-
公开(公告)号：CN109741826B
公开(公告)日：2022-09-13
申请号：CN201811524873.7
申请日：2018-12-13
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
Abstract: 本发明实施例提供了一种麻醉评估决策树构建方法及设备。其中，所述方法包括：获取麻醉评估决策树的训练样本，根据所述训练样本的信息增益率，确定所述麻醉评估决策树的分枝变量；获取麻醉评估决策树的验证样本，根据所述验证样本，对所述分枝变量进行后剪枝，得到最终的麻醉评估决策树；其中，所述最终的麻醉评估决策树用于输出麻醉等级输出变量。本发明实施例提供的麻醉评估决策树构建方法及设备，通过采用模型训练的方法，并结合置信区间法对模型进行后减枝，可以得到用于进行麻醉状况评估的麻醉评估决策树模型，降低了术前麻醉评估的工作负荷，进而提高麻醉术前评估的效率。
-
公开(公告)号：CN111537831B
公开(公告)日：2022-06-24
申请号：CN202010252289.1
申请日：2020-04-01
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
IPC: G01R31/08
Abstract: 本发明公开了一种配电网线路故障定位方法及装置，所述方法包括：基于配电网的传输线以及电气设备之间的连接关系，构建图模型；其中，所述传输线作为所述图模型中的节点，所述传输线的连接作为所述图模型的边，所述电气设备作为所述图模型的注入；基于所述图模型将所述配电网的目标传输线向量化，并嵌入所述目标传输线与相邻传输线、所述目标传输线与所述注入之间的连接关系，获得所述目标传输线的线路特征向量；其中，所述目标传输线为任一节点对应的传输线；将所述线路特征向量输入到训练完成的预测模型中，获得所述目标传输线的故障概率。本发明方法可综合考虑配电网的连接关系及负载的复杂性，实现更加准确和及时的故障定位。
-
公开(公告)号：CN111537831A
公开(公告)日：2020-08-14
申请号：CN202010252289.1
申请日：2020-04-01
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
IPC: G01R31/08
Abstract: 本发明公开了一种配电网线路故障定位方法及装置，所述方法包括：基于配电网的传输线以及电气设备之间的连接关系，构建图模型；其中，所述传输线作为所述图模型中的节点，所述传输线的连接作为所述图模型的边，所述电气设备作为所述图模型的注入；基于所述图模型将所述配电网的目标传输线向量化，并嵌入所述目标传输线与相邻传输线、所述目标传输线与所述注入之间的连接关系，获得所述目标传输线的线路特征向量；其中，所述目标传输线为任一节点对应的传输线；将所述线路特征向量输入到训练完成的预测模型中，获得所述目标传输线的故障概率。本发明方法可综合考虑配电网的连接关系及负载的复杂性，实现更加准确和及时的故障定位。
-
公开(公告)号：CN108920445A
公开(公告)日：2018-11-30
申请号：CN201810369183.2
申请日：2018-04-23
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
IPC: G06F17/27
Abstract: 本发明提供了一种基于Bi-LSTM-CRF模型的命名实体识别方法和装置，对自然语言进行数据预处理，在训练情况下，将输入的第一自然语言进行分隔，获得第一字符序列；根据所述第一字符序列中的各个字符做映射，获得向量矩阵，将所述向量矩阵输入Bi-LSTM模块；将Bi-LSTM模块的所述发射矩阵输入CRF层形成Bi-LSTM-CRF模型，所述Bi-LSTM-CRF模型对所述自然语言进行整句实体识别；其中，根据交叉检验确定所述Bi-LSTM-CRF模块的超参数。解决现有技术中的模型无法考虑长远的上下文信息，无法对这些依赖关系进行建模，从而使得识别的准确率受到限制的技术问题，达到了直接将原始语句输入模型就可以提取出语句中的命名实体，适应性强，适用面广，提高对实体识别的准确率的技术效果。
-
公开(公告)号：CN111680207B
公开(公告)日：2023-08-04
申请号：CN202010167600.2
申请日：2020-03-11
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
IPC: G06F16/953 , G06F16/332 , G06F16/36 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明提供用于确定用户搜索意图的方法及装置，包括：根据初始实体集构建待搜目标知识图谱及各实体的语义概念特征向量；构建异构节点图及对应的第一邻接矩阵；接收历史搜索点击事件，建立第一邻接矩阵的监督模型；接收当前搜索关键词，根据当前搜索关键词及待搜目标知识图谱生成候选搜索意图扩展实体集；利用监督模型对候选搜索意图扩展实体集进行意图推理，获得搜索意图对应的待扩展搜索关键词结果集；根据待扩展搜索关键词结果集与语义概念特征向量确定搜索意图对应的目标搜索关键词序列；如此，在用户输入的搜索词具有多样性、模糊性和多义性时，可以利用知识图谱及语义概念特征向量对搜索词进行推理、扩展和填充，使得搜索更加清晰。
