-
公开(公告)号：CN111753503B
公开(公告)日：2023-11-21
申请号：CN202010571287.9
申请日：2020-06-19
Applicant: 兰州大学
IPC: G06F40/151 , G06F40/126 , G06F40/166
-
公开(公告)号：CN116681090A
公开(公告)日：2023-09-01
申请号：CN202310659771.0
申请日：2023-06-06
Applicant: 兰州速微网络科技有限公司 , 兰州大学
IPC: G06F40/49 , G06F40/157 , G06F16/35
Abstract: 本发明公开了BestTransformer汉盲转换方法及系统，包括以下步骤：S1、采集训练数据，并对训练数据进行预处理，并对预处理后的训练数据进行分类，得到训练数据集和测试数据集；训练数据包括：中文文本数据以及盲文文本数据；S2、构建转换模型，基于训练数据集对转换模型进行训练，并基于测试数据集对训练后的所述转换模型进行测试，得到BestTransformer模型；S3、基于BestTransformer模型对待转换句子进行汉盲转换。本发明提出的方法只需要建立句子级汉盲对照语料库，建设难度低，无需进行分词模型和拼音模型的构建和训练，打破了多模型的思路壁垒。
-
公开(公告)号：CN113269121B
公开(公告)日：2023-02-10
申请号：CN202110635444.2
申请日：2021-06-08
IPC: G06V20/00 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于融合CNN模型的渔船捕捞状态识别方法，首先对实验数据进行分析及预处理，包括异常值处理、航迹分段、特征衍生；然后基于Inception‑ResNet神经网络架构搭建融合CNN模型来识别渔船捕捞状态，其中输入级采用原始特征与衍生特征的组合作为输入，卷积级采用特征融合的方式输出特征，输出级进行最后的分类输出；最后为探究方法的有效性，比较了普通CNN模型、传统SVM模型及融合CNN模型在识别渔船捕捞状态上的效果。本发明在识别渔船捕捞状态时，准确度高，识别效果好，识别类型广。
-
公开(公告)号：CN114880538A
公开(公告)日：2022-08-09
申请号：CN202210639903.9
申请日：2022-06-08
Applicant: 读者出版集团有限公司 , 兰州大学
IPC: G06F16/906 , G06F17/16 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于自监督的属性图社团检测方法，包括：提取图注意力网络中的初始邻接矩阵、初始特征矩阵，分别对初始邻接矩阵和初始特征矩阵进行预处理，得到转换后的邻接矩阵以及过滤后的特征矩阵；基于转换后的邻接矩阵和过滤后的特征矩阵通过自编码单元进行重构，得到重构后的邻接矩阵与重构后的特征矩阵；将重构后的特征矩阵输入到聚类单元中进行计算，得到聚类结果；分别将自编码单元和聚类单元中的损失函数进行合并，得到最终的整体损失函数，对最终的整体损失函数进行聚类计算，得到最终聚类结果，基于最终聚类结果得到划分结果。本发明比图卷积网络具有可以添加权重的优势，在节点连接密集的网络中具有更好的作用。
-
公开(公告)号：CN113505699A
公开(公告)日：2021-10-15
申请号：CN202110781771.9
申请日：2021-07-09
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
Abstract: 本发明属于船舶检测技术领域，具体公开一种基于RetinaNet算法的船舶检测方法，包括如下步骤：S1：基于RetinaNet算法建立船舶目标检测模型；S2：获取船舶目标待检测图像；S3：将船舶目标待检测图像输入船舶目标检测模型，得到船舶目标检测结果图像。本发明解决了现有技术存在的提取船舶目标困难、检测模型泛化能力不强以及检测的精度有限的问题。
-
Patent Agency Ranking
公开(公告)号：CN113486819A
公开(公告)日：2021-10-08
申请号：CN202110779963.6
申请日：2021-07-09
Abstract: 本发明属于船舶检测技术领域，具体公开一种基于YOLOv4算法的船舶目标检测方法，包括如下步骤：S1：基于YOLOv4算法建立船舶目标检测模型；S2：获取船舶目标待检测图像；S3：将船舶目标待检测图像输入船舶目标检测模型，得到船舶目标检测结果图像。本发明解决了现有技术存在的提取船舶目标困难、检测模型泛化能力不强以及检测的精度有限的问题。
-
公开(公告)号：CN111581991A
公开(公告)日：2020-08-25
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：CN120069008A
公开(公告)日：2025-05-30
申请号：CN202510534836.8
申请日：2025-04-27
Applicant: 兰州大学
IPC: G06N3/098 , G06F18/10 , G06F18/214
Abstract: 本发明公开了一种基于多头注意力机制的纵向图联邦学习方法，属于纵向图联邦学习技术领域，包括：获取交通监测点的原始节点特征并进行预处理后，将多方用户与服务器的节点进行对齐；基于对齐得到的有序相交节点集合，提取每个用户和服务器中对应的节点特征，获得对齐后的节点特征数据框；生成本地节点嵌入并进行差分隐私扰动，获得扰动后的本地节点嵌入；通过多头注意力机制对扰动后的本地节点嵌入进行加权聚合，更新服务器的全局节点嵌入；服务器通过全局节点嵌入训练分类模型，完成交通监测点的节点分类。本发明能够捕捉本地节点嵌入和全局节点嵌入之间的复杂关系，聚合出特征表达能力强的全局节点嵌入，提升下游任务的预测性能。
-
公开(公告)号：CN119851086A
公开(公告)日：2025-04-18
申请号：CN202411946659.6
申请日：2024-12-27
Applicant: 兰州大学
IPC: G06V10/82 , G01S13/95 , G01S7/41 , G06V10/764 , G06V10/40 , G06T5/20 , G06V10/26 , G06V10/80 , G06T7/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习与物理统计融合的云雷达地物回波识别方法，属于气象雷达探测领域，该方法包括以下步骤：获取毫米波云雷达PPI扫描方式下的观测变量；基于所述观测变量确定地物真值；基于所述地物真值构建地物真值样本，采用二维卷积神经网络对所述地物真值样本进行气象和地物回波的准确判别得到最终的识别结果。本发明为强对流天气预警、极端天气成因研究以及灾害性天气应急预案的制定提供更可靠的数据支持。
-
公开(公告)号：CN118799026B
公开(公告)日：2025-03-07
申请号：CN202410785952.2
申请日：2024-06-18
Applicant: 甘肃亿恩科技有限公司 , 兰州大学
IPC: G06Q30/0601 , G06F18/2411 , G06F18/214 , G06N3/045 , G06N3/0499 , G06F18/25
Abstract: 本发明公开了一种基于深度学习DCP的推荐方法，属于商品推荐技术领域，所述方法包括以下步骤：获取在线平台用户交互行为数据集，对所述在线平台用户交互行为数据集进行预处理，获得预处理数据集；构建初始推荐模型，基于所述预处理数据集对初始推荐模型进行训练，获得推荐模型；将用户数据输入到推荐模型中得到推荐商品信息，将所述推荐商品信息推送给用户。本发明通过构建的推荐模型能够很好地识别和处理输入特征之间的非线性关系，提升了推荐的相关性，使推荐更加准确。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.078 seconds)
