一种基于深度学习的情感文本生成方法

    公开(公告)号:CN111859978B

    公开(公告)日:2023-06-20

    申请号:CN202010528337.5

    申请日:2020-06-11

    Abstract: 本发明公开了一种基于深度学习的情感文本生成方法,将变分自编码器和辅助分类器生成对抗网络有效地结合在一起,通过变分自编码器的数据特征挖掘以及潜在空间表示的优异性能进行情感文本生成任务,并在其中添加了注意力机制,而辅助分类器生成对抗网络的判别器则设计了一种利用词频‑逆文档频率、情感注意力融合特征向量加权计算的多特征卷积神经网络与深度双向门控循环单元组成的模型进行数据判别,并在其基础上增加了集成学习模块来提供生成器额外的情感分类损失惩罚。本发明生成的情感文本一定程度上接近真实的情感文本,不仅可用于文本分析的数据增强工作,也可使人机对话生成更加感性化的内容,提高结果精确率的同时也可提升执行效率。

    一种基于深度学习的情感文本生成方法

    公开(公告)号:CN111859978A

    公开(公告)日:2020-10-30

    申请号:CN202010528337.5

    申请日:2020-06-11

    Abstract: 本发明公开了一种基于深度学习的情感文本生成方法,将变分自编码器和辅助分类器生成对抗网络有效地结合在一起,通过变分自编码器的数据特征挖掘以及潜在空间表示的优异性能进行情感文本生成任务,并在其中添加了注意力机制,而辅助分类器生成对抗网络的判别器则设计了一种利用词频-逆文档频率、情感注意力融合特征向量加权计算的多特征卷积神经网络与深度双向门控循环单元组成的模型进行数据判别,并在其基础上增加了集成学习模块来提供生成器额外的情感分类损失惩罚。本发明生成的情感文本一定程度上接近真实的情感文本,不仅可用于文本分析的数据增强工作,也可使人机对话生成更加感性化的内容,提高结果精确率的同时也可提升执行效率。

    基于延续传递风格的无人机编队的异常处理方法

    公开(公告)号:CN110032210A

    公开(公告)日:2019-07-19

    申请号:CN201910284107.6

    申请日:2019-04-10

    Abstract: 本发明提供了一种基于延续传递风格的无人机编队的异常处理方法。基于延续传递风格的无人机编队的异常处理方法包括以下步骤:S1、获取、呈现无人机编队任务的流程控制步骤,并设定延续点;S2、模拟运行无人机编队任务的流程控制步骤,并捕获无人机编队任务执行过程中出现异常处的异常延续点;S3、调用无人机编队任务执行过程中的异常延续点,确定异常处的异常问题,并进行异常问题的修复;S4、异常问题修复后,自异常延续点重新运行无人机编队任务的流程控制步骤。本发明的基于延续传递风格的无人机编队的异常处理方法,利用函数式编程中延续传递风格来处理无人机执行编队任务时遇到的故障问题,以此提高无人机编队的异常处理的效率。

    基于延续的无人机编队飞控系统的动态调试方法

    公开(公告)号:CN110275830A

    公开(公告)日:2019-09-24

    申请号:CN201910510606.2

    申请日:2019-06-13

    Abstract: 本发明提供了基于延续的无人机编队飞控系统的动态调试方法,包括完成状态机转换步骤,设置实时断点步骤,停止无人机执行任务并保存状态步骤,读取状态并恢复无人机任务执行步骤。首先将无人机的飞行控制系统中编队构成部分编译成可手动控制的结构,即将无人机编队飞控系统的原程序代码转变成状态机,然后设置实时断点的位置,检查状态机中每一步,判断所有的断点,最后确定最新设置的断点。确定好断点所在的位置之后,根据函数式编程中的延续(Continuation)技术概念,让无人机在此处停止当前的执行任务,保存状态机信息和重要参数。检查程序这一步是否有问题,没有出现异常就让无人机从断点处恢复,继续开始执行任务。

    一种基于发布订阅的多无人机通信模式的设计方法

    公开(公告)号:CN109981161B

    公开(公告)日:2021-06-08

    申请号:CN201910191364.5

    申请日:2019-03-13

    Abstract: 本发明公开了一种基于发布订阅的多无人机通信模式的设计方法,包括以下步骤:步骤(1):根据多无人机通信时对于动态性与可靠性的需求,结合各类发布订阅系统的结构特点设计通信模式的拓扑结构;步骤(2):将无人机的能力与状态抽象为订阅,设计通信模式的订阅模型,将任务目标与任务约束抽象为事件,设计通信模式的事件模型;步骤(3):依照步骤(2)设计出的订阅模型与事件模型,结合多无人机通信过程中对于信息实时传递的需求设计通信模式的事件‑订阅匹配机制。本发明具有动态性、可靠性与松耦合性,能使多无人机在复杂多变的战场环境下仍能保证一定的通信质量的优点。

