本发明公开了一种基于卷积自编码器高斯混合模型的健康数据检测方法,属于医疗保健技术领域。所述方法采用了自适应、非线性、多层编码的方式将多维数据转为低维特征表示,有效避免了由于“维度灾难”导致的计算开销大而降低检测准确性的问题;该方法性针对人体活动数据的多阶段的特性,加入了卷积与反卷积神经网络层,有效识别并提取数据特征,进一步地提高了检测的精度;本发明将降维过程和密度估计过程有机地结合在一起,避免了两模型独立导致陷入局部最优的窘境;同时考虑到矩阵的奇点问题,协方差矩阵的逆可能会无法求解的问题,利用混合概率、均值和协方差来构造协方差矩阵的cholesky分解,以计算样本密度避免了无法求解的问题。
📄 202011226516X
📂 G16H50_30
👤 江南大学
📅 2020-11-04
本发明提供一种基于掩码自动编码器与噪声增强的模型预训练方法,涉及自然语言处理技术领域,该方法包括构建非对称编码‑解码模型,通过差异化的掩码比例和解码机制提升训练信号多样性。接着,引入噪声注入机制,通过向嵌入添加噪声增强模型对抗扰动的鲁棒性,并提出两项改进:一是动态调整噪声幅度,在训练初期使用较大噪声增强鲁棒性,后期减小噪声提升精度;二是在训练后期利用KL散度引导噪声生成,衡量原始嵌入与加噪嵌入的分布差异,使噪声针对模型弱点更智能化。在多个数据集上进行预训练与评估,显著提升零样本和监督学习场景下的密集检索性能。最终,该方法无需额外微调模型,即可提高检索任务中句子表示的准确性和稳定性。
📄 2025104231022
📂 G06N3_094
👤 江南大学
📅 2025-04-07
本发明公开了基于时间卷积自编码器的工业过程故障检测方法及装置,属于工业过程检测领域,包括对训练数据和测试数据预处理,获得训练时序数据和测试时序数据;将训练时序数据输入工业过程故障检测模型训练获得目标模型,工业过程故障检测模型至少包括两层TCN和CAE;将训练时序数据输入目标模型计算控制限;将测试时序数据输入目标模型计算SPE统计量;根据控制限和SPE统计量判断待测工况数据是否异常。本发明通过在CAE的基础上引入TCN,设计新型的时间卷积自编码器,并创建了工业过程故障检测模型,经过至少两个堆叠的时间卷积网络能够逐渐扩大卷积感受野来改变时序特征提取的时间尺度,更准确地实现时序建模。
📄 2024117802431
📂 G05B23_02
👤 江南大学
📅 2024-12-05
本发明公开了一种基于类别约束的变分自编码器的书法评价方法及系统,涉及书法艺术自动化评价技术领域,包括通过图像和文本的特征提取与压缩,生成汉字图像和相应评价文本的潜在变量表示;利用类别偏移量和双向长短期记忆网络解码器构建图像与文本的一致性约束和语义关联性,通过调整隐变量的均值来反映汉字书写质量的不同级别;利用后验分布和先验分布之间的KL散度来约束隐变量生成评价。本发明在经典的变分自编码器模型架构之上,引入了分类约束机制,显著提升了模型在汉字书写评价中的准确性和可靠性,确保了评价结果的专业性和权威性。
📄 2024109480559
📂 G06V10_98
👤 江南大学
📅 2024-07-16
一种基于弱监督自编码器的图像分类方法,具体为:将无标签图像以及k个有标签参考图像输入到自编码器模型的输入层中;计算原始自编码器模型的重构输出值与原始输入值之间的均方误差作为均方误差项;计算输入层和隐含层之间的权重平方和作为权重衰减项;计算整个自编码器模型的能量函数作为能量正则化项;计算判别视觉上的软多标签一致性相似度量作为软多标签学习项;在规定迭代次数内利用梯度下降法最小化自编码器模型的损失函数,得到自编码器模型的最优参数权重和偏置,对自编码器模型进行预训练;将测试数据输入已调整到最优的自编码模型中,然后将隐含层中提取的特征输入到分类器中进行分类,得到分类结果。
📄 2023112142604
📂 G06V10_764
👤 江南大学
📅 2023-09-20
本发明公开了一种基于变分自编码器的玻璃瑕疵检测方法,属于玻璃瑕疵检测技术领域。所述方法通过VAE编码器对玻璃无瑕疵样本进行建模,可以对随机样本进行重构,得到与无瑕疵样本接近的重构图像。检测时,将有瑕疵的玻璃图像输入训练好的VAE编码解码网络生成与无瑕疵样本接近的重构图,再通过比对重构图与原图像间的差异区域确定差异的像素点,即瑕疵区域。对于得到的瑕疵区域会有噪声的干扰,本发明通过投影法与MAD方法结合的方式减少噪声干扰,对于VAE模型生成过程中存在的噪声,通过投影法和MAD方法结合将非目标区域去除,提升分割准确率。
📄 2021107161095
📂 G06T7_00
👤 江南大学
📅 2021-06-25
