-
公开(公告)号：CN118332127A
公开(公告)日：2024-07-12
申请号：CN202410765291.7
申请日：2024-06-14
Applicant: 安徽农业大学
IPC: G06F16/35 , G06F40/30 , G06N3/0464 , G06N3/08
Abstract: 本发明适用于自然语言处理技术领域，具体是一种基于跨语言集成的零样本文本分类方法，该方法包括构建多语言数据集、获取多语言分类文本、文本标签集映射成图像标签集、特征提取、相似度计算和集成预测的步骤，其中，在集成预测的步骤中，本发明运用集成学习的投票策略，选择最终文本分类预测结果并输出。本发明采用了跨语言集成方法，并增加了中文和意大利语的多语言数据集，具备广泛的语言支持和适应能力；本发明采用Multilingual‑CLIP模型，显著提高了零样本文本分类的性能；本发明还采用了投票机制进行预测结果的集成，通过多个模型的预测结果进行投票选择，进一步提高了预测准确性。
-
公开(公告)号：CN111996087B
公开(公告)日：2024-06-18
申请号：CN202010400211.X
申请日：2020-05-13
Applicant: 安徽农业大学
Abstract: 本发明公开了一种转盘式连续制曲设备，属于制酒技术领域，它由原料传送装置，原料混合装置，酒曲上下位置中转调节装置，培养盘上下调节装置，酒曲桶旋转和上下调节装置，酒坯制作装置组成，所述原料传送装置的出料口置于原料混合装置上方，所述原料混合装置固定在酒曲上下位置中转调节装置的上端，所述培养盘上下调节装置置于酒曲上下位置中转调节装置中央位置，所述酒曲桶旋转和上下调节装置置于培养盘上下调节装置中央位置；所述传送带被一块块等距挡板均分，所述水泵与喷头之间还设有电磁阀。本发明具有自动化程度高，工作连续性强、稳定性高的优点。
-
公开(公告)号：CN117253044A
公开(公告)日：2023-12-19
申请号：CN202311334268.4
申请日：2023-10-16
Applicant: 安徽农业大学
IPC: G06V10/26 , G06V20/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明适用于农业影像分析技术领域，具体提供了一种基于半监督交互学习的农田遥感图像分割方法，本发明设计了一种半监督交互学习的农田遥感图像分割方法，首先通过交互学习，CNN和Transformer相互协作，通过对无标签数据进行自监督训练，相互传递像素局部特征和全局特征，减少标注数据的需求，同时有效避免了现有两类方法可能存在的缺点；其次在CNN中引入方向性对比损失函数，通过对有标签数据进行全监督训练，保证图片中具有相同身份特征在不同场景下的一致性，进而提升模型泛化能力和鲁棒性。
-
-
公开(公告)号：CN108164789A
公开(公告)日：2018-06-15
申请号：CN201711409644.6
申请日：2017-12-23
Applicant: 安徽农业大学 , 杭州彼特环保包装有限公司
IPC: C08L23/06 , C08L23/12 , C08L25/06 , C08L27/06 , C08L71/02 , C08L3/02 , C08J9/14 , C08J9/00 , B32B27/10 , B32B27/32 , B32B27/30 , B32B27/18 , B32B29/00 , B65D65/46 , B65D65/38 , B65D65/40
Abstract: 本发明涉及包装技术领域，具体涉及一种包装用发泡材料。其原料按重量百分比包括以下组分：热塑性树脂50%~55%；乙酸0.4%~0.6%；乙酸乙烯酯0.8%~1.3%；聚醚多元醇13%~16%；发泡剂4.6%~5.5%；粘合剂4~8%；淀粉18%~22.5%。该发泡材料具有较低的密度和适中的弹性模量，从而能够为包装的物品带来较好的保护作用，具有抗震的效果，同时能够多次重复使用，避免一次性使用带来的浪费，同时，能够在光照下发生降解，并且自然状态下的降解周期为1‑3年；该发泡材料对重复使用及降解导致的性能下降进行了平衡，从而能够简化包装，并且为环境友好提供了基础。
-
Patent Agency Ranking
公开(公告)号：CN107936417A
公开(公告)日：2018-04-20
申请号：CN201711416197.7
申请日：2017-12-25
Applicant: 安徽农业大学 , 杭州彼特环保包装有限公司
CPC classification number: C08J5/18 , C08J2323/06 , C08J2323/12 , C08J2325/06 , C08J2327/06 , C08J2403/02 , C08K3/08 , C08K2201/014
