-
公开(公告)号：CN115130517A
公开(公告)日：2022-09-30
申请号：CN202210782304.2
申请日：2022-07-05
Applicant: 重庆大学 , 重庆长安汽车股份有限公司
Abstract: 本发明涉及计算机汽车故障检测技术领域，公开了一种基于LightGBM的汽车胎压故障精准定位方法，包括分别采集车端胎压数据与胎压故障情况的数据，对两组数据进行预处理，对预处理的信号数据进行分离、特征融合，得到胎压异常信号特征数据；对车胎压故障利用drools规则算法进行判定，得到故障标签，再基于LightGBM模型，对胎压异常信号特征数据和对应的故障标签训练得到故障异常类型的精确分类模型；将特征数据拆分为训练集与测试集，利用测试集对训练后的精确分类模型进行测试，并设定一个预设阈值，若精确分类模型测试的准确率大于预设阈值，则完成精确分类模型的建立，反之则对训练错误的数据利用drools规则算法进行判定，将测试的准确率提高到大于预设阈值。利用LightGBM对胎压故障精准定位。
-
公开(公告)号：CN116522769A
公开(公告)日：2023-08-01
申请号：CN202310428156.9
申请日：2023-04-20
Applicant: 重庆大学
IPC: G06F30/27 , G06F30/15 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06F18/25 , G06F119/14
Abstract: 本发明具体涉及基于VAE‑GAN和自注意力机制的压力系数预测方法，包括：将翼型二维坐标输入压力预测模型中，输出对应的预测压力系数曲线；压力预测模型基于VAE‑GAN网络构建；训练时，VAE的编码器基于翼型二维坐标提取翼型几何特征、翼型流形特征和翼型环境特征，并分析特征之间的相互影响，再融合生成翼型融合特征；VAE的解码器分别基于翼型融合特征和随机噪声生成对应的预测压力系数曲线和虚假压力系数曲线；GAN的鉴别器计算对应的损失函数并更新压力预测模型的网络参数，直至模型收敛。本发明能够提取翼型几何特征、流形特征和环境特征等多个维度特征，并且能够分析不同特征之间的相互影响和相关性，进而更好的融合不同特征之间的相互关系。
-
公开(公告)号：CN113987187A
公开(公告)日：2022-01-28
申请号：CN202111321618.4
申请日：2021-11-09
Applicant: 重庆大学
Abstract: 本发明公开了基于多标签嵌入的舆情文本分类方法、系统、终端及介质，涉及自然语言处理技术领域，其技术方案要点是：将文本语义信息输入到双向GRU层中提取得到文本特征，以及将标签语义信息输入到双向GRU层中提取得到标签特征；通过注意力机制对文本特征更新后得到最终特征向量；将CLS标记向量和标签特征融合后，通过注意力机制计算得到文本感知标签信息的感知特征向量：通过分类器将最终特征向量和感知特征向量映射到标签维度后计算出每类标签的预测概率，得到舆情文本分类结果。本发明利用标签语义信息来隐式考虑标签之间的关系，同时减轻了多标签分类的标签顺序依赖对分类结果的影响，在减少了参数量的情况下，达了比较好的效果。
-
公开(公告)号：CN116227364A
公开(公告)日：2023-06-06
申请号：CN202310455762.X
申请日：2023-04-25
Applicant: 重庆大学
IPC: G06F30/27 , G06F30/28 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/0495 , G06N3/084 , G06N3/094 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明具体涉及基于改进生成对抗网络与模型压缩的翼型流场预测方法，包括：将边界条件输入经过训练的流场预测模型，输出对应的预测流场图像；训练流场预测模型时：首先将边界条件作为生成器的输入并输出预测流场图像，判别器基于真实流场图像对预测流场图像进行判断并更新自身参数，最后将判别器的参数更新结果反馈至生成器，以供生成器更新自身参数；重复迭代并不断更新生成器和判别器的参数；最终，对经过训练的流场预测模型进行模型压缩。本发明通过深度卷积生成对抗网络提取翼型流场的复杂特征，并能够将高维数据并转换为潜在的低维表示以更好的实现翼型流场预测，同时能够通过模型压缩来降低模型的参数量和运算量。
-
公开(公告)号：CN113987187B
公开(公告)日：2024-06-28
申请号：CN202111321618.4
申请日：2021-11-09
Applicant: 重庆大学
IPC: G06F16/35 , G06F40/30 , G06F18/241 , G06N3/048
Abstract: 本发明公开了基于多标签嵌入的舆情文本分类方法、系统、终端及介质，涉及自然语言处理技术领域，其技术方案要点是：将文本语义信息输入到双向GRU层中提取得到文本特征，以及将标签语义信息输入到双向GRU层中提取得到标签特征；通过注意力机制对文本特征更新后得到最终特征向量；将CLS标记向量和标签特征融合后，通过注意力机制计算得到文本感知标签信息的感知特征向量：通过分类器将最终特征向量和感知特征向量映射到标签维度后计算出每类标签的预测概率，得到舆情文本分类结果。本发明利用标签语义信息来隐式考虑标签之间的关系，同时减轻了多标签分类的标签顺序依赖对分类结果的影响，在减少了参数量的情况下，达了比较好的效果。
-
Patent Agency Ranking
公开(公告)号：CN117540489B
