-
公开(公告)号：CN119149749B
公开(公告)日：2025-04-04
申请号：CN202411659664.9
申请日：2024-11-20
Applicant: 南昌工程学院
IPC: G06F16/353 , G06F18/243 , G06F18/25 , G06F40/216 , G06F40/284 , G06N3/0455 , G06N3/0464 , G06N3/048
Abstract: 本公开涉及基于词频概率融合的文本大数据分级分类方法及其系统，包括：获取原始文本数据，对原始文本数据进行数据清洗和数据增强操作得到输入数据；根据所述输入数据构建基于概率分布的主题模型，通过基于概率分布的主题模型得到输入数据的主题‑词汇关系，将主题‑词汇关系与词嵌入模型进行特征融合，得到新的词嵌入模型；根据新的词嵌入模型，利用改进Transformer网络模型和卷积神经网络构建深度学习网络模型；对深度学习网络模型进行训练与参数优化，得到训练好的深度学习网络模型；将待分类数据输入训练好的深度学习网络模型中，得到分级分类结果。本公开方法可实现数据精准稳定的分类。
-
Patent Agency Ranking
公开(公告)号：CN116533992B
公开(公告)日：2023-09-22
申请号：CN202310819139.8
申请日：2023-07-05
Applicant: 南昌工程学院
Abstract: 本公开涉及一种基于深度强化学习算法的自动泊车路径规划方法及其系统，所述方法包括如下步骤：基于车辆运动学模型，通过深度强化学习算法在泊车库位模型中生成泊车动作数据集，所述深度强化学习算法中的神经网络生成不同泊车动作对应的概率分布；利用深度强化学习算法构建奖励函数，引导车辆的泊车动作和姿态，得到泊车动作质量最佳的数据，保证了泊车的精准姿态和安全性；利用泊车动作质量最佳的数据更新深度强化学习算法中的网络参数，并运用更新后的深度强化学习算法进行下一次的迭代运算，直到泊车动作的策略评估优势函数收敛至最优时，完成泊车策略学习。本公开提高了算法的探索性与学习效率，使泊车更加精准高效，泊车路径更优。
-
公开(公告)号：CN116533992A
公开(公告)日：2023-08-04
申请号：CN202310819139.8
申请日：2023-07-05
Applicant: 南昌工程学院
Abstract: 本公开涉及一种基于深度强化学习算法的自动泊车路径规划方法及其系统，所述方法包括如下步骤：基于车辆运动学模型，通过深度强化学习算法在泊车库位模型中生成泊车动作数据集，所述深度强化学习算法中的神经网络生成不同泊车动作对应的概率分布；利用深度强化学习算法构建奖励函数，引导车辆的泊车动作和姿态，得到泊车动作质量最佳的数据，保证了泊车的精准姿态和安全性；利用泊车动作质量最佳的数据更新深度强化学习算法中的网络参数，并运用更新后的深度强化学习算法进行下一次的迭代运算，直到泊车动作的策略评估优势函数收敛至最优时，完成泊车策略学习。本公开提高了算法的探索性与学习效率，使泊车更加精准高效，泊车路径更优。
-
公开(公告)号：CN119337753A
公开(公告)日：2025-01-21
申请号：CN202411908347.6
申请日：2024-12-24
Applicant: 南昌工程学院
IPC: G06F30/27 , G06N3/045 , G06N3/084 , G06N3/006 , F17D5/02 , G06F119/14 , G06F113/14
Abstract: 本发明提供了一种给水管网漏损点定位方法、系统及存储介质，定位方法包括：获取某地区给水管网的拓扑结构，根据拓扑结构建给水管网的管网水力模型，并对管网水力模型的管道进行简化和校核；根据简化和校核后的管网水力模型对给水管网进行区域划分，对区域内的给水节点的水压变化进行敏感分析，根据敏感分析结果确定给水管网各区域的检测点；基于多层神经网络构建漏损点检测模型，根据给水节点的流量和水压对漏损点检测模型进行模型训练；获取给水管网不同区域对应的检测点的水压数据，将检测点的水压数据导入漏损点检测模型进行分析，确定给水管网中漏损点的位置，本申请提供的给水管网漏损点定位方法，定位准确、适用范围广。
-
公开(公告)号：CN119204364A
公开(公告)日：2024-12-27
申请号：CN202411746520.7
申请日：2024-12-02
Applicant: 南昌工程学院
Abstract: 本发明提供一种洪水预报方法、系统、计算机及存储介质，该方法包括以下步骤：构建与降雨径流存在影响的领域知识的马尔科夫逻辑网，进而挖掘降雨径流变化的驱动因素集；根据驱动因素集构建基于流域降雨径流关系变化规律的过程驱动水文模型；建立集合洪水预报模型；基于群智能算法对集合洪水预报模型进行参数优化。通过挖掘直接驱动因素及间接驱动因素，实现降雨径流变化的驱动因素的准确分析，揭示流域降雨径流关系变化规律，基于降雨径流关系变化规律指导并构建过程驱动水文模型，借助集合相关理论，将过程驱动水文模型结合其他水文模型构建精细化集合洪水预报模型；基于群智能算法优化模型参数及权重，提高洪水预报精度和延长预见期。
-
公开(公告)号：CN119149749A
公开(公告)日：2024-12-17
申请号：CN202411659664.9
申请日：2024-11-20
Applicant: 南昌工程学院
IPC: G06F16/35 , G06F18/243 , G06F18/25 , G06F40/216 , G06F40/284 , G06N3/0455 , G06N3/0464 , G06N3/048
Abstract: 本公开涉及基于词频概率融合的文本大数据分级分类方法及其系统，包括：获取原始文本数据，对原始文本数据进行数据清洗和数据增强操作得到输入数据；根据所述输入数据构建基于概率分布的主题模型，通过基于概率分布的主题模型得到输入数据的主题‑词汇关系，将主题‑词汇关系与词嵌入模型进行特征融合，得到新的词嵌入模型；根据新的词嵌入模型，利用改进Transformer网络模型和卷积神经网络构建深度学习网络模型；对深度学习网络模型进行训练与参数优化，得到训练好的深度学习网络模型；将待分类数据输入训练好的深度学习网络模型中，得到分级分类结果。本公开方法可实现数据精准稳定的分类。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
