-
公开(公告)号：CN112597392B
公开(公告)日：2022-09-30
申请号：CN202011564661.9
申请日：2020-12-25
Applicant: 厦门大学
IPC: G06F16/9535 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种动态注意力和分层强化学习的推荐系统，包括用户画像矫正器：通过删除噪声数据来修改用户画像；(2)动态注意力机制：自动调整用户偏好的变化；(3)推荐模型：向相关用户推荐目标物品。所述推荐系统具有以下特点：动态注意力机制通过一个多层感知器自动调整每个交互过程中相应物品的attention权重，并将基于分层强化学习的用户画像矫正器合并到一个统一的框架中；其次，为了增强推荐系统的自适应性，以提高推荐的准确性，推荐系统针对不同时段物品交互的信息，在attention权重上增加了一个自适应系数，以便在每个推荐阶段自动更新相应物品的attention权重；最后，与HRL模型相比，本推荐系统可以提高策略评估的收敛速度，每个推荐阶段的开销时间更少。
-
公开(公告)号：CN112597391A
公开(公告)日：2021-04-02
申请号：CN202011564657.2
申请日：2020-12-25
Applicant: 厦门大学
IPC: G06F16/9535 , G06Q30/06 , G06N20/00
Abstract: 本发明公开了一种基于动态递归机制的分层强化学习的推荐系统，包括用户画像矫正器：采用一种动态递归机制的策略梯度方法，及引入参数动态稀疏权重以删除噪声数据来修改用户画像，其中，所述动态递归机制的策略梯度方法包括：动态基线和基于时序上下文的递归强化学习，所述动态基线为采用动态稀疏权重对总收益进行学习策略的改进；注意力机制：用于自动调整用户偏好的变化；推荐模型：用于通过注意力机制向用户推荐最相关物品。本发明的推荐系统，通过在策略梯度方法中引入一个参数动态稀疏权重，使智能体在全局最优策略下选择最优行为；其次，结合时间上下文的分层强化学习，该方法能够更可靠地收敛，从而提高模型预测的稳定性。
-
公开(公告)号：CN109859295A
公开(公告)日：2019-06-07
申请号：CN201910102804.5
申请日：2019-02-01
Applicant: 厦门大学
Abstract: 本发明涉及一种特定动漫人脸生成方法、终端设备及存储介质，在该方法中结合现有的基于卷积神经网络的神经风格迁移技术，实现真实人脸到动漫人脸的颜色像素风格迁移，初步动漫风格化；结合现有的基于生成对抗网络的风格迁移技术，实现初步动漫风格化的真实人脸到特定动漫人脸的域风格迁移，得到特定动漫人物的动漫化真人人脸图像。本发明既能够提取颜色特征、又能够保持面部结构特征，减少面部变形；并且可以针对特定动漫人物，生成需要的图像。
-
公开(公告)号：CN106131862A
公开(公告)日：2016-11-16
申请号：CN201610511177.7
申请日：2016-07-01
Applicant: 厦门大学
Abstract: 本发明提出一种无线传感器网络中基于多目标进化算法的优化覆盖方法，首先创建无线传感器网络的数学模型及目标函数，随机生成一种群，采用基于非支配排序和维度双向搜索的多目标进化算法主要流程如下：维持一个大小为N的种群，并通过不断迭代，引导算法逼近Pareto最优前沿。在每一次迭代过程中，首先给定一个种群Pt；引入基于改进差分运算的双向定向局部搜索策略用于产生一个更好的种群Pt′；然后，采用快速非支配排序算法对合并种群Pt∪Pt′进行排序并生成偏序边界，引入新分布度维持策略与快速非支配排序算法结合，以选择一个新的种群进入下一次进化，最终获得使得无线传感器网络所有节点的总工作功率小，同时又能保证覆盖率的最大化的种群方案。
-
公开(公告)号：CN104978612A
公开(公告)日：2015-10-14
申请号：CN201510414923.6
申请日：2015-07-15
Abstract: 本发明公开一种基于AHP-RBF的分布式大数据系统风险预测方法，包括如下步骤：步骤1：采用AHP方法构建云计算虚拟机的单点风险描述模型；步骤2：用RBF神经网络实现AHP的风险指标的预测；RBF神经网络包含3层：第一层是输入层，由信号源节点组成；第二层为隐含层，该层所含的神经元数目是由具体问题而定的；第三层为输出层，主要是对输入模式做出响应；步骤3：采用MRPGA算法对RBF神经网络的隐含层优化，实现RBF神经网络对云计算虚拟机的单点风险预测；首先采用混合递阶遗传算法训练RBF神经网络，其将递阶遗传算法与递推最小二乘法相结合，利用递阶遗传算法确定RBF神经网络的结构、隐含层节点的中心和宽度，同时用递推最小二乘法对隐含层和输出层之间的连接权值进行构造。
-
Patent Agency Ranking
公开(公告)号：CN104636449A
公开(公告)日：2015-05-20
申请号：CN201510038331.9
申请日：2015-01-27
IPC: G06F17/30
CPC classification number: H04L41/145 , G06F17/30705 , H04L41/069
