-
公开(公告)号：CN119382090A
公开(公告)日：2025-01-28
申请号：CN202411420633.8
申请日：2024-10-12
Applicant: 南京邮电大学通达学院
IPC: H02J3/00 , G06Q50/06 , G06Q10/04 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于改进Bert的长期风电功率预测方法。该方法主要包括如下步骤：首先，对数据集中风机信息的异常值和时间信息进行预处理。接着，使用全连接层和卷积层处理数据，以得到带有时序信息和时间信息的风机信息的高维度表示。使用全连接层对其进行处理，分别得到多头自注意力机制所需的共享查询键矩阵和值矩阵。然后，使用随机旋转的方法，将数据矩阵映射到不同哈希桶中，在每个哈希桶内使用多头自注意力机制。最后，使用残差连接和层归一化处理得到最终结果。本发明提出的改进Bert模型能够在将时间复杂度降低至O(nlogn)的同时，提高预测的准确率。
-
公开(公告)号：CN115953647A
公开(公告)日：2023-04-11
申请号：CN202211697708.8
申请日：2022-12-28
Applicant: 南京邮电大学通达学院
IPC: G06V10/774 , G06V10/764 , G06V20/70 , G06V10/82 , G06T7/11 , G06T3/40 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于YoloV5的房源自标签系统实现方法。该方法主要包括如下步骤：首先，获取数据集，通过标准化对图像信息进行预处理，并使用roboflow对数据进行标注类别；其次在预训练的Yolov5m模型上对图像信息进行特征提取，在对图像信息特征提取的过程中，使用Mosaic数据增强，将四张图片进行随机裁剪，再拼接到一张图上作为训练数据；接着根据图像实际的标注框，优化网络参数，降低损失函数；最后在训练完模型后，使用Flask框架对模型进行运用，结果无需部署在带有GPU的服务器上，对不同接口分别采用同步与异步2种方式请求结果，同时使用Paste来提高系统的并行能力。
-
公开(公告)号：CN115014709A
公开(公告)日：2022-09-06
申请号：CN202210640336.9
申请日：2022-06-08
Applicant: 南京邮电大学通达学院
IPC: G01M11/00 , G01N21/892
Abstract: 本发明属于机器视觉技术领域，尤其为一种基于STM32的超轻量的光纤缠绕缺陷检测方法。该方法主要包括如下步骤：首先，构建基于Yolo‑Fastest V2的模型，ShufflenetV2作为主要骨架。其次，将光纤缠绕可能出现的缠绕缺陷结果分类。然后，使用Pytorch与STM32‑CUBE‑Ai对模型转换、压缩、量化，使得模型适用于STM32的框架。最后部署并运行，STM32用摄像头对预测框进行筛选并分类处理，若出现发生特征信号则给PMAC做处理。本发明主要解决基于STM32超轻量光纤缠绕缺陷的检测问题。
-
公开(公告)号：CN116595260A
公开(公告)日：2023-08-15
申请号：CN202310609035.4
申请日：2023-05-25
Applicant: 南京邮电大学通达学院
IPC: G06F16/9535 , G06N3/048 , G06N3/042 , G06N3/084
Abstract: 本发明属于人工智能推荐系统领域，公开了一种基于解纠缠表示学习的个性化标签推荐方法，包括：首先，获得各个潜在意图的分块表示，利用图解纠缠模块，将潜在意图的分块表示与对应意图进行耦合，得到用户、物品、面向用户的标签和面向物品的标签的解纠缠嵌入表示，利用独立性模块计算不同意图之间的独立性损失，利用成对张量分解算法学习用户、物品、面向用户的标签和面向物品的标签的嵌入式表示，使用用户和面向用户的标签的嵌入表示的内积与物品和面向物品的标签的嵌入表示的内积之和预测标签的评分，提供个性化的标签推荐。本发明不仅提高了个性化标签推荐算法的准确性，还提升了个性化标签推荐算法的可解释性，使用户更加信赖推荐结果。
-
Patent Agency Ranking
公开(公告)号：CN115525069A
公开(公告)日：2022-12-27
申请号：CN202210640351.3
申请日：2022-06-08
Applicant: 南京邮电大学通达学院
IPC: G05D15/01