-
Patent Agency Ranking
公开(公告)号：CN108920445B
公开(公告)日：2022-06-17
申请号：CN201810369183.2
申请日：2018-04-23
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
IPC: G06F40/295
Abstract: 本发明提供了一种基于Bi‑LSTM‑CRF模型的命名实体识别方法和装置，对自然语言进行数据预处理，在训练情况下，将输入的第一自然语言进行分隔，获得第一字符序列；根据所述第一字符序列中的各个字符做映射，获得向量矩阵，将所述向量矩阵输入Bi‑LSTM模块；将Bi‑LSTM模块的所述发射矩阵输入CRF层形成Bi‑LSTM‑CRF模型，所述Bi‑LSTM‑CRF模型对所述自然语言进行整句实体识别；其中，根据交叉检验确定所述Bi‑LSTM‑CRF模块的超参数。解决现有技术中的模型无法考虑长远的上下文信息，无法对这些依赖关系进行建模，从而使得识别的准确率受到限制的技术问题，达到了直接将原始语句输入模型就可以提取出语句中的命名实体，适应性强，适用面广，提高对实体识别的准确率的技术效果。
-
公开(公告)号：CN111666983A
公开(公告)日：2020-09-15
申请号：CN202010427324.9
申请日：2020-05-19
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
Abstract: 本发明涉及行为分析技术领域，尤其涉及标注异常行为的方法及装置。所述方法包括：基于当前的异常行为数据集预训练神经网络，获得第一神经网络模型；对第一神经网络模型中除输出层以外的所有网络架构和模型参数进行复制，创建第二神经网络模型；在第二神经网络模型中添加张量大小与异常行为检测类别的数量相对应的输出层；根据通过PASCAL VOC标注方式或COCO标注方式标注得到的目标数据集，对添加有输出层的第二神经网络模型进行训练，获得异常行为标注模型；将待标注数据集输入异常行为标注模型，对待标注数据集中的各个待标注数据进行标注，获得标注后的数据集；判断标注后的数据集是否标注正确；将标注错误的数据输入异常行为标注模型重新标注。
-
公开(公告)号：CN111369108A
公开(公告)日：2020-07-03
申请号：CN202010105386.8
申请日：2020-02-20
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
Abstract: 本发明涉及电网定价的技术领域，具体涉及一种电网实时定价方法和装置，该方法包括：获取目标发电端的电网实时状态，所述电网实时状态包括：时段信息、单位时间发电量以及电力平衡系数，所述电力平衡系数为单位时间发电量与单位时间耗电量之差的绝对值；将所述电网实时状态和多个预设电价输入至预设定价模型中，以获得所述预设定价模型输出的多个收益值；从所述多个收益值中选取最大收益值，并将所述最大收益值对应的预设电价作为所述目标发电端的目标电价。本方面通过神经网络模型准确预测出在电网实时状态下执行多个预设电价所产生的多个收益值，能够在多个预设电价中快速确定使收益值最大的目标电价，从而提高了电网实时定价的准确性和效率。
-
公开(公告)号：CN109741826A
公开(公告)日：2019-05-10
申请号：CN201811524873.7
申请日：2018-12-13
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
Abstract: 本发明实施例提供了一种麻醉评估决策树构建方法及设备。其中，所述方法包括：获取麻醉评估决策树的训练样本，根据所述训练样本的信息增益率，确定所述麻醉评估决策树的分枝变量；获取麻醉评估决策树的验证样本，根据所述验证样本，对所述分枝变量进行后剪枝，得到最终的麻醉评估决策树；其中，所述最终的麻醉评估决策树用于输出麻醉等级输出变量。本发明实施例提供的麻醉评估决策树构建方法及设备，通过采用模型训练的方法，并结合置信区间法对模型进行后减枝，可以得到用于进行麻醉状况评估的麻醉评估决策树模型，降低了术前麻醉评估的工作负荷，进而提高麻醉术前评估的效率。
-
公开(公告)号：CN114172849B
公开(公告)日：2024-07-12
申请号：CN202111425795.7
申请日：2021-11-26
Applicant: 华中科技大学
Abstract: 本发明涉及确定性网络技术领域，提出了一种基于博弈论的确定性流量整形方法，感知全局的确定性流的需求，建立流量需求与抽象资源的映射关系，在预留带宽和缓冲区资源的同时，计算周期性确定性流的最优注入时间，通过合理规划确定性流的注入偏移能够平滑DetNet网络中的随时间的资源需求曲线，降低峰值，提高资源利用率。此外，控制器预留保护带宽以考虑突发流和尽力而为流对队列资源的影响，对于无法预估资源需求的异常流，相比于直接丢弃溢出队列的包，通过调整队列转发阈值并执行流量降级对突发流和尽力而为流更友好，队列资源利用率更高。
-
-
-
-
-
-
-
-
-
Search Results
144
records
(took 0.052 seconds)
