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
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
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
本申请涉及数据处理技术领域，具体涉及一种特征提取模型训练方法、装置、及计算机设备；通过训练特征提取模型实现对于在电解铝工艺中关键特征的获取以及基于关键特征实现运行状态的表征。具体过程首先以降噪自编码的隐含层为输入层，并在该输入层后配置一个新的隐含层和输出层构成三层BP人工神经网络，然后将工艺输出层得到的损失函数加入到降噪自编码重构层的损失函数中；最后以构建的区分复合误差函数为目标准则训练模型结构，有望提取到更为稳健的特征信息。
📄 2022109784428
📂 G06N3_0455
👤 重庆师范大学
📅 2022-08-16
本发明公开了一种基于噪声遮蔽的发散式人工智能记忆模型,将噪声发生器noiser与自编码器AE的组合成降噪模块,n个降噪模块依次串联起来构成自编码器系统AEs,自编码器系统AEs的噪声发生器noiser与自编码器AE的组合,信息首输入噪声发生器noiser,经过噪声叠加之后,依次递给下一个降噪模块多阶、逐阶降噪,AE的降噪实际上就是把信息中的噪声去除,可以看做信息量的增加。是AE拥有能够实现降噪,会恢复被一定的噪声掩盖的信息;噪声将分阶段加载串联的AE上面构成AEs,噪声按照AEs的阶数,分成不同功率的子噪声,将这些噪声子逐个加载到对应的AE上,模型就完全记忆了图像的特征,实现了信息的完备记忆。
📄 201910200841X
📂 G06N3_0455
👤 杭州环形智能科技有限公司
📅 2019-03-17
本发明公开一种用于估算地表水含量的深度学习模型及应用，属于GNSS‑R微波遥感技术领域；模型包括：上下文模块、Swin Transformer编码器、解码器以及Head模块；所述上下文模块从输入数据中提取浅层特征，编码器能理解图像的全局结构和局部细节，捕获遥感任务所需的空间关系，提取图像的底层特征；解码器整合编码器提取的底层特征获得特征图；Head模块将通过上下文模块提取的浅层特征与从所述特征图逐渐整合的层级式特征融合；利用GNSS‑R数据对水体的高敏感性进行回归估计，并结合地形因素、植被信息、土壤湿度和经纬度数据，最终生成地表水含量估算结果。
📄 2024108762098
📂 G06N3_0455
👤 南京信息工程大学
📅 2024-07-02
本发明公开了基于注意力的多尺度残差U‑Net的海洋中尺度涡旋检测方法，包括以下步骤：（1）获取海平面异常数据SLA，选取海表面温度数据SST，选取基于卫星高度计的海洋涡旋识别追踪数据集；（2）对基于卫星高度计的海洋涡旋识别追踪数据集制作涡旋标签，对海平面异常数据和海表面温度数据进行归一化处理；（3）对得到的归一化结果进行拼接；遍历涡旋标签数据，根据预设的区域对涡旋标签进行数组截取，得到涡旋标签数据集；（4）构建双交叉多尺度特征融合网络模型并进行训练；（5）将测试集输入最优的模型中进行性能测试，得到测试结果，将测试结果与涡旋标签进行对比得到评价指标；本发明提升了检测精度与效率。
📄 2024108173159
📂 G06N3_0455
👤 南京信息工程大学
📅 2024-06-24
本申请涉及人工智能技术领域，特别涉及一种基于MHMA的异常检测方法和设备，用以解决现有技术中对于工业控制系统中的异常数据检测准确率低的技术问题。该方法包括：获取工业控制系统中的设备数据，将设备数据输入训练完成的、包括用于记忆增强的记忆模块的多头记忆自编码器中，得到设备数据对应的重构数据；计算设备数据与重构数据之间的重构误差，当重构误差超出预设异常阈值时，确定工业控制系统存在异常。如此，采用多头记忆自编码器对系统中的异常数据进行检测，有效提高系统异常检测的准确率。
📄 2020106478313
📂 G06N3_0455
👤 华东交通大学
📅 2020-07-07
柿子坊 · 知识产权运营
柿子坊知识产权运营平台