-
公开(公告)号：CN101986301B
公开(公告)日：2014-05-07
申请号：CN201010527585.4
申请日：2010-10-31
Applicant: 华南理工大学
IPC: G06F17/30
Abstract: 本发明提供了一种基于逆邻分析的协作过滤推荐系统及方法，所述系统包括依次连接的用户信息记录器、用户信息存储模块、逆邻分析器和推荐产生器，逆邻分析器包括项目相似度计算模块、项目相似度分析模块、最近邻产生模块和逆最近邻产生模块，项目相似度计算模块分别与用户信息存储模块、项目相似度分析模块连接，项目相似度分析模块分别与最近邻产生模块、逆最近邻产生模块连接，最近邻产生模块、逆最近邻产生模块分别与推荐产生器连接。所述方法包括步骤：记录已有评分信息；保存评分信息，建立用户-项目评分矩阵；逆邻分析；对该目标项目的预测评分；生成推荐列表；完成项目的推荐。本发明显著提高推荐系统的推荐质量。
-
公开(公告)号：CN103625622A
公开(公告)日：2014-03-12
申请号：CN201310556632.1
申请日：2013-11-11
Applicant: 华南理工大学 , 广州市番禺灵山造船厂有限公司
Abstract: 本发明公开一种立式航向稳定可操纵水下拖曳体。包括鱼雷状浮体、翼型斜撑、固定水平翼、固定垂直翼、固定水平尾翼、固定垂直尾翼、转艏控制器以及主腔体；主腔体为呈立式长流线型外形的壳体结构；两鱼雷状浮体布置在主腔体垂直对称面上方两侧，固定水平翼为对称翼型，水平方向连接两鱼雷状浮体；固定水平翼中部与主腔体之间在垂直方向设置一固定垂直翼，翼型斜撑布置于鱼雷状浮体与主腔体之间，其一端与鱼雷状浮体连接，另一端与主腔体上部连接；固定水平尾翼和固定垂直尾翼设置在主腔体后部；本拖曳体外形简洁，航向稳定性好，自主稳定能力强，姿态控制方便，操纵效率高，可多自由度操纵，控制机构简单，实用性强。
-
公开(公告)号：CN101715958A
公开(公告)日：2010-06-02
申请号：CN200910113116.5
申请日：2009-12-29
Applicant: 永定县峰华蜂业有限公司 , 永定县华盛养蜂专业合作社 , 华南理工大学
Abstract: 本发明公开了一种蜂蜜橄榄膏的制备方法，该方法包括：原料的处理，橄榄提取物的制备和橄榄蜂蜜膏的制备；橄榄提取物的制备是以预粉碎的橄榄鲜果或干果为原料，将其与重量百分比浓度为50-95％酒精混合，在回流条件下加热至温度为60～90℃，浸提时间60min～180min；浸出液过滤，滤液浓缩除去酒精，所述的橄榄鲜果与酒精重量比为1∶5～20，所述的橄榄干果与酒精重量比为1∶10～50；提取物再按比例与蜂蜜调配，比例为蜂蜜100份，鲜果50-150份或干果20-30份的提取物。制得的蜂蜜橄榄膏口感纯正，香甜可口，橄榄味长，充分利用了橄榄与蜂蜜具有的营养保健功能，产品富含多酚、黄酮、维生素，营养丰富，有利于润肺滋阴、消痰理气、生津止渴，长期服用可以强身健体，延年益寿。
-
公开(公告)号：CN118308326A
公开(公告)日：2024-07-09
申请号：CN202410466929.7
申请日：2024-04-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种海洋磷脂酶C突变体及其应用。本发明所构建的突变体相比于野生型酶蛋白，40℃下，在保持酶蛋白活力基本不变情况下，酶蛋白半衰期可分别提高到原来的3.46及9.25倍，脱胶油残余磷含量可从551ppm降至72ppm，相比空白的最终残余磷含量175ppm和WT最终残余磷含量131ppm，效果显著，证明该酶具有更好的热稳定性，能够在不同条件下进行油脂脱胶处理，适用于更广泛的工业应用领域。
-
公开(公告)号：CN117094419A
公开(公告)日：2023-11-21
申请号：CN202311333184.9
申请日：2023-10-16
Applicant: 华南理工大学
IPC: G06N20/00 , G06F18/214
Abstract: 本发明公开了一种面向多模态内容输出的大语言模型训练方法、装置及介质，属于人工智能技术领域。其中方法包括：构建用于训练大语言模型的图片‑声音‑文本三元组数据集；构建多模态大语言模型，在所述大语言模型的输出层嵌入多个并行的LoRA插件，并初始化LoRA插件和门控选择器；基于文本描述重构图片和声音，根据重构后的数据训练多模态大语言模型；微调多模态大语言模型。本发明从输出端对大模型进行多模态对齐，通过在模型的输出层加入多个LoRA插件和门控选择器的组合实现端到端预训练和微调，使大语言模型具有原生的多模态生成能力；最终将推理结果通过多模态输出进行呈现，提高大语言模型在与人类进行交互时的效率。
-
Patent Agency Ranking
公开(公告)号：CN115861537A
