👤 浙江工业大学
📅 2024-12-09
本发明公开了一种基于神经元加固的图像分类深度模型中毒防御方法及装置，该方法将一批干净样本输入到模型中，以神经元激活值和其出现频率，以及其对模型性能的影响为基准，寻找需要加固的神经元，之后将其他神经元固定下来，只加固这些选定的神经元，将训练集中的样本输入到模型中，通过对损失函数梯度上升作为导向来更新加固神经元，不断迭代直到模型趋于收敛稳定，得到干净的图像分类深度模型，用于图像分类任务。本发明解决了现有模型中毒防御方法在祛毒的同时没有增强模型鲁棒性的问题，并且模型在主任务上仍保留很高的准确率。本发明只需要用到少量的测试样本即可获得不错的效果，适用性较好。
📄 2022112411752
📂 G06N3_045
👤 浙江工业大学
📅 2022-10-11
一种基于Transformer‑WGAN的车辆跟驰行为建模方法，包括：获取跟驰场景中多组跟驰车和其前车的状态序列数据，将数据进行预处理使其符合模型输入的数据格式的步骤；建立Transformer网络模型，利用多头自注意力机制学习跟驰场景中车辆状态序列数据中复杂的时序依赖关系，提取驾驶数据中潜在时间特征的步骤；构建生成对抗网络WGAN，使用时间特征数据实现跟驰场景中车辆未来状态预测；将预测结果和真实结果作为由全连接网络构成的判别器的输入，判别器的目的是将预测结果和真实结果区分开，将预测的结果判断为假；通过生成器与判别器的对抗训练后，使判别器难以判定预测的结果为假，使得最小化预测结果和真实结果之间的误差，实现模型准确预测跟驰场景中车辆未来状态。
📄 2022111133622
📂 G06N3_0455
👤 浙江工业大学
📅 2022-09-14
本发明公开了一种基于Temporal_ATT‑Former的药品库房温湿度预测方法，包括如下步骤：获取药品库房环境的温湿度的历史数据，对历史数据进行预处理；建立Temporal_ATT‑Former温湿度预测模型；将获取的药品库房的温湿度数据特征，对Temporal_ATT‑Former进行温湿度预测模型训练；测试Temporal_ATT‑Former模型的效果；建立药品库房温湿度预警系统。本发明方法对未来某一时间区间内药品库房的温湿度进行准确预测，满足药品在库房中安全的环境下存放，具有广泛的应用前景和实用价值。
📄 2021107191298
📂 G06N3_0455
👤 淮阴工学院
📅 2021-06-28
本发明公开了一种极端高温年代际预测方法、装置及存储介质，属于年代际预测技术领域，其方法包括：获取目标预测时段内，基于多模式多初始场回报试验数据提取的第二极端高温强度指数，输入至预先训练完成的基于Transformer的区域预测模型中，获取所述目标地理区域内各区域的极端高温强度年代际预测序列；将各区域的极端高温强度年代际预测序列通过线性投影方法重建至空间格点上，得到目标地理区域内极端高温强度的空间分布预测结果。本发明显著提高了动力模式对夏季极端高温强度年代际预测的能力，有效弥补现有模式在极端高温强度年代际预测中的不足。
📄 2025115394095
📂 G06N3_0455
👤 南京信息工程大学
📅 2025-10-27
本发明提供一种基于小波多分辨率分解的深度学习工单量预测方法，属于时间序列预测领域，包括：将每组工单样本输入ExWaveformer模型的事件检测器中提取工单类型特征；获取工单量历史输入序列和预测输入序列分别输入编码器和解码器中；将工单量预测输入序列分解为趋势分量和周期随机分量，对周期随机分量提取频域特征后重构回时域，在时域使用自注意力提取关联特征并在编码器中编码为隐向量；计算时域交叉注意力得到重构的周期随机隐向量，将其融合趋势分量得到最终生成的工单量预测序列；步骤S6、更新参数，最终得到训练好的预测模型。本发明能够降低时间复杂度，提升预测精度，当实际运用场景中出现突发事件情况下仍然能够准确预测。
📄 2024111139581
📂 G06N3_0455
👤 华侨大学
📅 2024-08-14
本发明涉及一种含有聚类拓扑耦合的神经网络脉冲同步方法及系统,包括：建立具有随机扰动的孤立神经网络模型以及有多个聚类的导数耦合神经网络模型；根据所述孤立神经网络模型以及导数耦合神经网络模型建立误差网络模型，并根据所述误差神经网络模型拓扑结构和脉冲信号设计脉冲牵制控制器；根据所述误差网络模型选择相应的函数，并结合所述脉冲牵制控制器实现导数耦合神经网络模型和孤立神经网络模型之间的聚类同步；搭建神经网络模型并利用所述神经网络模型进行数值仿真，验证所述导数耦合神经网络模型和孤立神经网络模型之间的聚类同步效果。本发明成本低，且有利于精确控制同步速率。
📄 2020103448602
📂 G06N3_045
👤 江南大学
📅 2020-04-27
本发明涉及数据处理技术领域，具体为一种基于深度压缩感知的物联网数据压缩与重建方法及系统，将若干个传感器的采集数据作为原始数据，进行压缩感知得到压缩数据；对压缩数据进行解码重建；将压缩数据映射至原始空间得到初始化数据，并输入至残差解码器得到解码数据；将残差解码器的解码数据映射到高维嵌入空间，进行数据重建，得到输出数据；将输出数据通过全连接层映射到原始空间，得到重建数据，所述重建数据即为原始数据。采用残差感知块自适应地生成可学习的测量矩阵，减少物联网中的数据传输量，提高数据重建精度。将残差解码器和数据重建解码器相结合，通过提取压缩数据中的关键特征完成对物联网数据的重建。
📄 2025104052906
📂 G06N3_0455
👤 烟台大学
📅 2025-04-02
柿子坊 · 知识产权运营
柿子坊知识产权运营平台