-
公开(公告)号：CN113988786A
公开(公告)日：2022-01-28
申请号：CN202111233057.2
申请日：2021-10-22
Applicant: 安徽农业大学 , 安徽安宠宠物用品有限公司
Abstract: 本发明公开了一种基于双层异构图神经网络的企业协同制造决策方法，采用图神经网络对产业链以及企业内部工作关系进行建模，并利用企业数据进行训练。相较于传统的针对单一领域的工作流建模方法，本发明可获得应用范围更广，覆盖多个产业流程的关系模型。采用双层异构图神经网络，首先将产业链模型训练产生粗粒度的生产决策，然后将粗粒度决策与企业内部协同网络进行耦合，进一步产生细粒度的生产决策。采用双层异构图神经网络方法可直接对其中复杂企业关系和企业内部关系进行耦合分析,针对所做出的决策，将其输入决策评价系统进行分析，得到决策的综合质量评估，形成对最终决策结果的反馈优化，较传统人工决策和单一行业决策更全面，可行度更高。
-
公开(公告)号：CN113985879A
公开(公告)日：2022-01-28
申请号：CN202111260761.7
申请日：2021-10-28
Applicant: 安徽安宠宠物用品有限公司 , 安徽农业大学
IPC: G05D1/02
Abstract: 本发明公开了基于历史数据动态优化的智能移动巡检系统及方法，结合巡检数据采用多目标蚱蜢优化模型动态优化出不同时间段下不同生产车间和仓库的巡检项目及关键点；优化后的巡检项目及关键点再次采用多目标蚱蜢优化模型训练学习，进一步动态优化出不同生产车间和仓库的巡检点优先级、巡检次数和巡检时间；再进一步采用二维(2D)网格模型的路径规划算法优化出巡检路线；在巡检过程中，采用基于YOLOX模型的图像识别技术和三维激光雷达，获取巡检车的实时行驶数据和实时巡检数据，对此数据进行处理，实现巡检车实时自动行驶、自动巡检。解决不同时间段、生产车间、仓库的巡检点、巡检项目、巡检次数和巡检路线等动态优化问题，提高巡检的效率和准确性。
-
公开(公告)号：CN113988786B
公开(公告)日：2024-08-13
申请号：CN202111233057.2
申请日：2021-10-22
Applicant: 安徽农业大学 , 安徽安宠宠物用品有限公司
IPC: G06Q10/101 , G06Q50/04 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双层异构图神经网络的企业协同制造决策方法，采用图神经网络对产业链以及企业内部工作关系进行建模，并利用企业数据进行训练。相较于传统的针对单一领域的工作流建模方法，本发明可获得应用范围更广，覆盖多个产业流程的关系模型。采用双层异构图神经网络，首先将产业链模型训练产生粗粒度的生产决策，然后将粗粒度决策与企业内部协同网络进行耦合，进一步产生细粒度的生产决策。采用双层异构图神经网络方法可直接对其中复杂企业关系和企业内部关系进行耦合分析,针对所做出的决策，将其输入决策评价系统进行分析，得到决策的综合质量评估，形成对最终决策结果的反馈优化，较传统人工决策和单一行业决策更全面，可行度更高。
-
公开(公告)号：CN113985879B
公开(公告)日：2024-02-02
申请号：CN202111260761.7
申请日：2021-10-28
Applicant: 安徽安宠宠物用品有限公司 , 安徽农业大学
Abstract: 本发明公开了基于历史数据动态优化的智能移动巡检系统及方法，结合巡检数据采用多目标蚱蜢优化模型动态优化出不同时间段下不同生产车间和仓库的巡检项目及关键点；优化后的巡检项目及关键点再次采用多目标蚱蜢优化模型训练学习，进一步动态优化出不同生产车间和仓库的巡检点优先级、巡检次数和巡检时间；再进一步采用二维(2D)网格模型的路径规划算法优化出巡检路线；在巡检过程中，采用基于YOLOX模型的图像识别技术和三维激光雷达，获取巡检车的实时行驶数据和实时巡检数据，对此数据进行处理，实现巡检车实时自动行驶、自动巡检。解决不同时间段、生产车间、仓库的巡检点、巡检项
-
公开(公告)号：CN119920356A
公开(公告)日：2025-05-02
申请号：CN202411993968.9
申请日：2024-12-31
Applicant: 安徽农业大学
Abstract: 本发明公开了一种可解释联邦大模型的药物分子生成方法，涉及人工智能技术领域，所述方法包括S1、通过数据特征提取与模型初始化步骤，从分布式数据中提取多模态特征，构建并初始化药物分子生成模型，S2、通过大模型对联邦学习客户端进行参数优化，包括基于分布式客户端的本地训练微调，将微调好的参数整合到服务器的全局模型中，以提高模型性能和数据利用效率，S3、基于优化后的模型，生成药物分子结构信息，包括分子描述序列和分子图；该可解释联邦大模型的药物分子生成方法，在保障数据隐私的基础上，显著提高了新分子的生成能力和多样性，同时利用因果分析和注意力机制增强了模型的透明性和可信度，提升了模型的性能与稳健性，具有广泛的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN119129611A
