-
公开(公告)号：CN115964475A
公开(公告)日：2023-04-14
申请号：CN202211678692.6
申请日：2022-12-26
Applicant: 哈尔滨理工大学
IPC: G06F16/34 , G06N3/0442 , G06N3/045
Abstract: 一种用于医疗问诊的对话摘要生成方法，涉及自然语言处理技术领域，针对现有技术中由于句子中包含了无效信息，导致了生成的医患对话摘要事实出入大，准确率低的问题，本申请设置了抽取式摘要部分和生成式摘要，首先从文本之中选取出重要的含有有效信息的多个句子，再将其输入到生成式摘要的模型，通过生成式摘要模型，将抽取式摘要部分抽取的句子融合成更简短的包含了更多信息的句子。这样既保留了原文中包含了事实的有效信息，又生成了流畅简短的句子，并且提高了生成医患对话摘要的准确率。能够解决现有的摘要生成方法中存在的摘要结果与问诊对话事实出入大，可读性不强的问题，同时有助于辅助医生完成病例总结。
-
公开(公告)号：CN114461791A
公开(公告)日：2022-05-10
申请号：CN202111350644.X
申请日：2021-11-15
Applicant: 哈尔滨理工大学
Abstract: 一种基于深度量子神经网络的社交文本情感分析系统，它属于量子计算与自然语言处理的交叉技术领域。本发明解决了现有深度学习方法存在的存储开销大、时间复杂度高以及预测精度低的问题。本发明提出了可调参量子深度学习方法用于社交文本情感分析，利用的量子计算只需要存储输入和输出，而不需要存储中间的结果，那么就节省了二进制编码的存储空间，解决了二进制编码的存储开销大的问题，而且，量子并行计算不需要逐步计算每一个深度神经网络的经典计算，所以降低了深度神经网络的时间复杂度。本发明采用分阶段的训练可以获得更优的模型，与现有方法相比，本发明方法具有较高的预测精度和较强的鲁棒性。本发明可以应用于对社交文本情感进行分析。
-
公开(公告)号：CN114139531A
公开(公告)日：2022-03-04
申请号：CN202111449176.1
申请日：2021-11-30
Applicant: 哈尔滨理工大学
IPC: G06F40/242 , G06F40/284 , G06F40/295 , G06N3/08 , G16H50/70
Abstract: 一种基于深度学习的医疗实体预测方法及系统，它属于自然语言处理与深度学习交叉技术领域。本发明解决了现有医疗实体预测方法存在预测效率低以及预测准确率低的问题。本发明方法具体包括以下步骤：步骤S1、获取原始医患对话数据并进行实体标注；步骤S2、获得对话数据文本字向量以及实体标签向量；步骤S3、基于获得的对话数据文本字向量以及实体标签向量对庞加莱模型和预训练好的深度学习模型进行训练；步骤S4、对于待进行实体预测的医患对话文本，采用步骤S2的方法获得对话文本字向量，对话文本字向量经过词典融合后，依次经过训练好的深度学习模型和庞加莱模型，得到实体预测结果。本发明可以应用于医疗实体预测。
-
公开(公告)号：CN110879607A
公开(公告)日：2020-03-13
申请号：CN201910921513.9
申请日：2019-09-27
Applicant: 哈尔滨理工大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于多无人机编队协同探测的海上风电叶片检测方法，其特征在于根据系统的三维建模与UAV航迹规划，采用虚拟结构法对多架无人机进行编队，搭建UAV单机运动模型和编队空间相对运动模型并设计分布式NMPC控制器；按照规定的编队飞行，对海上风电叶片进行有规则的大面积多角度拍摄，遇到障碍可以躲避并且可以保持队形；拍照完成后，将获取的照片传送到终端服务器，利用计算机进行图像拼接处理，采用基于Wallis滤波器的多片色彩均衡算法，进行影像匀光，得到拼接效果图，完成损伤标定。该检测方法成功的解决了单无人机在检测过程中，拍照范围有限，搭载的设备不足，和容易出现事故等问题，从而节省了人力资源，提高了工作效率。
-
公开(公告)号：CN114005549B
公开(公告)日：2024-06-18
申请号：CN202111320994.1
申请日：2021-11-09
Applicant: 哈尔滨理工大学
IPC: G16H80/00 , G06F40/35 , G06N3/0499 , G06N3/08
Abstract: 一种基于深度学习的增强型自动医疗诊断对话系统，它属于自然语言处理与深度学习相结合的学科交叉领域。本发明解决了由于现有系统对医疗词汇、医疗问题不敏感，导致采用现有系统输出诊断结果的准确率低的问题。本发明通过使用医疗类的数据集对模型进行预训练、微调，使模型能够对医疗类对话进行更加有效的建模，同时通过词汇级系统融合对于多系统的结果进行重排序以增强原有的对话结果。对用户提出的问题，能够更好地捕捉到相关信息，然后做出相应回答，有利于提高输出诊断结果的准确率。本发明可以应用于自动医疗诊断对话。
-
Patent Agency Ranking
公开(公告)号：CN114139531B
公开(公告)日：2024-05-14
