公开(公告)号：CN117196763A

公开(公告)日：2023-12-08

申请号：CN202311025453.5

申请日：2023-08-15

Applicant: 华南农业大学

Inventor： 古万荣 ,  朱奕鑫 ,  李观明

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06F16/9537 ,  G06F16/2457 ,  G06F16/2458 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/047 ,  G06N3/084 ,  G06N3/082

Abstract: 本发明公开了一种基于时序感知自注意力和对比学习的商品序列推荐方法，包括：1)数据预处理，将用户历史数据组织成用户行为序列；2)构建一个基于时序感知自注意力和对比学习的序列推荐模型，包括一个改进Transformer的序列推荐器和一个对比学习模块，对模型进行训练；3)将用户历史行为序列数据输入到训练好的模型中，根据模型生成的预测分数对用户下一个购买的商品进行推荐。本发明在自注意力机制中引入真实的时间间隔信息，并通过解耦的时序感知多头自注意力的计算，增强模型捕获复杂序列依赖的能力；同时引入对比学习，在数据稀疏及噪音偏差问题下，仍可完整建模出用户偏好关系，提升商品推荐的效果。

公开(公告)号：CN113887868B

公开(公告)日：2024-09-06

申请号：CN202111013269.X

申请日：2021-08-31

Applicant: 华南农业大学

Inventor： 柯海萍 ,  毛宜军 ,  古万荣 ,  梁早清 ,  黄锦涛 ,  李观明 ,  陈蔚钊

IPC: G06Q10/0635 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于改进的神经网络实现食品风险评估的方法，包括步骤：1)获取样本食品数据集；2)对样本食品数据集进行预处理，将预处理后的样本数据集分为训练集和测试集；3)将训练集输入到改进的DCN网络模型中进行训练，训练完成后得到最优的改进DCN网络模型；4)将测试集输入到最优的改进DCN网络模型中进行测试，测试后得到样本食品的最终预测值，是每个样本食品所对应的风险评估预测分数。本发明将神经网络的特征提取技术和食品风险评估结合起来，通过决策树的残差计算方法和深度交叉网络中的特征交叉计算方法来挖掘数据特征，利用模型实现样本食品风险评估的预测，从而有效缓解食品风险预测耗费人工的问题。

公开(公告)号：CN117218379A

公开(公告)日：2023-12-12

申请号：CN202311030798.X

申请日：2023-08-15

Applicant: 华南农业大学

Inventor： 李建裕 ,  田绪红 ,  古万荣 ,  毛宜军 ,  李观明 ,  黄锦涛 ,  朱奕鑫 ,  陈蔚钊

IPC: G06V10/62 ,  G06V10/764 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G16H80/00 ,  G16H50/30

Abstract: 本发明公开了一种猪只跟踪与检测健康状态的方法，包括：S1、获取猪只的初始图像并处理，得到带有标注框的猪只图像数据，再对猪只图像数据进行数据增强处理后划分训练集、验证集和测试集；S2、将训练集和验证集输入改进YOLOv5网络进行训练和验证，得到一个能够自动对图像中的猪只进行目标检测和行为检测的最优网络；S3、将测试集输入到最优网络中，得到带有检测信息的猪只视频，再将其输入到改进OCSort多目标跟踪算法中；S4、在跟踪过程中会获得一系列的猪只行走、饮食和躺卧信息作为跟踪结果，对跟踪结果进行健康判断，最终实现猪只的实时健康检测。本发明提高了猪只识别跟踪过程中识别率和跟踪效果，并且能够检测猪只健康状态，具有一定的实用性。

公开(公告)号：CN117557327A

公开(公告)日：2024-02-13

申请号：CN202311022587.1

申请日：2023-08-14

Applicant: 华南农业大学

Inventor： 古万荣 ,  李观明 ,  毛宜军 ,  王国华

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06F16/9536 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/21 ,  G06F18/214 ,  G06N20/00

Abstract: 本发明公开了一种基于改进图卷积神经网络的物品推荐方法，包括：1)采集用于推荐的用户‑物品交互数据集，并将其转化为原子文件；2)利用原子文件构建用户‑物品二部图，将用户‑物品二部图输送到改进图卷积神经网络进行参数学习，得到一个能够用于推荐的最优网络；3)通过最优网络即可为用户‑物品二部图中的任意用户推荐其可能感兴趣的物品，即将一个待推荐的用户‑物品二部图输入到该最优网络中，就会准确给出所有用户的推荐列表。本发明鲁棒性更强，推荐结果更稳定和准确，同时明确挖掘了用户和物品在用户‑物品二部图上的邻居信息，通过整合用户‑物品二部图上丰富的邻域信息，丰富了用户和物品节点的邻域关系，使得网络的推荐性能得到了进一步的提升。

公开(公告)号：CN113887868A

公开(公告)日：2022-01-04

申请号：CN202111013269.X

申请日：2021-08-31

Applicant: 华南农业大学

Inventor： 柯海萍 ,  毛宜军 ,  古万荣 ,  梁早清 ,  黄锦涛 ,  李观明 ,  陈蔚钊

IPC: G06Q10/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进的神经网络实现食品风险评估的方法，包括步骤：1)获取样本食品数据集；2)对样本食品数据集进行预处理，将预处理后的样本数据集分为训练集和测试集；3)将训练集输入到改进的DCN网络模型中进行训练，训练完成后得到最优的改进DCN网络模型；4)将测试集输入到最优的改进DCN网络模型中进行测试，测试后得到样本食品的最终预测值，是每个样本食品所对应的风险评估预测分数。本发明将神经网络的特征提取技术和食品风险评估结合起来，通过决策树的残差计算方法和深度交叉网络中的特征交叉计算方法来挖掘数据特征，利用模型实现样本食品风险评估的预测，从而有效缓解食品风险预测耗费人工的问题。