-
公开(公告)号：CN119720102A
公开(公告)日：2025-03-28
申请号：CN202510228062.6
申请日：2025-02-28
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F18/25 , G06F18/214 , G06F18/2431 , G06F18/213 , G06F18/22 , G06N3/092
Abstract: 本发明涉及多模态情感分析技术领域，尤其是涉及基于融合分解与主干聚拢的多模态情感分析方法及系统。所述方法，包括获取带有不确定缺失的多模态数据，构建情感分析模型，利用训练完成的模型输出情感预测结果。本发明的基于融合分解与主干聚拢的多模态情感分析方法，提出了金字塔多头注意力机制，金字塔多头注意力机制通过层层递进的方式逐步增加注意力头的数量，并自适应结合各层的结果，从而更好地提取不同模态中的多层次特征信息，提高情感分析的准确性和鲁棒性；此外，为了节省多头注意力的资源消耗以及提升运行速度，将多头注意力中的值（V）去掉，直接用键（K）来代替V，以此去掉V相关的操作来提升性能。
-
公开(公告)号：CN119646593A
公开(公告)日：2025-03-18
申请号：CN202510151938.1
申请日：2025-02-12
Applicant: 烟台大学
IPC: G06F18/24 , G06F18/25 , G06F18/213 , G06N3/0455 , G06N3/0464
Abstract: 本发明属于数据处理技术领域，具体涉及不确定模态下的多模态意图识别方法、系统、装置、介质，为了应对文本模态质量的不确定问题，将文本特征与共性特征进行多头注意力处理，以此生成动态文本权重并作用于文本模态，从而动态优化文本模态；为了解决不确定模态带来的信息不足问题，利用余弦相似度函数计算具有最高优先级的模态与全模态样本数据集中相应模态的相似度，得到相似的全模态样本，并拼接形成目标增强特征，随后经交叉注意力处理对目标增强特征与融合特征进行深度关联学习，从而增强融合特征的质量。
-
公开(公告)号：CN119293669B
公开(公告)日：2025-03-07
申请号：CN202411803360.5
申请日：2024-12-10
Applicant: 烟台大学
IPC: G06F18/2431 , G06N3/092 , G06N3/0455 , G06N5/02 , G06Q50/06 , G01R31/08
Abstract: 本发明涉及强化学习、电网故障诊断技术领域，具体为一种基于先验知识强化学习的电网故障诊断方法、系统和装置，获取不同环境状态下电网故障的告警数据文本，首先将告警数据文本与先验知识中的关键特征规则先进行关键特征的文本匹配，如果匹配成功，则直接输出动作，将匹配不成功的告警数据文本经嵌入处理后转化为嵌入向量，对嵌入向量进行进一步处理，得到当前环境状态下不同动作的期望值，然后基于开关特征、开关状态特征、不同动作的估计期望值获得当前环境状态下估计期望值最高的动作和对应的电网故障类型，并引入经验回放更新估计期望值，有效提高了对电网故障诊断的有效性和准确性。
-
公开(公告)号：CN119557426A
公开(公告)日：2025-03-04
申请号：CN202510111855.X
申请日：2025-01-24
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/334 , G06F18/25 , G06F18/213 , G06N3/04
Abstract: 本发明涉及多模态情感分析技术领域，尤其是涉及一种基于预训练与在线学习的多模态情感分析方法及系统。所述方法，包括获取情感分析多模态数据，构建情感分析模型，包括构建多头注意力机制分别对文本、图像和音频模态进行编码处理，并将编码后的各模态特征拼接融合；利用前馈神经网络与多头注意力机制对融合特征中各模态间的交互关系进行挖掘；通过构建全连接神经网络评估联合特征中各模态对情感分析任务的贡献程度；将联合特征和加权后的各模态特征融合实现特征补充优化，利用训练完成的模型输出情感预测结果，本发明通过构建多头注意力机制对各模态进行编码处理，将编码后的模态特征进行拼接融合，从而显著提升情感分析的准确性。
-
公开(公告)号：CN119295163A
公开(公告)日：2025-01-10
申请号：CN202411832792.9
申请日：2024-12-13
Applicant: 烟台大学
IPC: G06Q30/0283 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及移动众包技术领域，尤其是涉及一种基于锚定效应的移动众包隐性动态激励方法及系统。方法包括构建LSTM任务价格预测模型，即TP‑LSTM模型；利用TP‑LSTM模型基于任务进行任务价格预测和服务质量预测；基于预测结果，进行任务信息锚定；基于任务信息锚定进行工人招募最优激励，其中包括初始招募过程的最优激励和紧急招募过程的最优激励。利用TP‑LSTM模型显著提高了任务价格预测的准确性，能够识别并利用数据中的时间序列模式，有效减少预测误差，为平台提供更为可靠的决策支持。
