-
公开(公告)号：CN103439668B
公开(公告)日：2015-08-26
申请号：CN201310400509.0
申请日：2013-09-05
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为动力锂离子电池的电荷状态估算方法与系统，本方法第一步建立等效电池的电路模型，对电池进行充放电和静置实验、定时采样得到电压时间曲线，通过公式辨识模型参数、得到开路电压OCV与SoC的非线性关系；第二步、基于卡尔曼算法，用状态预测、预测误差方差、滤波增益、状态估算和估算误差方差等矩阵，得到SoC最优估算值。本系统模数转换器、程序存储器、可编程存储器、定时器及显示器分别与微处理器连接，电流、电压传感器分别联接在待测电池与负载连接的电路中、输出接入模数转换器。可编程存储器存储实验所得的电池模型参数，程序存储器存储本方法的估算程序。本发明SoC估算精度可达1％，且更稳定；系统实时提供SoC估算值。
-
公开(公告)号：CN102710212A
公开(公告)日：2012-10-03
申请号：CN201210190521.9
申请日：2012-06-11
Applicant: 桂林电子科技大学
Abstract: 本发明为永磁同步直线电机改进的迭代学习控制方法与控制系统，本控制方法采用时间轴与迭代轴的叠加的迭代控制律算法求得永磁同步直线电机定子的控制电压；在迭代控制律算法的时间轴上引入一个初始控制量u0，并设计了自适应因子α；迭代学习律的永磁同步直线电机k+1迭代的控制电压控制电压还增加前馈控制量。本控制系统含嵌入式控制器、与PMLSM定子相连的功率驱动模块、安装于PMLSM的动子位移传感器。本发明避免了初期迭代轨迹的摆动震荡，加快迭代收敛速度；提高了控制精度达0.55%。
-
公开(公告)号：CN114637911B
公开(公告)日：2024-04-09
申请号：CN202210157793.2
申请日：2022-02-21
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/214 , G06N3/045 , G06N3/044 , G06N3/0464 , G06N3/0442 , G06N3/0985
Abstract: 本发明涉及计算机兴趣点推荐技术领域，涉及一种注意力融合感知网络的下一个兴趣点推荐方法，包括获取用户历史签到数据；将数据组成序列组；划分为长期签到序列数据和短期签到序列数据；分别送到模型进行训练，通过不同神经网络捕获用户不同偏好表示，构建偏好预测单元，利用注意力机制有机结合偏好，经过随机搜索方式学习最优参数，输出排名前K的兴趣点；将训练模型部署在多个服务器中；记录用户下一签到地点以及相对应的类别信息。本发明能够实现更加准确、高效的下一个兴趣点推荐。
-
-
公开(公告)号：CN117708433A
公开(公告)日：2024-03-15
申请号：CN202410005952.6
申请日：2024-01-03
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06Q30/0601 , G06F18/25 , G06F18/24 , G06F18/214 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多层感知机与自注意力机制的序列推荐方法及系统，该方法包括：在多层感知机结构的基础上，在输入端融合多头自注意力模块，得到MASARec框架；数据处理及预训练，将用户历史数据组织成用户行为序列，使用用户行为序列优化模块对样本用户数据进行预训练；利用预训练后得到的最优参数对MASARec框架进行训练，得到训练完成的MASARec框架；利用训练完成的MASARec框架进行推进结果预测，得到推荐结果。通过使用本发明，能够自适应缩短用户行为序列并充分发掘序列之间的依赖关系来缓解数据过载以及数据的噪音干扰；同时使用结构简单的多层感知机和强大的多头自注意力机制来提高模型的训练效率和推荐的准确性。本发明可广泛应用于推荐系统领域。
-
Patent Agency Ranking
公开(公告)号：CN114610862A
公开(公告)日：2022-06-10
申请号：CN202210080273.6
申请日：2022-01-24
