一种基于强化学习的个性化短视频推荐方法以及系统

    公开(公告)号:CN113282787A

    公开(公告)日:2021-08-20

    申请号:CN202110567524.9

    申请日:2021-05-24

    Applicant: 暨南大学

    Abstract: 本发明提出一种基于强化学习的个性化短视频推荐方法以及系统,个性化短视频推荐方法包括:收集单个用户的历史记录,得到真实数据分布和专家轨迹;将真实数据分布输入GAN‑SD算法,对用户的特征进行建模,得到用户特征分布;将用户特征分布和专家轨迹输入到MAIL算法,对用户的交互行为建模,得到用户的决策函数;得到用户特征分布和决策函数后,完成对用户的建模;建模推荐引擎和用户的马尔科夫决策过程,用TRPO+ANC算法训练推荐引擎的马尔科夫决策过程,根据得到的累积回报值确定不同动作下的短视频推荐策略,从短视频推荐策略中选择最优的短视频推荐策略,将该策略加载为实际使用的推荐引擎。

    书法作品风格的识别方法、装置、电子装置和存储介质

    公开(公告)号:CN113065480A

    公开(公告)日:2021-07-02

    申请号:CN202110382382.9

    申请日:2021-04-09

    Applicant: 暨南大学

    Abstract: 本申请涉及书法作品风格的识别方法、装置、电子装置和存储介质,其中,该书法作品风格的识别方法包括:通过获取待识别的书法作品图像;对书法作品图像进行预处理,并对预处理后的图像进行书法字定位裁剪,得到至少一幅字图像,其中,预处理包括:中值滤波降噪处理、二值化处理、腐蚀膨胀的形态学图像处理;利用胶囊网络模型处理至少一幅字图像,获得每一幅字图像对应的第一分类标签,其中,胶囊网络模型被训练为用于根据字图像得到与该字图像对应的分类标签;根据第一分类标签确定书法作品图像的风格识别结果。通过本申请,解决了相关技术中书法作品风格的识别准确率低、效率不高的问题,实现了书法作品风格的快速准确识别。

    叶部病害的识别方法、装置、电子装置和存储介质

    公开(公告)号:CN112883873A

    公开(公告)日:2021-06-01

    申请号:CN202110197703.8

    申请日:2021-02-22

    Applicant: 暨南大学

    Abstract: 本申请涉及一种叶部病害的识别方法、装置、电子装置和存储介质,其中,该叶部病害的识别方法包括:通过获取待识别的植物叶片图像;对所述植物叶片图像进行预处理,得到多幅第一叶片图像;利用注意力机制模型处理多幅所述第一叶片图像,获得多幅所述第一叶片图像对应的第一分类标签,其中,所述注意力机制模型被训练为用于根据叶片图像得到与该叶片图像对应的分类标签,所述分类标签包括该叶片图像对应各种叶部病害类别的病害概率;根据所述第一分类标签确定所述植物叶片图像的识别结果。通过本申请,解决了相关技术中叶部病害识别费时费力、时效性低的问题,实现了叶部病害的实时检测识别。

    基于物联网的3D远程打印控制系统及控制方法

    公开(公告)号:CN110989945A

    公开(公告)日:2020-04-10

    申请号:CN201911211473.5

    申请日:2019-12-02

    Applicant: 暨南大学

    Abstract: 本发明公开基于物联网的3D远程打印控制系统及控制方法,该控制系统包括远程控制终端、云服务平台和3D打印机;远程控制终端装载有APP,远程控制终端能通过网络连接云服务平台,云服务平台通过网络连接3D打印机和连接数据库;远程控制终端能通过登录APP访问和连接云服务平台及将待打印3D模型文件加密后传送至云服务平台,远程控制终端能通过云服务平台远程控制3D打印机打印和实时查询3D打印机的打印状态信息;云服务平台能在验证远程控制终端身份后,加密和/或解密由远程控制终端传送的加密的3D模型文件并传送至数据库或3D打印机;3D打印机能下载并打印由云服务平台传送的3D模型文件,和反馈3D打印机的打印状态信息。

    一种涂装磷化除渣系统
    46.
    发明授权

    公开(公告)号:CN108193203B

    公开(公告)日:2019-08-02

    申请号:CN201810070990.4

    申请日:2018-01-25

    Applicant: 暨南大学

    Abstract: 本发明公开了一种涂装磷化除渣系统,包括磷化槽,磷化槽与磷化沉淀槽连接,磷化沉淀槽通过管道和第一输送泵连接串联/并联的若干过滤器,过滤器通过管道和过滤泵与磷化浓液储存箱连接,磷化浓液储存箱通过管道及第二输送泵与逆向过滤器连接,逆向过滤器通过管道和第三输送泵与全量过滤式除渣机连接,全量过滤式除渣机通过阀门配合管道连接反清洗装置和/或过滤膜组件;反清洗装置还通过清洗管、清洗泵及第一阀门与全量过滤式除渣机的回液/气口连接,并匹配构成反清洗回路;过滤膜组件与磷化沉淀槽、逆向过滤器从磷化沉淀槽的第一出液口、逆向过滤器的出液口及全量过滤式除渣机的出液口流出的澄清磷化液经过滤膜组件过滤后通过回水管送回磷化槽。