-
Patent Agency Ranking
公开(公告)号：CN119293669A
公开(公告)日：2025-01-10
申请号：CN202411803360.5
申请日：2024-12-10
Applicant: 烟台大学
IPC: G06F18/2431 , G06N3/092 , G06N3/0455 , G06N5/02 , G06Q50/06 , G01R31/08
Abstract: 本发明涉及强化学习、电网故障诊断技术领域，具体为一种基于先验知识强化学习的电网故障诊断方法、系统和装置，获取不同环境状态下电网故障的告警数据文本，首先将告警数据文本与先验知识中的关键特征规则先进行关键特征的文本匹配，如果匹配成功，则直接输出动作，将匹配不成功的告警数据文本经嵌入处理后转化为嵌入向量，对嵌入向量进行进一步处理，得到当前环境状态下不同动作的期望值，然后基于开关特征、开关状态特征、不同动作的估计期望值获得当前环境状态下估计期望值最高的动作和对应的电网故障类型，并引入经验回放更新估计期望值，有效提高了对电网故障诊断的有效性和准确性。
-
公开(公告)号：CN119066621A
公开(公告)日：2024-12-03
申请号：CN202411554974.4
申请日：2024-11-04
Applicant: 烟台大学
IPC: G06F18/25 , G06F18/241 , G06N3/0464 , G06Q50/06 , G01R31/08
Abstract: 本发明涉及电网故障诊断技术领域，具体为一种电网故障诊断方法、系统、装置和存储介质，对采集的原始故障录波数据和故障录波仿真数据进行预处理和同步压缩小波变换处理后，得到故障特征，将故障特征依次经全卷积掩码处理和解码处理后输入电网故障诊断模型进行模型训练，得到训练好的电网故障诊断模型，对新输入的故障录波数据进行浅层特征提取后进行多重卷积处理获得深度特征，然后进行无参注意力处理，与深度特征进行融合处理后得到加权深度特征，经下采样处理后将得到的最终加权深度特征进行全连接处理，输出对应的故障类型标签，可以提高电网故障诊断的准确性和效率。
-
公开(公告)号：CN118861945A
公开(公告)日：2024-10-29
申请号：CN202411327885.6
申请日：2024-09-24
Applicant: 烟台大学
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于卷积注意力网络的动态电力特征融合方法及系统。方法，包括获取电力数据；对获取的电力数据进行预处理；对预处理的电力数据进行初步分类后进行特征提取；构建基于时空图卷积注意力网络的电力预测模型；利用基于时空图卷积注意力网络的电力预测模型对提取的特征进行预测；利用Adam 优化器并基于学习率衰减策略对模型进行测试与验证。本发明在电力系统节点分类任务中显著提高了分类准确率。
-
公开(公告)号：CN118797541A
公开(公告)日：2024-10-18
申请号：CN202411288147.5
申请日：2024-09-14
Applicant: 烟台大学
IPC: G06F18/2433 , G06F18/2411 , G06F18/213 , G06F18/2111 , G06F18/25
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于遗传算法的电能占用异常检测方法及系统。方法包括对用电测量数据进行数据预处理；利用统计和电气参数从用电测量数据中合成新特征；基于人工蜂群算法和遗传算法选择突出特征；利用去噪自编码器从电力消费数据的突出特征中提取高方差特征；将提取到的特征输入到支持向量机中检测电能占用异常行为。本发明通过集成大数据和遗传算法，提出了一种有效的电能占用异常检测方法及系统，该方法及系统能够显著提高检测非技术损失的效率。
-
公开(公告)号：CN118193853B
公开(公告)日：2024-07-23
申请号：CN202410605377.3
申请日：2024-05-16
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/9535 , G06F16/9536 , G06N3/042
Abstract: 本发明涉及商业领域数据预测推荐技术领域，具体为一种随机群组的兴趣点推荐方法、系统、设备和存储介质；为解决现有技术中随机群组兴趣点预测结果较低，推荐准确度较低，影响用户商业体验感的问题，本申请首先将基于随机群组的相似用户得到的待推荐兴趣点集特点，与用户性格影响度结合，获取随机群组拟合特征表示；接着，通过将兴趣交互结构图进行多层图神经网络处理，得到每个待推荐兴趣点特征表示；随后，将待推荐兴趣点特征表示进行概率映射处理，获取优选兴趣点；最后，根据优选兴趣点的预测评分获取随机用户的期望值后，进行多协商推荐处理，得到最优推荐兴趣点；应用在商业数据预测领域中，能提高推荐准确度更高，提升用户商业体验感。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.044 seconds)