申请号：CN202111449176.1
申请日：2021-11-30
Applicant: 哈尔滨理工大学
IPC: G06F40/242 , G06F40/284 , G06F40/295 , G06N3/084 , G16H50/70
Abstract: 一种基于深度学习的医疗实体预测方法及系统，它属于自然语言处理与深度学习交叉技术领域。本发明解决了现有医疗实体预测方法存在预测效率低以及预测准确率低的问题。本发明方法具体包括以下步骤：步骤S1、获取原始医患对话数据并进行实体标注；步骤S2、获得对话数据文本字向量以及实体标签向量；步骤S3、基于获得的对话数据文本字向量以及实体标签向量对庞加莱模型和预训练好的深度学习模型进行训练；步骤S4、对于待进行实体预测的医患对话文本，采用步骤S2的方法获得对话文本字向量，对话文本字向量经过词典融合后，依次经过训练好的深度学习模型和庞加莱模型，得到实体预测结果。本发明可以应用于医疗实体预测。
-
公开(公告)号：CN115798629A
公开(公告)日：2023-03-14
申请号：CN202211702643.1
申请日：2022-12-28
Applicant: 哈尔滨理工大学
IPC: G16C20/30 , G16C20/70 , G06N3/0442 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 一种基于图神经网络的可解释性分子性质预测方法及系统，涉及分子性质预测领域。本发明是为了解决现有分子性质预测方法还存在预测准确率低的问题。本发明包括：获取待预测小分子数据集，将小分子数据集输入到分子性质预测网络中获得分子性质；分子性质预测网络，通过以下方式获得：获取小分子数据集，利用小分子数据集获得训练好的图神经网络模型；将训练好的图神经网络模型和小分子数据集输入到可解释图神经网络模型，获得官能团；利用官能团生成官能团树，利用官能团树对第一图神经网络预训练获得预训练好的第一图神经网络模型；对预训练好的第一图神经网络模型进行微调获得分子性质预测网络。本发明用于预测分子性质。
-
公开(公告)号：CN111951382A
公开(公告)日：2020-11-17
申请号：CN202010802680.4
申请日：2020-08-11
Applicant: 哈尔滨理工大学
IPC: G06T17/00 , H04N13/221 , H04N13/275 , G03B15/05 , F16M13/02 , F16M11/42 , F16M11/26 , F16M11/06 , F16M11/04
Abstract: 本发明涉及通讯技术领域，公开了一种基于深度学习的三维重建信息处理设备，包括外架，所述外架的底部设有用于放置工件的工作台组件，所述外架的顶部设有对工件进行图像采集的拍摄组件，所述外架的中部设有对工件进行扫描的扫描组件，所述外架上还设有终端显示器；所述外架内设有内架，所述工作台组件安装于内架内的底部的中间位置，所述工作台组件包括升降台、真空吸附机、放置盘、滤网。通过工作台组件配合工作，使得三维重建设备适用于更广泛领域的工件产品，并有效防止了数据采集时出现位移误差，影响三维重建的效果。
-
公开(公告)号：CN111368197A
公开(公告)日：2020-07-03
申请号：CN202010144247.6
申请日：2020-03-04
Applicant: 哈尔滨理工大学
IPC: G06F16/9535 , G06N3/04
Abstract: 一种基于深度学习的评论推荐系统及方法，属于信息传播技术领域。主要为了解决现有推荐系统只给出推荐评分从而存在推荐解释能力差的问题。本发明所述系统使用字符和词级双向循环神经网络获取评论文本特征表示；使用卷积神经网络获取图像特征；使用分解机神经网络获得属性特征表示；使用记忆机制解决推荐系统中用户和产品的冷启动问题。使用双线性张量机制获得用户和产品间的关系共同生成评分和评论。主要用于信息传播中的评论推荐。
-
公开(公告)号：CN110879940A
公开(公告)日：2020-03-13
申请号：CN201911149958.6
申请日：2019-11-21
Applicant: 哈尔滨理工大学
IPC: G06F40/58 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度神经网络的机器翻译方法及系统，是为了解决现有的深度神经翻译方法由于词典的限制，使得翻译结果中会出现未登录词，并且过分关注于源语言全局语境，对于源语境覆盖不足或覆盖过多的缺点而提出的，包括：对训练预料进行分词处理，得到字符向量和词向量；构造字符级双向RNN和词级双向RNN；将每个词生成的隐状态向量进行连接形成源句子的向量表示形式；计算源句子中多个词翻译成目标词的对齐概率，并通过获得的对齐概率和源语言的隐变量向量计算当前词的语境向量；将对齐模型生成的语境向量作为两层GRU的输入，计算得到目标字符生成概率；构建深度神经网络，通过深度神经网络进行翻译。本发明适用于机器翻译系统。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.026 seconds)
