基于注意力机制的点击率预测方法

    公开(公告)号:CN111538761A

    公开(公告)日:2020-08-14

    申请号:CN202010317646.8

    申请日:2020-04-21

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于注意力机制的点击率预测方法,包括:步骤1,对用户的特征进行预处理,将同一类用户特征进行One-hot独热编码,得到一个高维度的稀疏特征向量;步骤2,将高维度的稀疏特征向量通过嵌入向量对特征向量进行降维,将降维后的特征向量作为点击率模型的输入向量分别带入到压缩交互网络和深度神经网络之中;步骤3,将输入的初始特征向量与每一个隐藏层的输入向量进行哈达玛积,将得到的结果作为下一个隐藏层输入值,每多一个隐藏层,特征之间的组合就上升一个维度。本发明综合考虑了用户的低维特征、显式高维特征和隐式高维特征,并通过自注意力机制筛选有用的特征组合,提高预测效率,不需要人工提取特征,可以提取高维度的特征组合。

    基于微服务架构的智能楼宇平台系统

    公开(公告)号:CN111626604A

    公开(公告)日:2020-09-04

    申请号:CN202010455257.1

    申请日:2020-05-26

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于微服务架构的智能楼宇平台系统,包括:步骤1,对智能楼宇平台系统进行需求分析;步骤2,采用百度的摄像头进行人脸捕获,通过VC平台调用百度API进行人脸识别,将人脸识别的结果返回智能楼宇平台系统;步骤3,根据智能楼宇平台系统的需求分析,设计数据库、用户管理微服务模块、考勤打卡微服务模块、灯源控制微服务模块、监控管理微服务模块、设备管理微服务模块和接口。本发明所提供的基于微服务架构的智能楼宇平台系统,每一个微服务模块设置有独立的数据库,可以单独开发和部署,可以采用不同的编程语言开发,降低了智能楼宇平台系统的维护成本,提高了智能楼宇平台系统的可扩展性和敏捷性,提高了工作人员的开发效率。

    基于深度学习的金属表面缺陷检测方法

    公开(公告)号:CN111523540A

    公开(公告)日:2020-08-11

    申请号:CN202010306489.0

    申请日:2020-04-17

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于深度学习的金属表面缺陷检测方法,包括:步骤1,根据金属缺陷零件大小确定相机和光源型号,搭建好光源和相机的取图环境,进行图像采集;步骤2,对采集的图像进行数据集标注和数据集增强,并输入到混合特征金字塔网络结构中,进行特征提取;步骤3,将得到的每一层的特征图输入到RPN网络中,进行候选区域选取。本发明所提供的基于深度学习的金属表面缺陷检测方法,实现自动对生产线输入图像进行检测和缺陷识别定位,特征自动提取,消除手工特征提取带来的负影响,克服了机器视觉中受环境因素影响较大的缺点,混合特征金字塔网络结构针对较小目标以及多尺度问题有更好的表现。

Patent Agency Ranking