-
公开(公告)号：CN112948681B
公开(公告)日：2024-02-27
申请号：CN202110270394.2
申请日：2021-03-12
Applicant: 北京交通大学
IPC: G06F16/9535 , G06F16/36 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合多维度特征的时间序列数据推荐方法。该方法包括：利用多通道卷积神经网络从不同维度捕获项目的内部特征；将内部特征与时间序列网络模型捕获的外部特征合并；通过注意机制将内部特征和外部特征合并，作为转换函数的输入；对于用户下一次点击事件，预测输出用户点击项目的可能性。本发明既考虑了会话项目推荐的外部特征，又包含了会话项目推荐的内部特征，能够利用会话丰富的嵌入特征提供高精确度的个性化推荐。
-
公开(公告)号：CN113096037B
公开(公告)日：2023-08-22
申请号：CN202110350173.6
申请日：2021-03-31
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于深度学习的轮对光条图像的修复方法。该方法包括：采集待修复的轮对光条图像，将待修复的轮对光条图像输入循环网络中；在循环网络中，利用软编码Pconv层和非对称相似度模块对待修复的轮对光条图像进行循环渐进式的修复处理；将所述循环网络输出的多个修复特征图进行特征融合，得到融合特征图，利用损失函数结合MS‑SSIM损失项计算所述融合特征图与真值图像之间的差异值，根据差异值调整所述融合特征图，得到修复后的轮对光条图像。本发明实施例的方法能够对轮对多线激光光条图像进行有效的光斑修复和局部断裂修补，能准确还原断裂区域的光条；并且本发明在光斑区域的修复效果也很不错，能够达到当前实际工业环境下的精度要求。
-
公开(公告)号：CN113096037A
公开(公告)日：2021-07-09
申请号：CN202110350173.6
申请日：2021-03-31
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于深度学习的轮对光条图像的修复方法。该方法包括：采集待修复的轮对光条图像，将待修复的轮对光条图像输入循环网络中；在循环网络中，利用软编码Pconv层和非对称相似度模块对待修复的轮对光条图像进行循环渐进式的修复处理；将所述循环网络输出的多个修复特征图进行特征融合，得到融合特征图，利用损失函数结合MS‑SSIM损失项计算所述融合特征图与真值图像之间的差异值，根据差异值调整所述融合特征图，得到修复后的轮对光条图像。本发明实施例的方法能够对轮对多线激光光条图像进行有效的光斑修复和局部断裂修补，能准确还原断裂区域的光条；并且本发明在光斑区域的修复效果也很不错，能够达到当前实际工业环境下的精度要求。
-
公开(公告)号：CN112948681A
公开(公告)日：2021-06-11
申请号：CN202110270394.2
申请日：2021-03-12
Applicant: 北京交通大学
IPC: G06F16/9535 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合多维度特征的时间序列数据推荐方法。该方法包括：利用多通道卷积神经网络从不同维度捕获项目的内部特征；将内部特征与时间序列网络模型捕获的外部特征合并；通过注意机制将内部特征和外部特征合并，作为转换函数的输入；对于用户下一次点击事件，预测输出用户点击项目的可能性。本发明既考虑了会话项目推荐的外部特征，又包含了会话项目推荐的内部特征，能够利用会话丰富的嵌入特征提供高精确度的个性化推荐。
-
-
-
Search Results
4
records
(took 0.017 seconds)