    基于贪婪算法的排考方法、装置、设备及介质

    公开(公告)号:CN110033239A

    公开(公告)日:2019-07-19

    申请号:CN201910301784.4

    申请日:2019-04-16

    Applicant: 暨南大学

    Abstract: 本发明公开基于贪婪算法的排考方法、装置、设备及介质,该排考方法包括:根据获取的高校教务系统中的考试任务集之教室信息集确定每一待排考的考试任务所需监考教师的总人数;利用贪婪算法,对从高校教务系统中获取的监考教师信息集中的所有监考教师逐个遍历并选出依次满足贪婪规则的监考教师,贪婪规则依次为:选取的监考教师的排考中不包含当前考试任务、与当前考试任务不冲突、监考教师的选取满足教师群体选择规律、选取的监考教师排考任务数最少;监考教师信息集包括监考教师姓名和教师群体编号;对每一考试任务分配匹配人数的选出的监考教师。本发明能解决现有中通过手工排考导致的人力/物力/资源浪费严重、执行环节间运作不协调问题。

    易疲劳断裂螺栓的宏观金相检测方法

    公开(公告)号:CN108535304A

    公开(公告)日:2018-09-14

    申请号:CN201810395307.4

    申请日:2018-04-27

    Applicant: 暨南大学

    Abstract: 本发明公开易疲劳断裂螺栓的宏观金相检测方法,包括:选取螺栓进行切割并获取具有受检面的检测试样,且对检测试样进行超声波清洗;采用扫描电镜对检测试样的受检面进行微观形貌观察,并界定出疲劳源区和扩展区;将检测试样垂直疲劳源区纵向剖开并磨制,制备具有纵向受检面的金相试样,并对金相试样的纵向受检面进行微观检测;采用透射电子显微镜对具有纵向受检面的金相试样进行能谱半定量分析,检测纵向受检面对应疲劳源区部分和检测试样基体部分是否集中分布非金属夹杂物;将金相试样采用硝酸酒精溶液浸蚀后进行疲劳源区的带状组织、贫碳检测和检测试样基体的带状组织检测;采用金相显微镜对该金相试样进行金相检测;疲劳断裂判定。

    一种涂装磷化除渣系统
    49.
    发明公开

    公开(公告)号:CN108193203A

    公开(公告)日:2018-06-22

    申请号:CN201810070990.4

    申请日:2018-01-25

    Applicant: 暨南大学

    CPC classification number: C23C22/86

    Abstract: 本发明公开了一种涂装磷化除渣系统,包括磷化槽,磷化槽与磷化沉淀槽连接,磷化沉淀槽通过管道和第一输送泵连接串联/并联的若干过滤器,过滤器通过管道和过滤泵与磷化浓液储存箱连接,磷化浓液储存箱通过管道及第二输送泵与逆向过滤器连接,逆向过滤器通过管道和第三输送泵与全量过滤式除渣机连接,全量过滤式除渣机通过阀门配合管道连接反清洗装置和/或过滤膜组件;反清洗装置还通过清洗管、清洗泵及第一阀门与全量过滤式除渣机的回液/气口连接,并匹配构成反清洗回路;过滤膜组件与磷化沉淀槽、逆向过滤器从磷化沉淀槽的第一出液口、逆向过滤器的出液口及全量过滤式除渣机的出液口流出的澄清磷化液经过滤膜组件过滤后通过回水管送回磷化槽。

    一种基于动力电池循环老化衰退决策主动再制造时域的方法

    公开(公告)号:CN117907833B

    公开(公告)日:2024-12-24

    申请号:CN202311594059.3

    申请日:2023-11-27

    Abstract: 本发明公开了一种基于动力电池循环老化衰退决策主动再制造时域的方法,该方法包括以下步骤:基于单体不一致性的动力电池性能衰退状态量化的表征;解析模型与孪生数据融合的动力电池主动再制造时域的决策;通过分析有关动力电池主动再制造时域决策的影响因素,揭示了动力电池多尺度结构下单体不一致性对其整体性能衰退状态的影响规律;在提取动力电池单体性能参数数据的基础上,通过运用Sklar理论映射为动力电池整体性能衰退状态,进一步采用循环老化衰退机理和孪生数据融合的方法对动力电池主动再制造时域上下限进行决策,从而为延长动力电池使用寿命、动态预测动力电池主动再制造时域提供重要基础。

Patent Agency Ranking