公开(公告)号：CN111813084B

公开(公告)日：2022-10-28

申请号：CN202010662863.0

申请日：2020-07-10

Applicant: 重庆大学

Inventor： 熊庆宇 ,  吴丹 ,  易华玲 ,  杨正益 ,  胡瑶 ,  文俊浩 ,  张致远

IPC: G05B23/02 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的机械装备故障诊断方法，具体包括以下步骤：步骤S1：对机械设备的主要数据源和次要数据源进行数据采集并进行预处理，得到数据集；步骤S2：采用5折交叉验证方法，将数据集分为训练集、验证集和测试集；步骤S3：基于CNN和BD‑LSTM建立故障诊断模型，将训练集输入故障诊断模型中提取隐藏特征后进行训练，并输出诊断结果。本发明采用BD‑LSTM进行平滑跟踪和预测结果，处理了由于操作和环境干扰引起的不确定性；传感器监测数据采用CNN和BD‑LSTM并行提取隐藏特征，两条没有相关性的路径输出都会影响预测，且可根据预测的误差校正网络中的每个参数。

公开(公告)号：CN110619418A

公开(公告)日：2019-12-27

申请号：CN201910681939.1

申请日：2019-07-26

Applicant: 重庆大学

Inventor： 熊庆宇 ,  徐瑞 ,  吴超 ,  易华玲 ,  王凯歌 ,  王楷

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F17/50 ,  G06N3/04

Abstract: 本发明涉及水质环境测量领域，本发明提出的一种基于混合模型组合算法的多特征水质预测方法，包括：S1、建立水质预测数据集；S2、对数据集进行预处理，包括去噪、缺失值填充和数据归一化操作；S3、基于SARIMA和LSTM组合多特征预测方法构建水质预测模型；S4、使用上述水质预测模型预测未来一段时间内水质变化趋势。该方法将序列分为两部分来处理，其中SARIMA算法处理目标序列线性信息，LSTM算法结合水质和天气影响因素来处理目标序列复杂多变的非线性部分信息，最后对两部分信息做融合得到完整预测值。

公开(公告)号：CN116257630A

公开(公告)日：2023-06-13

申请号：CN202310121920.8

申请日：2023-02-16

Applicant: 重庆大学

Inventor： 熊庆宇 ,  柯采 ,  林军成 ,  罗力豪 ,  易华玲 ,  杨正益

IPC: G06F16/35 ,  G06F16/332 ,  G06F40/30 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明提供了一种基于对比学习的方面级情感分析方法及装置。方法包括：S1，基于预设的多个方面情感对生成多个提示句对；S2，将待分析语句输入基于对比学习的方面级情感分析模型获得分析结果，方面级情感分析模型包括：增强模块，将待分析语句与不同提示句对中的疑问或回答提示句组合获得不同的待分析增强语句；预训练编码层，获得待分析增强语句的句子表示向量和词向量；第一激活函数层，获取第一分析结果；第二激活函数层，标记出与方面情感对匹配的目标词语位置从而获得标记序列。实现了目标‑方面‑情感联合检测，对待分析语句利用疑问或回答提示句进行增强处理后能生成高质量的语义信息，有效缓解稀疏标记数据问题，提高情感分析效果。

公开(公告)号：CN110334767B

公开(公告)日：2023-02-21

申请号：CN201910612178.4

申请日：2019-07-08

Applicant: 重庆大学

Inventor： 熊庆宇 ,  易华玲 ,  吴丹 ,  吉皇 ,  余洋 ,  高旻 ,  王楷

IPC: G06F18/2431 ,  G06F18/214 ,  G01N33/00

Abstract: 本发明公开了一种用于空气质量分类的改进随机森林方法，包括空气质量分类模型，该空气质量分类模型包括原始数据模块、数据预处理模块、分类生成模块、分类数据模块，其中，原始数据模块用于采集原始空气数据；数据预处理模块用于对原始空气数据进行数据清洗、数据集成、数据转换等操作；分类生成模块用于对数据预处理模块所处理后的数据进行随机采样，并同时基于CART算法分类出决策树；分类数据模块用于接收分类生成模块所输出的分类模型，以及输出空气数据分类结果，所述随机采样包括基于样本类别分组的自助采样方法和随机特征子空间法。本发明提升了少数类样本的分类精度，降低了样本集的整体错分代价。

公开(公告)号：CN111814454A

公开(公告)日：2020-10-23

申请号：CN202010662871.5

申请日：2020-07-10

Applicant: 重庆大学

Inventor： 熊庆宇 ,  王凯歌 ,  高旻 ,  易华玲 ,  杨正益 ,  文俊浩 ,  邹青宏 ,  胡瑶 ,  张致远

IPC: G06F40/216 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明公开了一种社交网络上的多模态网络欺凌检测模型，包括针对多模态数据的编码和针对模态数据的解码，还包括：对数据进行预处理；对视频和/或图像数据进行处理，对每一个视频和/或图像进行打分评价，构成评价标签；针对帖子文本内容，通过双向长短期记忆网络(Bi-LSTM)和自注意力机制进行训练；针对帖子评论集数据进行双向的GRU分层注意力机制学习；针对图像和/或视频，通过one-hot编码的方式，然后利用多层感知机进行特征提取；针对不同学习到的向量，通过多层感知机分别进行特征提取，然后将其串联起来整体进行特征提取；本发明将评论数据集的对话形式、具有视觉信息的图像和视频信息进行整合，能够显著提升网络中网络欺凌检测准确度。