    计算无人机集群重新编队的最短编队距离的方法

    公开(公告)号:CN110347180A

    公开(公告)日:2019-10-18

    申请号:CN201910738940.3

    申请日:2019-08-12

    Abstract: 本发明提供了一种计算无人机集群重新编队的最短编队距离的方法,主要包括以下步骤:步骤S1、设计递归算法,并对该递归算法进行预处理,以找出递归代码部分;步骤S2、将递归算法中的递归代码部分利用CPS技术转化为尾递归形式;步骤S3、利用Trampoline技术对尾递归形式进行优化,以获得尾递归算法;步骤S4、利用优化后的尾递归算法计算无人机集群重新编队的最短编队距离以及最短编队路径集合。本发明通过递归算法计算无人机集群重新编队后的最短编队路径集合,可以提高无人机在执行任务中的续航时间,减少系统消耗,同时利用尾递归优化递归算法,有效解决了因为递归算法而产生的爆栈问题,保证程序的正常运行。

    一种基于Kafka的内容发布订阅通信模式的设计方法

    公开(公告)号:CN110263282A

    公开(公告)日:2019-09-20

    申请号:CN201910530336.1

    申请日:2019-06-19

    Abstract: 本发明提出了一种基于Kafka的内容发布订阅通信模式的设计方法,包括以下步骤:步骤(1):根据分布式流处理平台Kafka的功能特点,结合基于内容的发布订阅系统的客观需求,设计该通信模式的成员节点与拓扑结构;步骤(2):在步骤(1)的基础上,具体设计各成员节点的交互机制及相关发布订阅流程,本发明在Kafka平台所具备的基于主题的发布订阅模式的基础上,通过添加代理节点并重新设计通信流程以实现拥有更强表达能力的基于内容的发布订阅模式。

    基于延续传递风格的无人机编队的异常处理方法

    公开(公告)号:CN110032210B

    公开(公告)日:2022-03-11

    申请号:CN201910284107.6

    申请日:2019-04-10

    Abstract: 本发明提供了一种基于延续传递风格的无人机编队的异常处理方法。基于延续传递风格的无人机编队的异常处理方法包括以下步骤:S1、获取、呈现无人机编队任务的流程控制步骤,并设定延续点;S2、模拟运行无人机编队任务的流程控制步骤,并捕获无人机编队任务执行过程中出现异常处的异常延续点;S3、调用无人机编队任务执行过程中的异常延续点,确定异常处的异常问题,并进行异常问题的修复;S4、异常问题修复后,自异常延续点重新运行无人机编队任务的流程控制步骤。本发明的基于延续传递风格的无人机编队的异常处理方法,利用函数式编程中延续传递风格来处理无人机执行编队任务时遇到的故障问题,以此提高无人机编队的异常处理的效率。

    基于贝叶斯网络的侦查无人机作战效能评估方法

    公开(公告)号:CN110175773A

    公开(公告)日:2019-08-27

    申请号:CN201910438099.6

    申请日:2019-05-24

    Abstract: 本发明提供了一种基于贝叶斯网络的侦查无人机作战效能评估方法,包括建立效能评估指标体系、建立贝叶斯网络效能评估模型、贝叶斯网络推理三个部分。通过分析作战体系结构和基本作战流程,利用熵权法对效能评估指标集进行筛选,构建侦查无人机作战效能评估的指标体系,使得指标体系更加简单、合理;利用蒙特卡洛算法进行贝叶斯网络的参数学习,从而确定条件概率表,避免了手工输入条件概率表的麻烦,大大提高了效率;利用团树传播算法进行贝叶斯网络的精确推理,节省了推理的时间,提高了推理的准确性。

    基于SVM的对地攻击型无人机作战效能评估方法

    公开(公告)号:CN110059932A

    公开(公告)日:2019-07-26

    申请号:CN201910226764.5

    申请日:2019-03-25

    Abstract: 本发明提供了一种基于SVM的对地攻击型无人机作战效能评估方法。为了能够更加可靠地反映在复杂多变战场环境中无人机的作战效能,针对对地攻击型无人机作战效能评估的问题,提出了基于改进的粒子群算法优化支持向量机的对地攻击型无人机作战效能评估模型。该评估模型在支持向量机的基础上,采用改进的粒子群算法寻找最优惩罚参数和核函数参数,避免了人为设定惩罚参数和核函数参数的盲目性,另外,本发明结合熵权法与专家打分法对效能评估的指标体系进行筛选,将对地攻击型无人机作战效能主要进行数据链能力、态势感知能力、生存能力、武器能力四个方面的评估。

Patent Agency Ranking