-
公开(公告)号：CN118313410A
公开(公告)日：2024-07-09
申请号：CN202410558049.2
申请日：2024-05-07
Applicant: 北京工业大学
IPC: G06N3/006 , G06N3/0442
Abstract: 本发明公开了一种基于长短期记忆神经网络的多智能体系统动态通信方法，首先对各个智能体进行建模，并采用长短期记忆神经网络作为各智能体的控制器对智能体通信向量进行输入与输出；计算每一时刻各智能体距离目标位置的欧氏距离及总和，得到各智能体的距离权重并构建基于距离的加权平均通信向量；然后，引入注意力单元，并通过构建多层感知机嵌入网络计算得到注意力权重与贡献指数，采用元素级乘积的计算方法得到注意力通信向量；最后，将隐藏层向量、基于距离的加权平均向量以及注意力通信向量进行拼接，得到最终的多智能体系统通信向量。上述方法能够实现环境与智能体信息在系统中的高效传播，从而使智能体动态调整策略以实现动作预测。
-
公开(公告)号：CN114092410B
公开(公告)日：2024-06-14
申请号：CN202111252569.3
申请日：2021-10-27
Applicant: 北京工业大学
IPC: G06T7/00 , G06T7/13 , G01N21/88 , G06V10/82 , G06N3/0464 , G06V10/764
Abstract: 一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法，针对废旧手机回收过程中表面缺陷难以精准识别的问题。本发明利用灰度化和索贝尔算子对数据集进行预处理得到清晰的图像数据，构造了一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法实现对表面缺陷的快速准确识别。本发明对不同场景下的手机表面缺陷识别均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
公开(公告)号：CN118152729A
公开(公告)日：2024-06-07
申请号：CN202311813980.2
申请日：2023-12-27
Applicant: 北京工业大学
IPC: G06F18/00 , G06F18/10 , G06F18/27 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/049 , G06N3/084
Abstract: 本发明公开了一种基于卷积融合网络与注意力机制的故障诊断分类方法，首先构建数据融合故障检测框架，先对数据进行采集和预处理，然后通过基于注意力的一维卷积神经网络，以获取两个模态的独立特征。再进一步实现特征的自融合，解决模态相互关系提取难题。将自融合后的特征输出经过挤压激励模块，进行注意力加权以及梯度反转层后，输入到鉴别器进行训练以获取模态交互特征。将挤压激励模块的两个输出进行特征拼接后，输入到长短时记忆网络进行融合，并将其输出用于推断网络进行结果推断。最后循环迭代，结合推断结果，以最小化目标损失为目标训练网络，实现故障诊断分类。多模态数据融合有效利用模态间交互特征，能够提高故障检测分类的准确性。
-
公开(公告)号：CN117993282A
公开(公告)日：2024-05-07
申请号：CN202410013035.2
申请日：2024-01-04
Applicant: 北京工业大学
IPC: G06F30/27 , G06N3/098 , G06F119/02
Abstract: 本发明设计了一种面向智能制造故障诊断的域适应性信息瓶颈联邦学习方法，旨在解决不同生产线间由于不同域数据分布差异所带来的建模挑战。该算法首先建立一个全局目标函数，该函数基于不同域特征信息瓶颈，考虑数据规模的多样性，对域的压缩表征进行重加权。通过联邦学习框架，实现了跨域不变特征的有效提取，从而提升全局模型的对于故障预测精度。在实际工业环境中，尤其是在面临不同生产线数据差异性时，该方法能有效克服全局模型表达能力受限故障预测精度较低的问题，提供了一种针对智能制造故障诊断领域的高精度联合建模解决方案。
-
公开(公告)号：CN117648469A
公开(公告)日：2024-03-05
申请号：CN202311529517.5
申请日：2023-11-16
Applicant: 北京工业大学
IPC: G06F16/9032 , G06F16/903 , G06F16/9038 , G06F40/30 , G06N3/0455 , G06N3/047 , G06N3/0895
Abstract: 本发明公开了一种基于对比学习的交叉双塔结构答案选择方法，属于自然语言处理领域。该方法以学习不同粒度的通用对话表征为目标，将对话表征应用于面向电商平台产品问答的答案选择任务。设计模型采用交叉双塔结构分别处理问答对话中的上下文语句，通过数据增强操作得到语句的不同编码表示，建立正样例，对比学习损失能够间接融合双塔所编码的信息，完成对句子级与对话级特征的建模。此外，加入掩码语言模型训练模式，以融入字符级特征。模型在大型对话语料库上进行训练，精准的对话表征可直接迁移应用于下游的答案排序选择任务，能够缓解面向电商平台的检索类型问答任务所面临的数据稀疏问题。
