-
公开(公告)号:CN119829766A
公开(公告)日:2025-04-15
申请号:CN202411890125.6
申请日:2024-12-20
Applicant: 桂林电子科技大学 , 桂林瑞威赛德科技有限公司
IPC: G06F16/353 , G06F40/284 , G06F40/289 , G06F40/30 , G06F18/2431 , G06F18/2415 , G06N3/045 , H04M1/72436
Abstract: 本发明提供一种基于RoBERTa模型的电信诈骗文本分类检测方法,通过采用深度学习和自然语言处理技术,基于RoBERTa模型的深度学习框架,构建了一种能够自动学习电信诈骗文本深层语义特征的分类模型,该模型的架构,包含多头注意力、残差连接、全连接层分类三部分。在模型训练过程中结合了交叉熵损失函数和不一致性损失函数,旨在同时优化分类准确性和模型鲁棒性。交叉熵损失函数有助于提升分类精度,而不一致性损失函数则增强了模型对异常或不确定文本的辨识能力,从而有效防止了过拟合现象,提高了模型在复杂场景中的适应性和稳定性。使用本方法能够有效地提升对电信诈骗文本的分类准确性和模型鲁棒性。
-
公开(公告)号:CN119180788A
公开(公告)日:2024-12-24
申请号:CN202411200140.3
申请日:2024-08-29
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种光伏板表面积尘检测方法、装置以及存储介质,属于光伏板积尘检测技术领域,方法包括:将待检测光伏电站划分为多个积尘检测区域;对积尘检测区域进行坐标标记得到原始光伏板坐标信息;从红外成像仪中获得原始实体光伏板图像;通过粉尘沉积数据、气象数据以及光伏板状态数据构建得到虚拟光伏电站;对虚拟光伏电站进行图像提取得到原始虚拟光伏板图像。本发明能够准确地实现对光伏板表面积尘的检测,有效地提高了光伏板表面积尘的检测效率,实现了对待检测光伏电站的故障诊断和健康管理,有效地提升了待检测光伏电站的使用寿命,同时节省了大量人力、物力和时间成本,降低了电站员工的劳动强度。
-