-
公开(公告)号：CN113240199B
公开(公告)日：2022-10-28
申请号：CN202110630985.6
申请日：2021-06-07
Abstract: 本发明涉及一种基于DILATE_TLSTM的港口船舶轨迹预测方法，具体包括S1、采集港口AIS数据并对所采集的数据预进行处理，获取轨迹预测数据集；S2、构建基于DILATE_TLSTM的港口船舶轨迹预测模型；S3、采用滑窗法对输入模型的序列进行处理，对模型进行训练，得到预测结果；S4、以平均绝对误差、均方误差、拟合优度、形状失真DTW和时间失真指数TDI对所述预测结果进行衡量评估，得到港口船舶轨迹预测模型的预测效果。本发明构建的基于DILATE_TLSTM的港口船舶轨迹预测模型能够实现直接多步预测，并基于形状和时间失真损失函数对TLSTM模型进行改进，提升了轨迹序列预测模型的拟合能力。
-
公开(公告)号：CN113505878A
公开(公告)日：2021-10-15
申请号：CN202110779945.8
申请日：2021-07-09
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
Abstract: 本发明公开了一种基于图神经网络的航迹预测方法，包括：S1：构建图神经网络模型。S2：获取待检测航迹序列数据集。S3：将待检测航迹序列数据集输入图神经网络模型，得到航迹预测轨迹。本发明结合图神经网络GNN(GraphNeuralNetworks，GNN)在空间特征提取方面强大的性能优势，将时空图神经网络模型应用于预测任务中，并倡导实验进行了可行性验证及同其他预测模型的对比分析，结果表明图神经网络在所有预测模型中，性能表现最好，相比于LSTM模型，在预测任务的准确性和稳定性方面均有提升。
-
公开(公告)号：CN114942951B
公开(公告)日：2025-03-25
申请号：CN202210640301.5
申请日：2022-06-08
IPC: G06F18/2431 , G06F18/214 , G06F18/213 , G06F18/15 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于AIS数据的渔船捕鱼行为分析方法，包括：对原始数据进行异常处理得到轨迹数据序列；基于轨迹数据序列构建数据集；基于数据集识别渔船捕捞状态和渔船作业类型。本发明提供了一种渔船捕捞状态和渔船作业类型识别方法，从使用深度学习算法挖掘数据集中有用的信息出发，构建了一条包含数据处理、渔船捕捞状态识别和渔船作业类型识别的一整套实验过程和标准，为渔业的可持续发展提供了数据信息保障。
-
公开(公告)号：CN118626719A
公开(公告)日：2024-09-10
申请号：CN202410798099.8
申请日：2024-06-20
Applicant: 兰州大学 , 兰州速微网络科技有限公司
IPC: G06F16/9535 , G06N3/0442
Abstract: 本发明公开了一种基于随机游走的短文推荐方法及系统，包括：获取用户和文章的初始嵌入表示，将所述初始嵌入表示映射到k个子空间，得到用户和文章的初始解耦嵌入；通过邻域路由算法聚合更新相应邻居信息，获得用户和文章的最终解耦表示，利用随机游走的思想对初始嵌入表示和所述最终解耦表示进行选择，得到用户和文章的最终表示；基于所述用户和文章的最终表示，添加一个全连接层，通过点积计算用户点击文章的概率，基于所述用户点击文章的概率获得预测偏好结果，将所述预测偏好结果输入门控网络获得短文推荐结果。本发明使用户能够获得与个人兴趣高度相关的推荐内容。
-
-
Patent Agency Ranking
公开(公告)号：CN111581991A
公开(公告)日：2020-08-25
申请号：CN202010409944.X
申请日：2020-05-14
Applicant: 兰州大学
IPC: G06F40/58 , G06F40/289 , G06F40/126 , G06F40/157
