-
公开(公告)号：CN109901821A
公开(公告)日：2019-06-18
申请号：CN201910174107.0
申请日：2019-03-08
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于PASP的多Agent信念协调方法，能够解决多Agent无相交信念情境下的冲突问题。该方法包括：Agent的知识表示；加权定量；构建一致的协调程序。首先，用PASP表示Agent系统知识；然后，针对各Agent的不同信念集，基于加权定量的方法计算PASP的回答集相对Agent信念的满足度，以此来弱化某些信念，并且引入缺省决策理论推理Agent信念协调的一致解；最后，根据一致解构建一致的协调程序，作为Agent共同认同的背景知识库。属于多Agent系统与逻辑程序设计领域。
-
公开(公告)号：CN114416993A
公开(公告)日：2022-04-29
申请号：CN202210059578.9
申请日：2022-01-19
Applicant: 北京工业大学
IPC: G06F16/35 , G06F40/126 , G06F40/216 , G06F40/30 , G06N3/04
Abstract: 本发明公开了基于层次注意力机制的歌词情感分类方法，使用层次注意力机制提取歌词段落间的结构特征，以关注歌词不同段落之间语义的差异。在层次注意力机制的基础上融入歌词的情感强度特征，以捕捉歌词不同段落之间情感强度的变化。本发明使用层次注意力机制对歌词进行层次化的信息提取，设计了基于词级别的注意力机制和基于段落的注意力机制，提取歌词不同段落的结构和语义特征，更好的关注到段落之间语义的差异，改善了现有的歌词情感分类方法没有考虑到歌词结构特征的缺陷，为情感强度高的词语和段落赋予了更高的关注度，使模型关注到段落间情感强度的变化，提升情感分类的效果。
-
公开(公告)号：CN112884822A
公开(公告)日：2021-06-01
申请号：CN202110179042.6
申请日：2021-02-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于RepNet模型的人体多视角图像序列的骨架提取方法，基于沙漏网络的二维骨架提取方法和基于RepNet的三维骨架提取方法来提取初始的多视角三维骨架序列。将多视角骨架序列通过基于最小二乘的配准融合方法得到融合后的优化序列，最后利用帧间帧内优化模型对连续帧三维骨架序列进行优化，得到最终优化后的骨架序列；本发明利用三维融合的可扩展性，把得到的多视图三维骨架进行配准融合优化，然后得到更准确的三维骨架序列，能很好的表达运动形态。
-
公开(公告)号：CN110674339B
公开(公告)日：2021-04-16
申请号：CN201910879131.4
申请日：2019-09-18
Applicant: 北京工业大学
IPC: G06F16/65 , G06F16/683 , G06N3/04
Abstract: 本发明公开了一种基于多模态融合的中文歌曲情感分类方法，首先从音频信号中获取声谱图，并提取音频低层特征，然后基于LLD‑CRNN模型进行音频特征学习，从而得到中文歌曲的音频特征；对于歌词和评论信息，首先构建音乐情感词典，然后以该词典为基础，构造基于情感强度和词性的情感向量，从而得到中文歌曲的文本特征；最后使用决策融合和特征融合两种方法进行多模态融合，得到中文歌曲的情感类别。本方法基于LLD‑CRNN的音乐情感分类模型，该模型结合使用声谱图和音频低层特征作为输入序列。LLD集中在时域或频域，对于时、频特性关联变化的音频信号，而声谱图是音频信号在频率上的二维表示，在信息量上损失较少，因此，LLD和声谱图可以实现信息互补。
-
公开(公告)号：CN110674339A
公开(公告)日：2020-01-10
申请号：CN201910879131.4
申请日：2019-09-18
Applicant: 北京工业大学
IPC: G06F16/65 , G06F16/683 , G06N3/04
Abstract: 本发明公开了一种基于多模态融合的中文歌曲情感分类方法，首先从音频信号中获取声谱图，并提取音频低层特征，然后基于LLD-CRNN模型进行音频特征学习，从而得到中文歌曲的音频特征；对于歌词和评论信息，首先构建音乐情感词典，然后以该词典为基础，构造基于情感强度和词性的情感向量，从而得到中文歌曲的文本特征；最后使用决策融合和特征融合两种方法进行多模态融合，得到中文歌曲的情感类别。本方法基于LLD-CRNN的音乐情感分类模型，该模型结合使用声谱图和音频低层特征作为输入序列。LLD集中在时域或频域，对于时、频特性关联变化的音频信号，而声谱图是音频信号在频率上的二维表示，在信息量上损失较少，因此，LLD和声谱图可以实现信息互补。
-
Patent Agency Ranking
公开(公告)号：CN109755554A
公开(公告)日：2019-05-14
