一种基于图神经网络的航迹预测方法

    公开(公告)号:CN113505878A

    公开(公告)日:2021-10-15

    申请号:CN202110779945.8

    申请日:2021-07-09

    Abstract: 本发明公开了一种基于图神经网络的航迹预测方法,包括:S1:构建图神经网络模型。S2:获取待检测航迹序列数据集。S3:将待检测航迹序列数据集输入图神经网络模型,得到航迹预测轨迹。本发明结合图神经网络GNN(GraphNeuralNetworks,GNN)在空间特征提取方面强大的性能优势,将时空图神经网络模型应用于预测任务中,并倡导实验进行了可行性验证及同其他预测模型的对比分析,结果表明图神经网络在所有预测模型中,性能表现最好,相比于LSTM模型,在预测任务的准确性和稳定性方面均有提升。

    一种基于SVG的电路图到盲文转换方法及系统

    公开(公告)号:CN111814495A

    公开(公告)日:2020-10-23

    申请号:CN202010666199.7

    申请日:2020-07-10

    Applicant: 兰州大学

    Abstract: 本发明涉及一种基于SVG的电路图到盲文转换方法及系统,所述方法至少包括:基于SVG文件生成电路图中元器件的基本属性;基于所述基本属性生成元器件类,并判断是否包含并联电路;若包含并联电路,则基于所述元器件类进行并联电路处理以生成并联电路类,其中,所述元器件类和并联电路类为至少描述元器件和并联电路的类型、ASCII码、空间位置关系的有序集合;基于所述元器件类和/或并联电路类进行主电路处理以生成盲文ASCII码电路图。

    一种基于MathML的数学公式到盲文的翻译方法及系统

    公开(公告)号:CN111753555A

    公开(公告)日:2020-10-09

    申请号:CN202010564424.6

    申请日:2020-06-17

    Applicant: 兰州大学

    Abstract: 本发明涉及一种基于MathML的数学公式到盲文的翻译方法及系统,所述方法至少包括:对计算设备传输的关于数学公式代码的线性字符或字符串进行文本分词生成分词栈;解析所述分词栈以将其转换为MathML文件;基于辅助公式结构的第一辅助标识符和辅助公式语义的第二辅助标识符的添加判断的方式解析所述MathML文件,从而生成盲文ASCII码。

    一种基于知识图谱的商品推荐方法及系统

    公开(公告)号:CN118840174A

    公开(公告)日:2024-10-25

    申请号:CN202410798082.2

    申请日:2024-06-20

    Abstract: 本发明公开了一种基于知识图谱的商品推荐方法及系统,包括对用户和商品的交互关系进行分解,利用注意力权重从知识图谱中的关系建模出用户商品交互的虚拟关系;基于所述虚拟关系聚合高阶信息,对每一层学习的结果进行加权组合,确定不同的重要性,获得用户嵌入和商品嵌入;通过计算所述虚拟关系之间的余弦相似度确定相关性,通过相关性确定权重,将多跳邻居与目标商品嵌入相结合,获得邻居实体的影响增强嵌入;基于所述用户嵌入、所述商品嵌入和所述邻居实体的影响增强嵌入,获得用户对商品的点击概率,完成商品推荐。本发明提升推荐的精确度和相关性。

    一种基于注意力机制和图神经网络的客户引流方法及系统

    公开(公告)号:CN118740916A

    公开(公告)日:2024-10-01

    申请号:CN202410817082.2

    申请日:2024-06-24

    Abstract: 本发明公开了一种基于注意力机制和图神经网络的客户引流方法及系统,方法包括:获取用户与项目信息,将用户与项目信息输入基于高阶邻域信息的图神经网络冷启动推荐模型中进行处理,获得输出结果,基于所述输出结果实现对冷客户的引流;其中,将目标注意力机制与异构图神经网络推荐模型相结合构成所述基于高阶邻域信息的图神经网络冷启动推荐模型。本发明利用用户之间的社会关系,将冷用户信任的用户交互项目使用注意力机制计算,获取图结构中可能无法捕捉的高阶邻域信息来完成对冷用户数据的预热,更好地完成对冷用户的引流推荐。

    一种基于深度学习的大气云分类方法

    公开(公告)号:CN118587506A

    公开(公告)日:2024-09-03

    申请号:CN202410791450.0

    申请日:2024-06-19

    Abstract: 本发明公开了一种基于深度学习的大气云分类方法,包括:获取大气云卫星观测图像,对所述大气云卫星观测图像进行预处理,获取预处理后的卫星观测图像;将所述预处理后的卫星观测图像输入网络1,网络1采用VGG‑19编码网络及ASPP网络;随后经过解码网络,并且使用SE Block获得网络1的输出;将网络1中的输入和输出进行逐元素相乘,获得网络2的输入;将所述网络2的输入图像输入改进后的Unet网络,获得大气云分类图像。本发明利用DC‑CNN网络模型的机制对卫星数据进行分类,达到提高分类准确度的目的。

Patent Agency Ranking