Abstract: 本发明涉及一种基于端到端神经机器翻译的汉盲翻译方法及系统，所述方法至少包括：基于端到端深度学习构建能够学习汉语文本到盲文ASCII码直接转换的映射函数的端到端神经机器翻译模型；基于现存未经处理的汉语到盲文ASCII码转换的对照语料库训练所述端到端神经机器翻译模型。本发明基于端到端深度学习思想，直接绕过分词、标调、合成等多个翻译处理阶段，通过训练较大的端到端神经机器翻译模型进行翻译，能够一步直接得到汉语文本的盲文翻译结果，随着训练数据的不断增加，相比多阶段处理的翻译方式能够在短时间、低成本、系统复杂度降低的情况下显著提高盲文翻译的准确率。
-
公开(公告)号：CN118863051A
公开(公告)日：2024-10-29
申请号：CN202410798115.3
申请日：2024-06-20
Applicant: 兰州大学
IPC: G06N5/04 , G06N3/0442 , G06Q50/20
Abstract: 本发明涉及一种基于注意力机制的多特征知识追踪方法，包括：获取学生的先前知识状态；将所述先前知识状态输入多特征知识追踪模型，输出当前知识状态，并基于所述当前知识状态预测学生下一时刻的答题表现；其中,所述多特征知识追踪模型基于注意力机制融合多维度信息计算注意力分数,引入学习门机制控制学生两次连续交互之间的知识状态差异。本发明的方法在知识追踪任务上具备合理性和有效性，能够准确地预测学生的知识状态并提供个性化的学习指导。
-
公开(公告)号：CN110390859A
公开(公告)日：2019-10-29
申请号：CN201810356739.4
申请日：2018-04-19
Applicant: 兰州大学
Abstract: 本发明提出一种基于MusicXML乐谱到盲文的转换方法及系统，包括一种基于MusicXML乐谱到盲文的转换方法(简称“方法”)以及一种基于MusicXML乐谱到盲文的转换系统(简称“系统”)。所述的方法主要包括一种对音乐乐谱通用格式MusicXML文件的内容进行预处理、乐谱到盲文转换、盲文乐谱精简化处理的方法；所述的系统主要包括：用户界面层、转换逻辑层；用户界面层包括：MusicXML乐谱录入模块、乐谱格式设置模块以及结果预览模块；转换逻辑层包括：预处理模块、转换模块、精简化处理模块；系统借助于方法帮助用户转换MusicXML乐谱到盲文乐谱。转换正确率在96％以上。
-
公开(公告)号：CN113505878B
公开(公告)日：2022-11-29
申请号：CN202110779945.8
申请日：2021-07-09
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
Abstract: 本发明公开了一种基于图神经网络的航迹预测方法，包括：S1：构建图神经网络模型。S2：获取待检测航迹序列数据集。S3：将待检测航迹序列数据集输入图神经网络模型，得到航迹预测轨迹。本发明结合图神经网络GNN(GraphNeuralNetworks，GNN)在空间特征提取方面强大的性能优势，将时空图神经网络模型应用于预测任务中，并倡导实验进行了可行性验证及同其他预测模型的对比分析，结果表明图神经网络在所有预测模型中，性能表现最好，相比于LSTM模型，在预测任务的准确性和稳定性方面均有提升。
-
公开(公告)号：CN115050214A
公开(公告)日：2022-09-13
申请号：CN202210638965.8
申请日：2022-06-07
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
Abstract: 本申请公开了一种基于AIS数据的船舶碰撞风险预测方法,通过采集待测试的AIS数据并进行数据预处理，然后通过两条船舶轨迹数据空间和时间建模获取轨迹对；基于获取的数据集进行船舶碰撞危险度计算及区域碰撞风险计算，通过Attention‑BiLSTM网络对轨迹对相对运动参数的船舶碰撞风险预测，获取输入特征以及标签值；然后通过多个模型分别预测不同时间段的碰撞风险等级，本申请通过研究船舶碰撞风险模型，可以有效的应对紧急情况并且作出反应来避免碰撞，通过提前告知船主或驾驶员两艘船舶未来某一刻碰撞的风险程度并提供路线规划的直接支持，可以有效的防止交通安全事故的发生。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