Abstract: 本发明公开一种基于LSA-GCC的分布式大数据系统风险识别方法，其包括如下过程：步骤1：建立LSA-GCC模型，该LSA-GCC模型用于将数据集映射到一个语义空间下，并采用聚类算法对其进行分类后，从聚类结果中抽取特定分类的原型向量，并对各个分类赋予一定权值，建立初始的原型向量模型；步骤2：通过LSA-SAM安全识别模型对风险进行前馈识别，LSA-SAM安全识别模型以LSA-GCC模型为基础进行信息系统风险评测，将待评估数据映射到同一语义空间后，与各个分类的原型向量作计算得到属于该分类的相似度，作相似度与对应分类的权值的累加和，最后求均值得到该待评估数据的风险值，即求得该数据到来时刻的风险值。
-
公开(公告)号：CN1800983A
公开(公告)日：2006-07-12
申请号：CN200510048367.1
申请日：2005-12-31
Applicant: 厦门大学
IPC: G03F7/20 , H01L21/027
Abstract: 集成电路反剥离光刻方法，涉及一种集成电路光刻方法，尤其是涉及一种采用改进的反剥离工艺的集成电路光刻方法。提供一种改进的集成电路反剥离光刻方法。其步骤为在硅片表面先后涂增粘剂层和反转光刻胶层后烘胶，烘胶后在硅片表面再次涂反转光刻胶层，前烘后掩膜曝光，用掩膜板遮挡；反转烘后泛曝光，再显影，淀积金层，金厚度为2μm；将溅射好金的硅片用丙酮浸泡至少4h；将浸泡过丙酮的硅片放入超声仪中进行超声剥离。解决了业内一直没有解决的在金膜较厚情况下反剥离工艺技术问题，通过工艺流程与工艺条件的改进，尤其是在涂胶工艺中，采用先涂一层胶，然后烘干后再涂第二层的工艺，显著地加厚了光刻胶的厚度，使反剥离工艺得到改进。
-
公开(公告)号：CN119668217A
公开(公告)日：2025-03-21
申请号：CN202411806451.4
申请日：2024-12-10
Applicant: 国网福建省电力有限公司 , 北京科东电力控制系统有限责任公司 , 厦门大学平潭研究院
Inventor： 陈斌 , 李泽科 , 刘必晶 , 郭久煜 , 陈建洪 , 吴炜 , 丁凌龙 , 林凡 , 温兴玺 , 范海威 , 钟秋添 , 郑立玮 , 黄海腾 , 杨勇 , 王高瞻 , 游镇煌 , 王春安
IPC: G05B19/418 , G06Q10/0631 , G06Q10/10 , G06Q50/04 , G06N3/006 , G06N3/126
Abstract: 本发明提供一种融合RPA与AI的智能流水线作业方法及系统，涉及数据处理技术领域，方法包括：构建基于人工智能AI的智能流水线作业模型；获取待处理任务；确定各个待处理任务的困难度；确定各条生产线的生产能力值；确定各条生产线对各个待处理任务进行生产时的生产效率；定各条生产线对各个待处理任务进行生产时的预计完成时间；根据各个任务的预计完成时间，确定任务完成的及时度；根据各条生产线的工作负载，确定流水线的波动性指数；通过基于人工智能AI的智能流水线作业模型，以提升任务完成的及时度以及降低流水线的波动性指数为目标，确定流水线作业方案；通过机器人流程自动化RPA技术，执行流水线作业方案。
-
公开(公告)号：CN118350568A
公开(公告)日：2024-07-16
申请号：CN202410309198.5
申请日：2024-03-19
Applicant: 国网福建省电力有限公司 , 北京科东电力控制系统有限责任公司 , 厦门大学平潭研究院
IPC: G06Q10/0631 , G06Q10/0637 , G06Q50/06 , G06N3/006 , G06N20/00 , G06F18/25
Abstract: 本发明提供一种基于机器学习的电网运行决策分析方法、系统及设备，涉及数据处理技术领域，方法包括：获取历史电网运行数据；构建趋势增量模块；构建具有多层门控循环单元的改进自回归模型，并将趋势增量模块和改进自回归模型并联，得到融合预测模型；对融合预测模型进行训练，并以最小化损失函数为目标进行超参数寻优；获取实时电网运行数据；将实时电网运行数据输入至训练后的融合预测模型，输出电力预测序列；确定与融合电力特征序列的预测时长呈正相关的误差传播系数，并结合误差传播系数和瞬时电力需求量计算在预设时长内的电力调度总量；根据瞬时电力需求量和电力调度总量进行电力调度。降低预测过程中的误差传播影响，提升预测准确性。
-
公开(公告)号：CN117808637A
公开(公告)日：2024-04-02
申请号：CN202311659727.6
申请日：2023-12-05
IPC: G06Q50/20 , G06N3/04 , G06N3/092 , G06F16/9535
Abstract: 本发明涉及一种基于GPT和多智能体强化学习的智能导学方法，包括：S1：接收用户信息；S2：根据用户信息，基于多智能体系统对用户进行智能体匹配，智能体匹配过程采用GPT模型，得到符合用户学习需求的智能体；S3：将匹配到的智能体用于用户与多智能体系统的交互学习；S4：对各用户的学习结果进行评估；S5：根据学习评估结果，对智能体的策略网络进行优化调整。本发明实现智能导学中不同智能体之间的协同合作，提高用户的学习效率和交互体验。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.023 seconds)
