-
公开(公告)号：CN108647788B
公开(公告)日：2021-03-19
申请号：CN201810456838.X
申请日：2018-05-14
Applicant: 暨南大学
Abstract: 本发明公开了一种联想式知识库的自动改进方法，步骤为：通过对训练者在训练过程中的行为数据建模，使用统计方法找出知识点之间的拓扑结构以及关联强度，并将结果以添加、更新、删除三种操作作用于联想式知识库网络，实现知识点之间的“联想”。并且类似人类记忆，通过不断持续获得的增量数据，持续以上述操作改进知识库网络，从而实现知识库的不断进化。本发明的联想式知识库在符合学习者学习路线的前提下，还可以根据学习者学习过程中的数据动态调节知识库自身的结构，提高学习效率。
-
公开(公告)号：CN111144554A
公开(公告)日：2020-05-12
申请号：CN201911405955.4
申请日：2019-12-31
Applicant: 暨南大学
Abstract: 本发明公开了一种基于模块分解的智能响应方法、装置、介质、设备。方法包括步骤：根据企业的业务逻辑和决策逻辑，对信息系统进行模块分解，确定经验型人工决策模块；从历史数据中提取业务数据，根据业务数据对经验型人工决策模块的输入和输出数据进行建模，对所提取的业务数据进行数据转换，转换后的数据作为模型的训练集；将输出作为多分类标签，通过深度神经网络学习的方式来学习训练集的案例数据，不断进行优化与改进，直到收敛；将训练完成的深度神经网络嵌入原信息系统的经验型人工决策模块中，在新的输入下，智能判别分类问题，并作出决策建议。本发明使得神经网络可以替代人工决策，实现信息系统的柔性化，提高业务响应效率。
-
公开(公告)号：CN108614865B
公开(公告)日：2020-12-11
申请号：CN201810307140.1
申请日：2018-04-08
Applicant: 暨南大学
IPC: G06F16/9535 , G06F16/901 , G06Q50/20
Abstract: 本发明公开了一种基于深度强化学习的个性化学习推荐方法，包括以下步骤：定义知识点及题目的难度属性，根据知识点之间的关系构建知识点网络图；根据知识点之间的关系确定知识点下题目之间的关系，构建题目网络图；根据用户行为数据，在题目网络图中得到针对指定用户当前状态下的子图，作为学习边界；进而使用深度强化学习算法，利用用户历史记录建模，训练得到在用户当前状态下的子图中如何选取割集策略。本发明方法可智能化地为用户推荐最佳题目，节省用户学习时间，使其学习效率提高，学习体验提升。
-
公开(公告)号：CN108647788A
公开(公告)日：2018-10-12
申请号：CN201810456838.X
申请日：2018-05-14
Applicant: 暨南大学
Abstract: 本发明公开了一种联想式知识库的自动改进方法，步骤为：通过对训练者在训练过程中的行为数据建模，使用统计方法找出知识点之间的拓扑结构以及关联强度，并将结果以添加、更新、删除三种操作作用于联想式知识库网络，实现知识点之间的“联想”。并且类似人类记忆，通过不断持续获得的增量数据，持续以上述操作改进知识库网络，从而实现知识库的不断进化。本发明的联想式知识库在符合学习者学习路线的前提下，还可以根据学习者学习过程中的数据动态调节知识库自身的结构，提高学习效率。
-
Patent Agency Ranking
公开(公告)号：CN102711243B
公开(公告)日：2015-07-29
申请号：CN201210194833.7
申请日：2012-06-13
Applicant: 暨南大学
CPC classification number: Y02D70/20
Abstract: 本发明公开了一种基于RSSI改进的APIT定位方法，其特征在于，包括以下步骤：（1）对WSN进行初始化网络配置；（2）待定位未知节点收集邻居锚节点信息；（3）邻居待定位未知节点交换各自记录的锚节点信息；（4）第一轮定位：APIT定位，得到待定位未知节点的估测位置；（5）第二轮定位：以第一轮定位的估测位置为基础，得到待定位未知节点的最终位置坐标。本发明经过改进的APIT定位方法具有定位精度高、网络使用寿命长和节点功耗低等优点。