申请号：CN201811639199.7
申请日：2018-12-29
Applicant: 北京工业大学
Abstract: 一种铝硒二次电池，属于绿色能源电池领域。该铝硒二次电池包括正极、负极、隔膜和电解液，其中，所述铝硒二次电池正极采用碳与单质硒的复合材料，负极为铝箔、铝合金、或多种形貌的金属铝及其制品，电解液为含铝活性离子电解液。本发明的铝硒电池在不同温度的测试条件下均具有较高的放电比容量。同时本发明的铝硒二次电池体系为寻求高能量密度铝离子电池提供了契机。
-
公开(公告)号：CN114492441B
公开(公告)日：2025-01-14
申请号：CN202210052780.9
申请日：2022-01-18
Applicant: 北京工业大学
IPC: G06F40/295 , G06F40/30 , G06N3/0442
Abstract: 本发明公开了基于机器阅读理解的BiLSTM‑BiDAF命名实体识别方法，首先，为了充分挖掘文本的上下文特征，使用NEZHA获取全文语境信息，并进一步通过BiLSTM提取局部特征，以加强模型对局部依赖信息的捕获能力。其次，引入双向注意力机制学习文本与实体类别之间的语义关联。最后，设计基于门控机制的边界检测器加强实体边界的相关关系，预测出实体在文本中的位置，同时通过建立答案数量检测器，将无答案问题识别出来。本发明在CCKS2020中文电子病历和CMeEE数据集上进行了实验，结果表明本发明构建的模型能有效识别文本中的命名实体。
-
公开(公告)号：CN114416993B
公开(公告)日：2024-07-26
申请号：CN202210059578.9
申请日：2022-01-19
Applicant: 北京工业大学
IPC: G06F16/35 , G06F40/126 , G06F40/216 , G06F40/30 , G06N3/0442
Abstract: 本发明公开了基于层次注意力机制的歌词情感分类方法，使用层次注意力机制提取歌词段落间的结构特征，以关注歌词不同段落之间语义的差异。在层次注意力机制的基础上融入歌词的情感强度特征，以捕捉歌词不同段落之间情感强度的变化。本发明使用层次注意力机制对歌词进行层次化的信息提取，设计了基于词级别的注意力机制和基于段落的注意力机制，提取歌词不同段落的结构和语义特征，更好的关注到段落之间语义的差异，改善了现有的歌词情感分类方法没有考虑到歌词结构特征的缺陷，为情感强度高的词语和段落赋予了更高的关注度，使模型关注到段落间情感强度的变化，提升情感分类的效果。
-
公开(公告)号：CN116151256A
公开(公告)日：2023-05-23
申请号：CN202310010226.9
申请日：2023-01-04
Applicant: 北京工业大学
IPC: G06F40/295 , G06F16/35 , G06N3/047 , G06N3/0442 , G06N3/08 , G06F40/30
Abstract: 本发明公开了一种基于多任务和提示学习的小样本命名实体识别方法，在利用原型网络进行实体抽取阶段，针对原型网络无法利用标签之间的依赖转移关系，引入条件随机场(CRF)进行联合解码。在构建提示模板时，对提示模板引入可自动学习语义的虚拟字符，增加模型的鲁棒性。此外对提示模板中硬提示符单独赋予自注意力机制，增强硬提示符语义之间的连贯性和整体性。将多任务与提示学习相结合，将命名实体识别拆分成两个子任务来完成；基于提示学习的方式，将实体词嵌入至提示模板完成实体类型的分类。本发明能够提高鲁棒性，同时对提示模板中硬提示符单独赋予自注意力机制，增强硬提示符的联贯性和整体性。
-
公开(公告)号：CN115937654A
公开(公告)日：2023-04-07
申请号：CN202310010228.8
申请日：2023-01-04
Applicant: 北京工业大学
IPC: G06V10/82 , G06V10/40 , G06V10/25 , G06V10/80 , G06V10/764 , G06N3/048 , G06N3/0464 , G06N3/08 , G06T7/246
Abstract: 本发明公开了一种基于多层次特征融合的单目标跟踪方法，解决物体遮挡和相似物体干扰时的跟踪问题。首先，在特征提取的过程中添加注意力模块，通过对特征图赋予不同的权重值，提高模型对于目标元素的判别能力。其次，提出了一个新的互相关方法，该方法可以有效的结合模板分支和搜索分支的特征。在训练期间从大规模数据中捕获更多的相关语义信息，有利于提高后续分类和回归的准确性。然后，采用了一种自适应多层次特征融合的机制，使得模型能充分利用特征的空间结构信息和语义信息，在复杂场景下提高目标跟踪的鲁棒性。最后，在数据集上进行了实验，结果表明，本发明所提出的模型优于现有的其他主流模型，取得了优异的跟踪性能。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.026 seconds)