-
Patent Agency Ranking
公开(公告)号：CN113807347A
公开(公告)日：2021-12-17
申请号：CN202110958644.1
申请日：2021-08-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于目标检测技术的厨余垃圾杂质识别方法，属于计算机视觉领域，面向厨余垃圾图像数据，基于卷积神经网络进行建模，利用卷积神经网络提取有效特征，再利用分类层和回归计算层进行杂质分类和定位。主要包括：建立并预处理厨余垃圾图像库，采用数据增强的方式扩大数据规模；构建基于卷积神经网络的目标检测模型；利用厨余垃圾图像库训练目标检测模型；将目标图像输入至训练好的目标检测模型中进行判断，最终输出目标图像中所含杂质的位置以及所属类别，实现厨余垃圾中的杂质的自动识别。
-
公开(公告)号：CN111612175A
公开(公告)日：2020-09-01
申请号：CN202010390738.9
申请日：2020-05-11
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于模糊迁移学习的废旧手机智能定价方法，针对废旧手机交易数据量不足的情况下，难以获得精确定价模型的问题。本发明采用主成分分析算法提取特征变量并通过建立基于模糊神经网络的定价模型，利用回收过程的知识和交易数据完成定价模型的参数调整，实现跨机型废旧手机的精准定价，解决了传统模糊神经网络在数据不足的情况下泛化能力较差的问题，具有较好的学习效率和预测精度，能够保证电子产品回收的高效稳定运行。
-
公开(公告)号：CN107193801B
公开(公告)日：2020-07-03
申请号：CN201710360583.2
申请日：2017-05-21
Applicant: 北京工业大学
IPC: G06F40/30 , G06F40/279
Abstract: 本发明公开一种基于深度信念网络的短文本特征提取及情感分析方法，包括：步骤1、获取微博短文本语料集合、同义词典、语义递进关联词、微博表情词典、分词模型；步骤2、对短文本进行扩展重构；步骤3、短文本分词及预处理；步骤4，词语相似度计算模型构建；步骤5、短文本特征向量扩展；步骤6、对扩展后的候选特征集合基于深度信念网络的特征深度自适应抽取；步骤7、将深度信念网络获得特征集合利用机器学习分类算法进行分类训练，获得分类预测模型；步骤8、利用分类预测模型将测试数据集进行情感标注。本发明方法能够更有效的发现潜在特征语义信息，提高了情感特征提取的质量，从而提高了情感分类的准确度。
-
公开(公告)号：CN110083710A
公开(公告)日：2019-08-02
申请号：CN201910365929.7
申请日：2019-04-30
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于循环神经网络与潜变量结构的词语定义生成方法，属于自然语言处理领域。本发明在基于循环神经网络的基础上利用变分自编码器(VAE)对释义进行建模，结合潜变量特征，根据被定义词的上下文信息对词义进行提取来生成词语的释义，具体包括：建立并整理基础语料库；选取被定义词语的近义词集合，扩展基础语料库，形成最终语料库；对被定义词语的词向量进行扩展重构；构建基于循环神经网络与潜变量结构模型；训练基于循环神经网络与潜变量结构模型；将待释义词语及其上下文信息输入训练完成的模型中，实现具体语境中待释义词语的语义释义，解决一词多义问题。
-
公开(公告)号：CN104571098A
公开(公告)日：2015-04-29
申请号：CN201510036789.0
申请日：2015-01-25
Applicant: 北京工业大学
IPC: G05B23/02
CPC classification number: G05B23/0213
Abstract: 基于Atom平台的远程自诊断方法，通过先进的UEFI实现目标系统启动初期系统完整性的诊断，并通过网络将诊断结果传输给远端控制中心。目标系统出现故障时，控制中心除了可以立即得到报警之外，还可以对目标系统进行远程启动、远程关机等维护工作。本发明由一种远程自诊断方法和一套自诊断装置组成，远程自诊断方法通过结合UEFI和双通道网络通信等技术，为远程自诊断应用提供了一套安全且可靠的解决方案，远程自诊断装置使用FPGA和PCIe等技术不仅实现了远程自诊断功能，而且还提供了对目标设备进行远程控制的可能。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.026 seconds)