-
公开(公告)号：CN111144554B
公开(公告)日：2023-09-19
申请号：CN201911405955.4
申请日：2019-12-31
Applicant: 暨南大学
IPC: G06N3/0464 , G06N3/08 , G06Q10/0637
Abstract: 本发明公开了一种基于模块分解的智能响应方法、装置、介质、设备。方法包括步骤：根据企业的业务逻辑和决策逻辑，对信息系统进行模块分解，确定经验型人工决策模块；从历史数据中提取业务数据，根据业务数据对经验型人工决策模块的输入和输出数据进行建模，对所提取的业务数据进行数据转换，转换后的数据作为模型的训练集；将输出作为多分类标签，通过深度神经网络学习的方式来学习训练集的案例数据，不断进行优化与改进，直到收敛；将训练完成的深度神经网络嵌入原信息系统的经验型人工决策模块中，在新的输入下，智能判别分类问题，并作出决策建议。本发明使得神经网络可以替代人工决策，实现信息系统的柔性化，提高业务响应效率。
-
公开(公告)号：CN114584221B
公开(公告)日：2023-07-04
申请号：CN202210240971.8
申请日：2022-03-10
Applicant: 中山大学 , 暨南大学 , 南方海洋科学与工程广东省实验室(珠海)
IPC: H04B10/50 , H04B10/516
Abstract: 本发明提出一种基于IQ调制器级联的片上微波光子滤波系统，包括激光器、分光器、任意波形发生器、第一IQ调制器、第二IQ调制器、第三IQ调制器、第一光放大器、第二光放大器、第三光放大器、第一偏振控制器、第二偏振控制器、环形器、隔离器、SBS介质、光电探测器和矢量网络分析仪。通过第一IQ调制器对泵浦光载波进行光频梳扩展，得到光频梳，以及通过第二IQ调制器将光频梳调制为目标泵浦光，并使用光放大器对目标泵浦光进行功率带宽放大处理，解决了单调制器多频率梳齿功率带宽不足的问题，克服了SBS介质的局限性，增大了微波光子滤波器系统的整体带宽，扩大了微波光子滤波器系统的带宽调节范围。
-
公开(公告)号：CN110458429A
公开(公告)日：2019-11-15
申请号：CN201910689985.6
申请日：2019-07-29
Applicant: 暨南大学
Abstract: 本发明公开了一种针对具有一定地理位置特征的网点的智能拜访任务分配和人员调度方法、系统，包括以下步骤：从企业信息系统决策模块的基础数据和实时数据中，对物理商业网点和业务员分别提取特征，对业务员拜访网点的历史数据建模；用二分图表示业务员和网点之间的连接从而形成拜访计划网络图；根据业务员所处环境信息，规划最优拜访路线；使用强化学习方法，根据业务员执行某一动作后产生的预设的奖赏或惩罚，评估分配策略获取的收益，并反馈给深度神经网络模型，反复更新学习参数，确定最优任务匹配策略；实际拜访过程中，采用强化学习方法进行计算，将任务执行策略优化方法以及拜访路线优化方法同时不断迭代，综合得出全局最优的拜访方式。
-
公开(公告)号：CN102749613B
公开(公告)日：2014-04-02
申请号：CN201210206018.8
申请日：2012-06-20
Applicant: 暨南大学
Abstract: 一种基于旋转天线的室内定位方法，涉及移动终端室内定位技术，包括如下步骤：步骤1、设定一个参考节点，设定待测节点，建立一个以所述参考节点为原点的二维坐标系，所述二维坐标系包括横轴和纵轴，所述二维坐标系必须使待测节点落在其平面内，参考节点与待测节点间连线与横轴的夹角为定位角度，参考节点与待测节点间的距离为定位距离；步骤2、测量所述的定位角度和定位距离；步骤3、通过距离与能量关系模型的算法以及定位角度，计算出待测节点在二维坐标平面上的二维坐标，以对待测节点进行定位。本发明具有避免了误差叠加，实现了单点定位和精度高等优点。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.046 seconds)