公开(公告)号：CN110334767A

公开(公告)日：2019-10-15

申请号：CN201910612178.4

申请日：2019-07-08

Applicant: 重庆大学

Inventor： 熊庆宇 ,  易华玲 ,  吴丹 ,  吉皇 ,  余洋 ,  高旻 ,  王楷

IPC: G06K9/62 ,  G01N33/00

Abstract: 本发明公开了一种用于空气质量分类的改进随机森林方法，包括空气质量分类模型，该空气质量分类模型包括原始数据模块、数据预处理模块、分类生成模块、分类数据模块，其中，原始数据模块用于采集原始空气数据；数据预处理模块用于对原始空气数据进行数据清洗、数据集成、数据转换等操作；分类生成模块用于对数据预处理模块所处理后的数据进行随机采样，并同时基于CART算法分类出决策树；分类数据模块用于接收分类生成模块所输出的分类模型，以及输出空气数据分类结果，所述随机采样包括基于样本类别分组的自助采样方法和随机特征子空间法。本发明提升了少数类样本的分类精度，降低了样本集的整体错分代价。

公开(公告)号：CN114298011B

公开(公告)日：2024-06-25

申请号：CN202111659500.2

申请日：2021-12-30

Applicant: 重庆大学

Inventor： 熊庆宇 ,  柯采 ,  吴超 ,  杨雨蓉 ,  易华玲 ,  郭佳浩 ,  吴自慧 ,  林军成 ,  罗力豪

IPC: G06F40/211 ,  G06F40/289 ,  G06F40/30 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明公开了一种神经网络、训练方法、方面级情感分析方法、装置及存储介质，神经网络包括：BERT词嵌入模块获得输入文本的语义信息和输入文本中待分析语句所有单词的词向量；第一全连接层基于语义信息获得语义特征向量；第二全连接层基于词向量获取单词特征向量；潜在狄利克雷分布模块分别提取待分析语句的主题分布和方面情感对的主题分布；特征融合层判断待分析语句是否与方面情感对匹配；解码标注模块在解码序列中标记出目标词语位置获得标记序列；输出层为基于特征融合层输出的判断结果输出情感分析结果。实现多任务输出，通过特征融合层将语义信息与主题分布进行特征融合，学习到特定领域的词汇，提升模型的情感分类任务效果。

公开(公告)号：CN111814450B

公开(公告)日：2023-08-11

申请号：CN202010664010.0

申请日：2020-07-10

Applicant: 重庆大学

Inventor： 熊庆宇 ,  吴超 ,  高旻 ,  王凯歌 ,  易华玲 ,  杨正益 ,  文俊浩 ,  张致远 ,  吴丹

IPC: G06F16/35 ,  G06F40/205 ,  G06F40/279 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明公开了一种基于残差注意力的方面级情感分析方法，方法包括以下步骤：对输入的语句和所有的方面目标信息进行编码，得到文本编码；对待预测的方面目标在文本中的位置信息进行编码，并与得到的文本编码进行融合；对待预测的方面目标信息和融入位置编码的文本编码进行处理；将得到的编码与融入位置信息的文本编码进行结合；提取其余方面目标中的信息，与得到的文本编码进行交互处理，然后从得到的文本编码中过滤；对过滤后的文本编码进行处理，得到最终结果。本发明提出了一种将残差网络引入到注意力机制的方法，能够显著的提高文本方面级别情感分析的准确率，并且模型具有较好的鲁棒性和通用性，分析的效率也有了一定的提升。

公开(公告)号：CN115983493A

公开(公告)日：2023-04-18

申请号：CN202310104266.X

申请日：2023-02-13

Applicant: 重庆大学

Inventor： 熊庆宇 ,  杨雨蓉 ,  柯采 ,  易华玲 ,  罗力豪 ,  林军成

IPC: G06Q10/04 ,  G06Q50/06 ,  G06Q50/26 ,  G06N3/08 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明提供了一种基于多任务学习及深度学习模型的水质预测方法，包括以下步骤：获取输入数据，输入数据包括水质数据和气象数据；将输入数据输入至预测模型中；获取输入数据的时间序列；根据时间序列和输入数据获取局部依赖特征和长时间依赖特征；根据局部依赖特征和长时间依赖特征获得水质指标预测结果。本发明所述的一种基于多任务学习及深度学习模型的水质预测方法能够适用于分析预测非线性的、复杂的水质数据，提高水质预测精度。

公开(公告)号：CN115936473A

公开(公告)日：2023-04-07

申请号：CN202211249799.9

申请日：2022-10-12

Applicant: 重庆大学

Inventor： 范琪琳 ,  熊志英 ,  徐铭泽 ,  李秀华 ,  熊庆宇 ,  文俊浩 ,  易华玲

IPC: G06Q10/0639 ,  G06Q10/04 ,  G06N20/00

Abstract: 一种联合预测与重构的无监督KPI异常检测方法，包括以下步骤：1)获取多元时间序列χ；2)计算归一化序列χ；3)计算干净序列S(χ)；4)获得滑动窗口数据wt；5)提取高级特征ct；6)捕获特征指向的依赖关系ft和时间指向的依赖关系7)获取来自不同来源的聚合信息ht；8)并行输入聚合信息ht到基于预测的模块和基于重建的模块中，并进行训练；9)计算基于预测的模块损失基于重建的模块损失和复合目标损失10)设置阈值τ；11)根据阈值判断是否存在异常事件。本发明解决了在异常标签稀缺、时间序列高度动态甚至存在未见过的数据模式下，准确、及时地检测KPI异常情况的任务。