本发明涉及人工智能与工业过程建模技术领域,尤其是指一种基于Gamma变分自编码器的时间序列数据生成方法及装置,包括:在变分自编码器中利用Gamma分布对潜在变量进行建模,并在训练该变分自编码器时,首先根据约束条件对训练集中原始时间序列数据的每个变量值进行归一化作为训练输入,再引入可微重参数化采样机制对编码器输出参数构建的Gamma分布进行采样,以解决传统采样方法在小形状参数条件下存在的训练不稳定问题,使得完成训练的变分自编码器能够显著提高生成时间序列数据的约束满足率和物理一致性。本发明能够稳定生成具有良好工程可用性的高质量时间序列数据。
📄 2025110633009
📂 G06F18_214
👤 江南大学
📅 2025-07-31
本实用新型涉及车床技术领域,且公开了一种数控纵切车床编码器外置结构,包括主机,所述主机上设置有轴承,所述主机上安装有安装环,所述主机上安装有连接口,所述主机上设置有连接固定组件,所述连接固定组件包括连接机构设置在主机上,所述连接机构上设置有限位机构,所述连接机构包括防护盖设置在主机上,所述防护盖上安装有固定杆,通过安装环上插接有固定杆,并且固定杆上设置有防护盖,并且防护盖上插接有固定杆,并且固定杆上插接有插杆进行固定,从而方便对防护盖进行连接从而对防护盖内的编码器本体进行连接,在防护盖的内壁连接有固定弹簧,并且在固定弹簧的延伸端连接有固定块,因此在固定弹簧的作用下从而对编码器本体进行固定。
📄 2024204446148
📂 B23B25_00
👤 成都精屹铭数控机床有限公司
📅 2024-03-07
本发明提供了一种文档网络主题建模方法、变分邻域编码器、终端及介质,该方法包括:获取文档网络集,并分别确定所述文档网络集中各文档的文档输入表示;将各文档的文档输入表示输入预训练后的变分邻域编码器进行编码处理,得到各文档的隐藏层表示,并根据所述隐藏层表示确定中心文档的表示;根据所述中心文档的表示确定文档‑主题分布,并根据所述文档‑主题分布确定主题‑词分布。本发明基于各文档的隐藏层表示能有效地确定到中心文档的表示,基于中心文档的表示能有效地确定到文档‑主题分布,基于文档‑主题分布能有效地确定到主题‑词分布,以达到对文档网络的主题建模效果。
📄 2023101357509
📂 G06N3_047
👤 江西财经大学
📅 2023-02-20
本发明公开了一种基于深度去噪稀疏自编码器及ISSVM的电子元件分类方法,包括:对电子元件图像预处理。构建深度去噪稀疏自编码器DDSA并完成特征提取:利用自编码器对原始特征进行降维,将稀疏自编码器堆叠在一起,采用贪婪训练分层策略,形成深度堆叠稀疏自编码器的鲁棒模型。构建去噪编码器,输入部分损坏的噪声数据样本,通过训练重建原始输入,完成去噪特征提取。提出增量学习支持向量机分类算法,将KT条件应用于原始训练数据集,并添加额外数据点,利用增量学习实现非线性SVM训练。形成结合稀疏自编码器DDSA和ISSVM的混合分类模型,并将其应用于电子元件的分类及测试中。本发明可以显著减少计算时间,提高分类精度,在电子元件的分类中表现良好。
📄 2022112475114
📂 G06V10_764
👤 淮阴工学院
📅 2022-10-12
本发明公开了一种基于非负性约束稀疏自编码器的电子电路缺陷检测方法,包括:对电子电路图像采集、剪裁,图像数据增强及特征提取,确定缺陷数据集及缺陷类型。基于组的图模型及核规范的图像去噪方法对电子电路图像的去噪,通过优化学习策略来获得图像的拉普拉斯图矩阵,利用其封装图结构。提出非负性约束稀疏自编码器的深度学习模型,并将其用于缺陷区域的提取中。利用训练成功的自编码器模型预测出电路图像,并将该预测图像减去原始缺陷输入图像,生成缺陷检测图,设置适当阈值获得分类正确的缺陷类型。与现有技术相比,本发明可以有效地检测缺陷颜色变化较大的电子电路真缺陷以及颜色变化较小的伪缺陷,提高电子电路缺陷识别的可靠性和精度。
📄 202211408638X
📂 G06T7_00
👤 淮安大学
📅 2022-11-10
本发明涉及一种高精度多对极磁电编码器,属于高端装备制造领域,为高精度伺服位置检测领域,具体为机床伺服位置传感器制造,技术方案:包括转轴、安装座、屏蔽壳、壳体、铜柱、单对极信号处理板、单对极磁钢环、n对极信号处理板、n对极磁钢环、轴承、航插、导电橡胶垫和装配螺钉,通过重新设计多对极磁电编码器结构,提高了多对极磁电编码器的环境适应性及更换安装性,消除了更换过程中由于磁钢及霍尔位置变化带来的误差,降低了由于磁钢环套引起的干扰,提高了抗电磁干扰能力,从而提高了磁电编码器的检测精度,提高了产品的性能与竞争性。
📄 2022105479248
📂 G01D5_14
👤 唐山工业职业技术大学
📅 2022-05-20