-
公开(公告)号：CN117851827A
公开(公告)日：2024-04-09
申请号：CN202410056328.9
申请日：2024-01-16
Applicant: 烟台大学
IPC: G06F18/214 , G06F18/241 , G06F18/243 , G06N5/04 , G06N5/046 , G06N3/0464 , G01S7/02 , G06F123/02
Abstract: 本发明公开了低信噪比雷达辐射源信号脉内识别装置及其训练识别方法，雷达辐射源信号脉内识别装置包括数据分块模块；数据分块模块后端设置有深度神经网络模块；深度神经网络模块后端设置有正向推理结果保存模块；正向推理结果保存模块后端设置有融合推理模块；融合推理模块后端设置有反馈训练接入模块；反馈训练接入模块后端连接在深度神经网络模块上；深度神经网络模块后端还设置有分类模型参数保存模块。采用该装置及训练和识别方法不仅可以得到很好的分类模型，还可以得到精确的分类识别结果，可以有效的区分信噪比低的雷达辐射源信号类型。
-
公开(公告)号：CN117572376A
公开(公告)日：2024-02-20
申请号：CN202410056329.3
申请日：2024-01-16
Applicant: 烟台大学
IPC: G01S7/41 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N5/04 , G06N5/046
Abstract: 本发明涉及无线电信号识别技术领域，具体公开了低信噪比弱小目标雷达回波信号识别装置及训练识别方法，雷达回波信号识别装置包括数据分块模块；数据分块模块后端设置有多通道深度神经网络模块；多通道深度神经网络模块后端设置有正向推理结果保存模块；正向推理结果保存模块后端设置有融合推理模块；融合推理模块后端设置有反馈训练接入模块；反馈训练接入模块后端连接在多通道深度神经网络模块上；多通道深度神经网络模块后端还设置有分类模型参数保存模块。采用该装置及训练和识别方法不仅可以得到很好的分类模型，还可以得到精确的分类识别结果，有效的区分信噪比低的强噪声和雷达弱小目标的回波数据。
-
公开(公告)号：CN116304279B
公开(公告)日：2024-01-26
申请号：CN202310285061.6
申请日：2023-03-22
Applicant: 烟台大学
IPC: G06F16/9535 , G06N3/08 , G06N3/042 , G06N3/0442
Abstract: 本发明提出了基于图神经网络的用户偏好演化主动感知方法及系统，包括：基于用户会话数据，将用户历史交互序列建模为用户交互有向序列图；利用门控图神经网络学习有向序列图中节点的嵌入向量表示；基于注意力网络挖掘交互序列中用户与项目之间的复杂相关性，获取用户长期偏好；基于位置感知网络，将可学习的位置矩阵纳入项目嵌入中，利用注意力网络提取用户短期偏好；采用门控网络融合长期偏好和短期偏好得到用户最终的偏好并进行项目预测；通过建立项目与偏好之间的映射关系，结合项目预测结果进行偏好演化的主动感知。
-
公开(公告)号：CN117349532A
公开(公告)日：2024-01-05
申请号：CN202311388437.2
申请日：2023-10-24
Applicant: 烟台大学
IPC: G06F16/9535 , G06Q10/0637 , G06Q10/04 , G06Q50/10 , G06F30/20 , G06F111/06
Abstract: 本公开涉及服务推荐技术领域，提出了一种动态多目标服务组合优化推荐方法及系统，包括如下步骤：针对动态多目标服务优化组合问题，构建动态多目标服务优化组合问题模型；针对环境的动态性设计环境变化检测算子和环境变化响应策略；将环境变化检测算子与环境变化响应策略嵌入至社会学习优化算法中，基于嵌入改进的社会学习优化算法对动态多目标服务优化组合问题模型求解，得到最优的服务组合推荐方案。本公开能够实时感知环境的变化，得到与对应环境相匹配的最优并且最有效的服务组合推荐方案。
-
公开(公告)号：CN115270007B
公开(公告)日：2023-09-22
申请号：CN202210987178.4
申请日：2022-08-17
Applicant: 烟台大学
IPC: G06F16/9536 , G06F16/9535 , G06F16/9537 , G06F18/25 , G06N3/0464
Abstract: 本发明属于位置推荐技术领域，提供了一种基于混合图神经网络的POI推荐方法及系统，本发明为了充分地挖掘用户对POI的正向偏好与反向偏好，构建了标号二部图，采用标号二部图神经网络学习带有用户对POI偏好信息的用户特征和带有用户偏好信息的POI特征；同时，为了充分挖掘POI之间的转移信息，根据用户的POI签到记录构建POI有向转移图，采用门控图神经网络学习带有POI转移信息的POI特征；最后，通过分别对不同用户特征和不同POI特征的拼接，得到用户的最终特征和POI的最终特征，将用户的最终特征与POI的最终特征做乘积，通过Sigmoid函数得到用户对于POI的偏好程度，依据偏好程度向用户推荐POI序列。