Applicant: 桂林电子科技大学
IPC: G06F16/335 , G06N3/04
Abstract: 本发明涉及会话推荐技术领域，具体地说，涉及一种增强图上下文顺序的会话推荐方法，其包括以下步骤：(1)将序列数据转换为图数据；(2)图数据通过图神经网络学习全局和会话两个层次的嵌入；(3)将两个层次的嵌入结合并加入位置信息；(4)通过自注意力捕获项目间的顺序信息；(5)用软注意力结合项目间的复杂转化和项目间的顺序信息，生成序列表征后预测用户下一个感兴趣的项目的概率。本发明能较佳地进行会话推荐。
-
公开(公告)号：CN114547276A
公开(公告)日：2022-05-27
申请号：CN202210082137.0
申请日：2022-01-24
Applicant: 桂林电子科技大学
IPC: G06F16/335 , G06N3/04
Abstract: 本发明涉及会话推荐技术领域，具体地说，涉及一种基于三通道图神经网络的会话推荐方法，其包括以下步骤：(1)将会话序列数据转换为会话图、超图、全局图数据；(2)图数据经过三个通道的图神经网络学习到三种项目嵌入；三个通道包括会话图通道、超图通道、全局图通道；会话图通道用于捕获会话中项目间的转换关系，超图通道用于捕获会话中项目间的高阶关系，全局图通道用于捕获不同会话中项目间的关系；(3)融合三种通道形成的项目表征获得更完整项目转换信息；(4)经过预测层输出项目的预测概率。本发明能较佳地进行会话推荐。
-
公开(公告)号：CN112948709B
公开(公告)日：2022-03-25
申请号：CN202110246458.5
申请日：2021-03-05
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06F16/9537 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明涉及兴趣点推荐技术领域，涉及一种影响力感知驱动的连续兴趣点实时推荐方法，包括：一、获取用户打卡历史信息，将打卡数据组成序列；二、将打卡数据组成序列组；三、将序列组推送给模型进行训练；通过门控循环单元加注意力机制得到一段序列中每一个兴趣点所占影响力向量，将得到的向量输入全连接神经网络拟合，经过管道搜索的方式学习出适应该区域的最优超参数；四、将训练模型部署在多个服务器中；五、记录用户下一打卡地点以及对兴趣点的评分。本发明能实现精确、实时的对用户下一兴趣点的推荐。
-
公开(公告)号：CN112269844B
公开(公告)日：2021-08-06
申请号：CN202011019669.7
申请日：2020-09-24
Applicant: 桂林电子科技大学
IPC: G06F16/29 , G06K9/62 , G06F16/2458
Abstract: 本发明涉及轨迹数据处理技术领域，具体地说，涉及一种基于大规模轨迹数据的通用伴随模式分布式挖掘方法，其以下步骤：一、建立轨迹数据集；二、对轨迹数据集进行分布式聚类：通过DBSCANCD算法进行密度聚类；三、TCB算法以密度聚类结果作为输入，通过计算集合成员间的相似度，对边界点进行合理划分；四、对轨迹数据集进行分布式挖掘：GSPR算法对通用伴随模式挖掘的输入进行分割和重划分，然后通过SAE算法进行挖掘。本发明能够较佳地挖掘通用伴随模式。
-
公开(公告)号：CN106991149A
公开(公告)日：2017-07-28
申请号：CN201710192554.X
申请日：2017-03-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种融合编码和多版本数据的海量空间对象存储方法，采用“低精度网格编码，高精度空间对象编码”将多维空间数据转换到一维空间，然后采用“字典序定位数据块，低冗余度数据查询”策略来实现查询过程涉及到的冗余数据修剪，有效提升了范围查询性能。在编码精度为8个Base‑32字符时，一个网格单元的覆盖面积约为725m2,查询半径在1000m时，查询响应时间不超过1秒，能有效满足诸如智慧旅游中基于游客位置的旅游资源推荐等数据查询需求。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.028 seconds)