公开(公告)日：2024-06-21
申请号：CN202311506032.4
申请日：2023-11-13
Applicant: 重庆大学
IPC: G06F30/15 , G06F30/27 , G06F30/28 , G06N3/0464 , G06F113/08 , G06F119/14
Abstract: 本发明涉及一种基于多任务学习的翼型气动数据计算方法及系统，属于空气动力学和深度学习技术领域。该方案采用一种多任务学习方法，构建翼型重构网络提取翼型几何特征，设计翼型流场预测网络提取翼型在全局环境下的粗粒度压力系数曲线，设计翼型压力系数生成网络提取翼型在局部环境下的细粒度压力系数曲线，并且通过“十字绣”网络将两者线性结合起来，计算翼型的升力、阻力、力矩等气动系数。本发明有效地把深度学习模型AE、GAN、U‑NET、多任务学习模型与流体力学、空气动力学结合在一起，挖掘其隐藏特征，精准地预测翼型的气动系数，可以很好地提高预测模型训练的全面性和有效性，从而能够提高气动数据计算的准确性，具有广阔的应用前景。
-
公开(公告)号：CN117725852A
公开(公告)日：2024-03-19
申请号：CN202311782819.3
申请日：2023-12-22
Applicant: 重庆大学
IPC: G06F30/28 , G06F30/27 , G06N3/0464 , G06N3/082 , G06F113/08 , G06F119/14
Abstract: 本发明涉及一种面向流场预测的深度神经网络模型压缩方法、流场预测方法及系统，属于流体力学和模型压缩技术领域。该方法首先把原始模型进行图嵌入，变成分层计算图；然后将分层计算图作为强化学习智能体的环境寻找原始模型每层的剪枝率；再采用基于L1范数的模型剪枝算法对原始模型进行剪枝，达到模型压缩的目的，输出满足该压缩比的性能最优的模型，使得压缩后的模型能够应用于计算力受限的嵌入式设备。本发明将强化学习算法以及改进的奖励函数用于搜索深度学习模型各层剪枝率，达到缩小模型大小提高解算速度的目的，实验结果表明，该压缩算法能够同时提高流场预测模型的精度和运行速度。
-
公开(公告)号：CN111274494B
公开(公告)日：2022-09-23
申请号：CN202010062726.3
申请日：2020-01-20
Applicant: 重庆大学
IPC: G06F16/9536 , G06F16/9538 , G06F16/955 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明涉及结合深度学习和协同过滤技术的复合标签推荐方法，包括如下步骤：从目标软件信息站点收集历史软件项目，进行预处理得到规范化描述的矩阵；建立TagDC‑DL模型和TagDC‑CF模型，将所有规范化描述的矩阵作为输入，分别得到所有标签的多标签可信度列表和基于相似度的置信概率列表，利用线性加权模块得到每个标签的最终置信概率列表；给定新的软件项目，先进行预处理再输入上述两个模型，计算新的软件项目中每个标签的最终置信概率列表，通过得到的最终置信概率列表中的概率值进行排序，概率值最大的N个标签则为推荐标签。该方法利用软件项目之间的语义相似性及其自身的深层语义特征可获得更准确的标签推荐。
-
公开(公告)号：CN111274494A
公开(公告)日：2020-06-12
申请号：CN202010062726.3
申请日：2020-01-20
Applicant: 重庆大学
IPC: G06F16/9536 , G06F16/9538 , G06F16/955 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明涉及结合深度学习和协同过滤技术的复合标签推荐方法，包括如下步骤：从目标软件信息站点收集历史软件项目，进行预处理得到规范化描述的矩阵；建立TagDC-DL模型和TagDC-CF模型，将所有规范化描述的矩阵作为输入，分别得到所有标签的多标签可信度列表和基于相似度的置信概率列表，利用线性加权模块得到每个标签的最终置信概率列表；给定新的软件项目，先进行预处理再输入上述两个模型，计算新的软件项目中每个标签的最终置信概率列表，通过得到的最终置信概率列表中的概率值进行排序，概率值最大的N个标签则为推荐标签。该方法利用软件项目之间的语义相似性及其自身的深层语义特征可获得更准确的标签推荐。
-
公开(公告)号：CN117540489A
公开(公告)日：2024-02-09
申请号：CN202311506032.4
申请日：2023-11-13
Applicant: 重庆大学
IPC: G06F30/15 , G06F30/27 , G06F30/28 , G06N3/0464 , G06F113/08 , G06F119/14
Abstract: 本发明涉及一种基于多任务学习的翼型气动数据计算方法及系统，属于空气动力学和深度学习技术领域。该方案采用一种多任务学习方法，构建翼型重构网络提取翼型几何特征，设计翼型流场预测网络提取翼型在全局环境下的粗粒度压力系数曲线，设计翼型压力系数生成网络提取翼型在局部环境下的细粒度压力系数曲线，并且通过“十字绣”网络将两者线性结合起来，计算翼型的升力、阻力、力矩等气动系数。本发明有效地把深度学习模型AE、GAN、U‑NET、多任务学习模型与流体力学、空气动力学结合在一起，挖掘其隐藏特征，精准地预测翼型的气动系数，可以很好地提高预测模型训练的全面性和有效性，从而能够提高气动数据计算的准确性，具有广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.045 seconds)