-
Patent Agency Ranking
公开(公告)号：CN113537623B
公开(公告)日：2023-08-18
申请号：CN202110872257.6
申请日：2021-07-30
Applicant: 烟台大学
Abstract: 本公开提供了一种基于注意力机制及多模态的服务需求动态预测方法及系统，包括：获取服务使用过程中产生的文本数据及图像数据；分别对所述文本数据及图像数据进行特征提取；将提取的特征输入预先训练的基于软注意力与多模态机器学习的预测模型中，实现用户下一时刻的服务需求的预测；其中，所述基于软注意力与多模态机器学习的预测模型，具体为：基于特征共享机制实现多模态数据特征的融合；利用软注意力机制对融合后的特征进行处理，并将获得的结果输入到预先训练的GRU网络，获得用户的服务兴趣特征向量表示；基于用户信息特征及其服务兴趣特征向量表示，通过全连接层实现对用户下一时刻的服务需求的预测。
-
公开(公告)号：CN116484113A
公开(公告)日：2023-07-25
申请号：CN202310412337.2
申请日：2023-04-12
Applicant: 烟台大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明提出了一种基于动态信任感知的群体观点预测方法及系统，涉及观点动力学领域，具体方案包括：为社交网络建模，得到初始的社交网络；基于社会相似性、结构相似性和社交关系强度，构建完整信任网络；计算个体间的影响权重，根据不同的影响权重预测群体观点，判断群体观点是否达到稳定，不稳定则利用个体间的观点相似性和个体间的信任度，对社交网络进行演化，得到新的社交网络，进行基于新的社交网络的观点演化过程；本发明将社交关系强度引入到信任传播过程中，考虑个体间的观点相似性和个体间的信任度对观点演化的影响，特别是非邻节点对自身观点演化的影响，提高了观点演化趋势预测的准确性。
-
公开(公告)号：CN113987261B
公开(公告)日：2023-07-18
申请号：CN202111311681.X
申请日：2021-11-08
Applicant: 烟台大学
IPC: G06F16/735 , G06F16/9535 , G06F16/9536
Abstract: 本发明属于偏好估计技术领域，提供了一种基于动态信任感知的视频推荐方法及系统，获取所有用户对某视频的初始真实偏好和初始交流偏好；将所有用户的初始真实偏好和初始交流偏好输入基于动态信任感知的偏好演化模型，得到所有用户对该视频的最终真实偏好；根据所有用户对该视频的最终真实偏好，向所有用户进行视频推荐；所述基于动态信任感知的偏好演化模型通过动态异质交互偏好接受度和动态异构信任度，依次对用户的真实偏好、交流偏好、公开偏好和估计偏好进行演化，进而提高了偏好演化的精确度，为用户推荐更加感兴趣的视频。
-
公开(公告)号：CN115983280A
公开(公告)日：2023-04-18
申请号：CN202310081044.0
申请日：2023-01-31
Applicant: 烟台大学
IPC: G06F40/30 , G06F18/24 , G06N3/0455 , G06N3/09
Abstract: 本发明提出了面向不确定模态缺失的多模态情感分析方法及系统，涉及数据处理技术领域，具体方案包括：获取带有不确定缺失的多模态数据，包括三种模态：文本、视觉和音频；通过训练后的多模态情感分析网络处理所述三种模态数据，以生成并输出最终的情感分类；本发明基于模态翻译模块，将视觉和音频模态翻译成文本模态，提高视觉和音频模态质量并且能够捕获不同模态之间的深层交互；通过对完整模态进行预训练，得到完整模态的联合特征来指导缺失模态的联合特征向完整模态的联合特征逼近，不需要考虑有哪种模态缺失，只需要向完整模态的联合特征向量逼近即可，具有更强的通用性。
-
公开(公告)号：CN112529637B
公开(公告)日：2022-12-06
申请号：CN202011526415.4
申请日：2020-12-22
Applicant: 烟台大学
IPC: G06Q30/02
Abstract: 本公开提供了一种基于情景感知的服务需求动态预测方法及系统，该方法首先通过AMEDIN模型的交互单元，自适应地捕获不同场景和服务需求之间的交互关系，从而显式的建模不同场景对服务需求的影响；之后，合并场景特征、交互关系以及服务需求特征，基于注意力机制获取不同场景对服务需求的影响权重；最后，基于用户特征、加权的场景特征和服务需求特征训练AMEDIN模型，并基于训练好的AMEDIN模型实现情景感知的服务需求动态预测.基于Movielens和Alibaba提供的真实数据集进行了大量的实验，实验结果表明本文所提出的方法是可行的与有效的。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.019 seconds)