公开(公告)日：2024-12-13
申请号：CN202411264320.8
申请日：2024-09-10
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于全向注意力机制的翻译方法，涉及自然语言处理的技术领域，包括，收集和处理平行语料数据，通过知识蒸馏生成蒸馏数据集，利用蒸馏数据集训练自回归翻译模型并解决多模式问题，将自回归模型转换为非自回归模型并进行训练直至收敛，本发明通过引入全向注意力机制和课程学习策略，有效的解决了非自回归翻译模型中出现的多模式问题，显著提升了翻译质量和训练效率，从而实现了更准确的翻译输出效果。
-
公开(公告)号：CN117152736A
公开(公告)日：2023-12-01
申请号：CN202311139529.7
申请日：2023-09-05
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/20 , G06V10/26 , G06V10/82 , G06V10/762 , G06N3/006 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及人工智能采摘技术领域，且公开了一种深度学习和群智能算法的水果采摘优化模型的方法，包括以下步骤：S1、收集自然环境下的水果果实图片作为训练数据，并对数据进行预处理；S2、设计一种改进U‑Net模型的CA U‑Net语义分割网络，将U‑Net模型的主干网络VGG16更换为轻量化的MobileNet‑V3结构；S3、将MoblieNet‑v3主干特征网络中的SE注意力机制模块替换为Coordinate Attention注意力机制。该深度学习和群智能算法的水果采摘优化模型的方法，通过利用计算机视觉技术实现图像分割的果实采摘顺序算法，提高了果实采摘效率和果实定位精度，解决了现有技术中采摘过程中的浪费和伤害，同时还能够避免果实的腐烂和损坏，无法提高果实的保质期和市场价值的问题。
-
公开(公告)号：CN116258573A
公开(公告)日：2023-06-13
申请号：CN202310123335.1
申请日：2023-02-07
Applicant: 安徽农业大学
Abstract: 本发明公开了一种农产品供应链信用风险识别与演化预测方法，属于供应链信用风险预测技术领域；方法包括如下步骤：对农产品供应链中节点的连续时间动态关系进行建模；建立异步传输连续时空感知图神经网络模型；训练模型，并基于模型生产预测，给出节点信用风险等级评估及未来演化方向。通过构建连续时间动态农产品供应链关系图，并采用连续时空感知图神经网络，可以更全面提取企业领域的信息，进行更好的信用风险及其演化分析，为企业形成对最终决策提供参考，较传统决策方法更全面，可行度更高。
-
公开(公告)号：CN114754258B
公开(公告)日：2023-05-26
申请号：CN202210454802.4
申请日：2022-04-27
Applicant: 安徽农业大学
Abstract: 本发明公开了一种智慧农业物联网信息管理系统，属于智慧农业技术领域，包括监控装置，监控装置包括安装座，安装座连接有快拆结构，快拆结构连接有支撑杆，快拆结构用于支撑杆快速装卸在安装座上；支撑杆侧壁上安装有安装箱，安装箱内安装有控制器；支撑杆在安装箱上方设有折叠支撑组件；折叠支撑组件包括推动组件和锁死组件，推动组件连接有锁死组件，推动组件与支撑杆连接，锁死组件用于推动组件锁死，实现推动组件的锁死；通过上述方式，本发明折叠支撑组件的锁死组件用于推动组件锁死，实现推动组件的锁死，推动组件便于推动安装横板展开，同时，锁死组件打开后推动组件得到安装横板向下转动进行收紧处理，整体结构空间占用小，便于运输。
-
公开(公告)号：CN115860875A
公开(公告)日：2023-03-28
申请号：CN202211671672.6
申请日：2022-12-26
Applicant: 安徽农业大学
IPC: G06Q30/0601 , G06F18/25 , G06F18/241
Abstract: 本发明涉及人工智能技术领域，且公开了一种基于双线性池化的多模态知识融合的商品推荐方法，包括提取用户在电商平台的行为数据，对收集的用户行为数据进行预处理，以及分析评估，用深度学习的图像特征采集器、文本特征采集器、时间序列特征采集器、音频特征采集器和视频特征采集器对收集的数据抽取特征，根据各种单模态特征采集器的特征利用双线性池化的多模态知识融合抽取模态交互的深层特征，通过对抽取的多模态融合的深层特征信息。该基于双线性池化的多模态知识融合的商品推荐方法，可以通过深度利用海量的多模态的用户数据，利用分层次双线性池化融合多模态特征，精准判断消费者的喜好准确推送意向商品。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.078 seconds)