公开(公告)日：2023-03-28
申请号：CN202211561139.4
申请日：2022-12-07
Applicant: 华南理工大学
IPC: G06T17/00 , G06V10/44 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于对比学习和稠密比较的三维重建方法、系统及介质，方法为：采集物体的二维查询图片及对应的三维支持形状构成原数据集；构建三维重建模型，包括对比学习模块和特征融合模块；对对比学习模块进行预训练，完成后固定对比学习模块的参数；利用梯度下降法在原数据集上迭代训练三维重建模型，得到训练好的三维重建模型；将查询物体图片输入训练后的三维重建模型，得到预测的三维形状。本发明的三维重建模型能够很好地融合从二维图片中提取的特征以及从三维形状中提取的特征，能从图像中提取出与三维信息密切相关的特征，进而实现较高精度的三维重建效果。
-
公开(公告)号：CN115269357B
公开(公告)日：2023-02-14
申请号：CN202211165473.8
申请日：2022-09-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于调用链的微服务异常检测方法。所述方法包括以下步骤：对调用链中所有微服务的响应时间及对应微服务所在容器的性能指标进行预处理；对预处理后的数据进行分类处理；使用基于密度的聚类算法对每一类数据进行降噪处理，得到异常检测模型训练所需要的数据集；使用训练好的基于图神经网络的异常检测模型对实时保存的数据样本进行异常检测，得到每一个数据样本的异常概率；设置异常概率阈值，根据数据样本的异常概率判断该数据样本是否为异常数据样本得到异常检测的结果。本发明能够同时发现服务质量异常和资源使用异常，且具有不依赖于标签数据、扩展性强、性能优的优点。
-
公开(公告)号：CN115269357A
公开(公告)日：2022-11-01
申请号：CN202211165473.8
申请日：2022-09-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于调用链的微服务异常检测方法。所述方法包括以下步骤：对调用链中所有微服务的响应时间及对应微服务所在容器的性能指标进行预处理；对预处理后的数据进行分类处理；使用基于密度的聚类算法对每一类数据进行降噪处理，得到异常检测模型训练所需要的数据集；使用训练好的基于图神经网络的异常检测模型对实时保存的数据样本进行异常检测，得到每一个数据样本的异常概率；设置异常概率阈值，根据数据样本的异常概率判断该数据样本是否为异常数据样本得到异常检测的结果。本发明能够同时发现服务质量异常和资源使用异常，且具有不依赖于标签数据、扩展性强、性能优的优点。
-
公开(公告)号：CN115080716A
公开(公告)日：2022-09-20
申请号：CN202210605218.4
申请日：2022-05-31
Applicant: 华南理工大学
IPC: G06F16/332 , G06F16/33 , G06F16/36
Abstract: 本发明公开了基于图卷积和机器阅读理解的事件论元提取方法、系统及介质，方法为：构造多关系事件图；获取多关系事件图中所有节点的初始化特征矩阵；使用关系型图卷积RGCN并结合注意力机制自动学习，获得事件结构感知的节点特征信息；根据输入语句嵌入事件触发词的位置获取上下文特征表示，使用事件结构感知的节点特征信息构造问题；根据上下文特征表示与问题特征表示计算相似度矩阵及注意力，使用流注意机制生成问题感知的上下文特征表示；采用自注意机制及论元匹配算法完成事件论元的提取。本方法考虑了不同事件类型和论元角色之间的关系，通过构建多关系图来联合建立多类型事件类型和论元角色之间的复杂关系，使得有效提高提取事件论元的性能。
-
公开(公告)号：CN114065944A
公开(公告)日：2022-02-18
申请号：CN202111185506.0
申请日：2021-10-12
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于自动机器学习的推荐与校准方法，包括下述步骤：获取已有机器学习经验，得到经验数据集，从经验数据集中采样训练对，得到用于训练性能度量器的训练集；在训练集上通过孪生网络的方式训练性能度量器，训练时，每一训练对得到两个对应不同经验的性能度量值，所述性能度量值的大小用于表征最终结果的优劣；构造并提取候选方案的元特征，通过训练好的性能度量器得到一组性能度量值集，通过性能度量值的大小关系来进行推荐和校准。本发明通过构造训练对，使用元特征对各个因素进行分析，训练性能度量器，实现对机器学习改进方向的推荐与自动校准。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.044 seconds)
