-
公开(公告)号：CN113240199A
公开(公告)日：2021-08-10
申请号：CN202110630985.6
申请日：2021-06-07
Abstract: 本发明涉及一种基于DILATE_TLSTM的港口船舶轨迹预测方法，具体包括S1、采集港口AIS数据并对所采集的数据预进行处理，获取轨迹预测数据集；S2、构建基于DILATE_TLSTM的港口船舶轨迹预测模型；S3、采用滑窗法对输入模型的序列进行处理，对模型进行训练，得到预测结果；S4、以平均绝对误差、均方误差、拟合优度、形状失真DTW和时间失真指数TDI对所述预测结果进行衡量评估，得到港口船舶轨迹预测模型的预测效果。本发明构建的基于DILATE_TLSTM的港口船舶轨迹预测模型能够实现直接多步预测，并基于形状和时间失真损失函数对TLSTM模型进行改进，提升了轨迹序列预测模型的拟合能力。
-
公开(公告)号：CN113240198A
公开(公告)日：2021-08-10
申请号：CN202110630771.9
申请日：2021-06-07
Abstract: 本发明涉及一种基于TCN模型的港口船舶轨迹预测方法，包括：S1、获取港口AIS数据，并对其进行预处理，获得轨迹预测数据集；S2、基于扩张因果卷积和残差连接，构建时序卷积块，通过所述时序卷积块堆叠，以及一维卷积层构建TCN模型，将所述TCN模型预测的单步输出作为下一时刻的输入,不断迭代实现多步轨迹预测，构建基于TCN的港口船舶轨迹预测模型；S3、通过平均绝对误差、均方误差、拟合优度三个指标来评价所述TCN模型的预测效果，得到预测结果。本发明构建的基于TCN的船舶轨迹预测模型，预测精度更高，在实际应用中，为港口安全生产及高效管理提供更精准的技术支撑。
-
-
Patent Agency Ranking
公开(公告)号：CN119625830A
公开(公告)日：2025-03-14
申请号：CN202411688015.1
申请日：2024-11-25
IPC: G06V40/20 , G06V10/82 , G06N3/0455 , G06N3/084 , G06F40/58
Abstract: 本发明公开了一种基于融合注意力的无注释手语翻译方法，包括以下步骤：获取手语视频和与手语视频对应的手语口语文本；基于Transformer架构构建初始手语翻译模型，并仅通过手语视频和手语口语文本对初始手语翻译模型进行训练，获得无注释手语翻译模型；在训练过程中计算伪注释内部注意力和伪注释间注意力，并融合两者，同时引入对比损失联合交叉熵损失训练模型；通过手语翻译模型对待翻译手语视频进行翻译，获得口语文本输出。本发明在无注释手语翻译方面取得了效果提升，相较之前的手语翻译方法具有更高的准确性和应用潜力。
-
公开(公告)号：CN115050214B
公开(公告)日：2023-08-29
申请号：CN202210638965.8
申请日：2022-06-07
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
IPC: G08G3/02 , G06F18/23213 , G06N3/08
Abstract: 本申请公开了一种基于AIS数据的船舶碰撞风险预测方法,通过采集待测试的AIS数据并进行数据预处理，然后通过两条船舶轨迹数据空间和时间建模获取轨迹对；基于获取的数据集进行船舶碰撞危险度计算及区域碰撞风险计算，通过Attention‑BiLSTM网络对轨迹对相对运动参数的船舶碰撞风险预测，获取输入特征以及标签值；然后通过多个模型分别预测不同时间段的碰撞风险等级，本申请通过研究船舶碰撞风险模型，可以有效的应对紧急情况并且作出反应来避免碰撞，通过提前告知船主或驾驶员两艘船舶未来某一刻碰撞的风险程度并提供路线规划的直接支持，可以有效的防止交通安全事故的发生。
-
公开(公告)号：CN114942951A
公开(公告)日：2022-08-26
申请号：CN202210640301.5
申请日：2022-06-08
IPC: G06F16/2458 , G06F16/215 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于AIS数据的渔船捕鱼行为分析方法，包括：对原始数据进行异常处理得到轨迹数据序列；基于轨迹数据序列构建数据集；基于数据集识别渔船捕捞状态和渔船作业类型。本发明提供了一种渔船捕捞状态和渔船作业类型识别方法，从使用深度学习算法挖掘数据集中有用的信息出发，构建了一条包含数据处理、渔船捕捞状态识别和渔船作业类型识别的一整套实验过程和标准，为渔业的可持续发展提供了数据信息保障。
-
公开(公告)号：CN111581991B
公开(公告)日：2022-05-27
申请号：CN202010409944.X
申请日：2020-05-14
Applicant: 兰州大学
IPC: G06F40/58 , G06F40/289 , G06F40/126 , G06F40/157
Abstract: 本发明涉及一种基于端到端神经机器翻译的汉盲翻译方法及系统，所述方法至少包括：基于端到端深度学习构建能够学习汉语文本到盲文ASCII码直接转换的映射函数的端到端神经机器翻译模型；基于现存未经处理的汉语到盲文ASCII码转换的对照语料库训练所述端到端神经机器翻译模型。本发明基于端到端深度学习思想，直接绕过分词、标调、合成等多个翻译处理阶段，通过训练较大的端到端神经机器翻译模型进行翻译，能够一步直接得到汉语文本的盲文翻译结果，随着训练数据的不断增加，相比多阶段处理的翻译方式能够在短时间、低成本、系统复杂度降低的情况下显著提高盲文翻译的准确率。
-
公开(公告)号：CN110390859B
公开(公告)日：2021-05-14
申请号：CN201810356739.4
申请日：2018-04-19
Applicant: 兰州大学
Abstract: 本发明提出一种基于MusicXML乐谱到盲文的转换方法及系统，包括一种基于MusicXML乐谱到盲文的转换方法(简称“方法”)以及一种基于MusicXML乐谱到盲文的转换系统(简称“系统”)。所述的方法主要包括一种对音乐乐谱通用格式MusicXML文件的内容进行预处理、乐谱到盲文转换、盲文乐谱精简化处理的方法；所述的系统主要包括：用户界面层、转换逻辑层；用户界面层包括：MusicXML乐谱录入模块、乐谱格式设置模块以及结果预览模块；转换逻辑层包括：预处理模块、转换模块、精简化处理模块；系统借助于方法帮助用户转换MusicXML乐谱到盲文乐谱。转换正确率在96％以上。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.019 seconds)