Abstract: 本发明属于张力控制技术领域，尤其为一种分布式自调参光纤环缠绕张力控制方法。该方法主要包括如下步骤：首先，将统一化的模型部署在生产地的计算中心，接着计算中心所部署的单一计算单位可同时为多台缠绕机做PID因子的预测，从而提高计算资源利用率。最后，计算中心与外网做隔离，保障了技术的安全性，同时提高了稳定性和响应速度。计算中心非部署在生产中心,从而避免对绕环机产生影响，为高稳定生产环境提供必要保障。本发明主要解决在光纤绕环中张力影响因素多，难以控制PID的超参数问题。
-
公开(公告)号：CN117765227A
公开(公告)日：2024-03-26
申请号：CN202311194195.3
申请日：2023-09-15
Applicant: 南京邮电大学通达学院
IPC: G06V10/24 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于轻量级神经网络的旋转图像矫正方法。该方法主要包括如下步骤：首先，输入项目的图像信息，通过标准化对图像信息进行预处理；其次采用深度可分离卷积模块对图像信息进行特征提取，在对图像信息特征提取的过程中，使用残差网络结构连接输入层与输出层；然后通过池化、全连接层，得到图像预测旋转的方向和角度；接着根据图像实际旋转的方向与角度，优化目标函数，学习模型参数；最后得到一个较为精准的预测图像旋转角度的轻量级神经网络模型。本方法主要解决了传统图像旋转预测中模型参数量多、准确率低、速度慢的问题。
-
公开(公告)号：CN116204831A
公开(公告)日：2023-06-02
申请号：CN202211705995.2
申请日：2022-12-29
Applicant: 南京邮电大学通达学院
IPC: G06F18/2415 , G06F18/2135 , G06F18/23213 , G06N3/045 , G06N3/047 , G06N3/084 , G06F17/16
Abstract: 本发明公开了一种基于神经网络的道地性分析法。该方法主要包括如下步骤：首先，提取对应药物的近红外(4004cm‑1‑10000cm‑1)和中红外(552cm‑1‑4000cm‑1)数据共9044条光谱数据，使用基于SVD奇异值分解处理协方差矩阵实现的主成分分析(PCA)法对数据进行降维预处理；其次采用全连接神经网络对数据进行特征提取，最后在神经网络的输出17个值并采用柔性最大值来转化成类别的概率；接着根据药物的实际旋转的类别，优化网络参数，降低损失函数；最后得到一个较为准确能够预测中药道地性类别的方法，本方法主要解决了在传统药材光谱分析中特征不显著难以分析其道地性的情况。
-
公开(公告)号：CN116821501A
公开(公告)日：2023-09-29
申请号：CN202310792399.0
申请日：2023-06-30
Applicant: 南京邮电大学通达学院
IPC: G06F16/9535 , G06N3/0464 , G06N3/048 , G06N3/094
Abstract: 本发明属于人工智能推荐系统领域，公开了一种基于对抗学习图卷积神经网络的推荐方法，首先，初始化隐式的用户特征矩阵、隐式的物品特征矩阵，构建用户‑物品交矩阵，获得用户物品的高阶嵌入表示，加入对抗扰动，迭代的叠加多层图卷积神经网络，获得添加对抗扰动后用户物品的高阶嵌入表示，计算对抗损失，将对抗损失集成到BPR的目标公式中，最小化目标公式，学习用户和物品的特征表示，通过计算用户和物品嵌入表示的内积预测物品的评分，根据预测评分提供个性化的物品推荐。本发明在图卷积推荐算法的基础上，集成了对抗学习模块，有效地减轻了推荐模型的泛化误差，不仅提高了推荐算法的鲁棒性，而且提升了推荐算法的性能。
-
公开(公告)号：CN116821500A
公开(公告)日：2023-09-29
申请号：CN202310792361.3
申请日：2023-06-30
Applicant: 南京邮电大学通达学院
IPC: G06F16/9535 , G06N3/0464 , G06F17/16 , G06N3/048 , G06N3/08
Abstract: 本发明属于人工智能推荐系统领域，公开了一种基于对比学习的个性化标签推荐方法，包括：通过高斯先验初始化隐式的特征矩阵，在用户与标签交互图和物品与标签交互图上，利用图卷积神经网络获得用户、物品、面向用户的标签和面向物品的标签的高阶嵌入表示并在高阶嵌入表示中注入噪音，获得带噪音的用户和面向用户标签的嵌入表示，采用Info_NEC计算对比损失，构建目标函数，通过Adam优化器学习模型参数，使用用户和面向用户的标签的嵌入表示的内积与物品和面向物品的标签的嵌入表示的内积之和预测标签的评分，根据预测评分提供个性化的标签推荐。本发明利用对比学习从输入数据本身中提取有价值的信息，减轻数据稀疏问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