Abstract: 本发明涉及塑料膜技术领域，具体涉及一种可降解的塑料膜。所述塑料膜按重量百分比计，包括热塑性树脂66.7%~71.8%、铈0.2%~0.5%、镧0.3%~0.6%、钐0.8%~1.2%、镥0.4%~0.7%、钪7.6%~9.1%和淀粉16.5%~23.2%。该塑料膜具有比通用的塑料膜更高的光透过性，并且能够在一定条件下发生降解，从而降低对环境的影响。
-
公开(公告)号：CN119919932A
公开(公告)日：2025-05-02
申请号：CN202510415356.X
申请日：2025-04-03
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/764 , G06V10/80 , G06V10/77 , G06F40/279 , G06F40/216
Abstract: 本发明适用于人工智能技术领域，具体提供了融合双流注意力集成与跨模态融合的农产品分类方法，包括以下步骤：通过自适应层权重对多个文本特征向量进行集成，通过自注意力机制对多个图像特征向量进行集成，加权求和得到集成后的文本特征和图像特征；对集成后的文本特征和图像特征分别进行高幂次变换，将变换后的特征与原始特征进行拼接，得到增强文本特征和增强图像特征；通过计算皮尔逊相关系数，构建文本和图像特征之间的关系矩阵，根据关系矩阵加权融合文本和图像特征，得到最终融合特征；将融合后的特征向量输入到MLP分类器中。本发明提升了模型对复杂模式的建模与学习能力；使用跨模态融合进一步提高农产品分类的准确性和泛化能力。
-
公开(公告)号：CN118335201A
公开(公告)日：2024-07-12
申请号：CN202410748840.X
申请日：2024-06-12
Applicant: 安徽农业大学
IPC: G16B40/00 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种预测方法，具体是基于可变形卷积神经网络和趋同相似性原理的预测方法，通过收集蛋白质序列、蛋白质结构数据和蛋白质相互作用信息；使用可变形卷积神经网络DCN模型对蛋白质序列进行特征提取；计算蛋白质的趋同相似性，将获得的序列相似性矩阵、结构相似性矩阵、功能相似性矩阵三个矩阵，将所有矩阵的加权平均作为融合后最终的相似性矩阵；选择图神经网络GNN处理图结构数据，使用部分已知的蛋白质相互作用信息来训练预测模型，选择随机梯度下降优化算法优化模型参数；利用优化后的预测模型对蛋白质的相互作用进行预测。本发明融合可变形卷积技术和趋同相似性技术，显著提升了蛋白质相互作用网络的数据质量和深度解析。
-
公开(公告)号：CN118333728A
公开(公告)日：2024-07-12
申请号：CN202410744216.2
申请日：2024-06-11
Applicant: 安徽农业大学
IPC: G06Q30/0601 , G06F18/22 , G06F18/21 , G06F18/214 , G06N3/042
Abstract: 本发明适属于图对比学习技术领域，具体是一种基于图对比学习的个性化推荐方法，包括如下步骤：依据用户与物品之间的交互数据构建一个交互图，图中的节点表示用户和物品，边表示它们之间的交互关系；利用图神经网络处理交互图，通过迭代更新的方式对每个节点进行特征学习；引入对比学习技术，通过定义正样本对与负样本对并使用对比损失函数，来优化学习到的节点特征表示；基于优化后的节点特征表示，计算用户节点与物品节点之间的相似度，根据相似度得分为每个用户生成个性化的推荐列表。本发明能够应用于电子商务、在线媒体等多种场景，具有良好的广泛适用性。
-
公开(公告)号：CN117253044B
公开(公告)日：2024-05-24
申请号：CN202311334268.4
申请日：2023-10-16
Applicant: 安徽农业大学
IPC: G06V10/26 , G06V20/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明适用于农业影像分析技术领域，具体提供了一种基于半监督交互学习的农田遥感图像分割方法，本发明设计了一种半监督交互学习的农田遥感图像分割方法，首先通过交互学习，CNN和Transformer相互协作，通过对无标签数据进行自监督训练，相互传递像素局部特征和全局特征，减少标注数据的需求，同时有效避免了现有两类方法可能存在的缺点；其次在CNN中引入方向性对比损失函数，通过对有标签数据进行全监督训练，保证图片中具有相同身份特征在不同场景下的一致性，进而提升模型泛化能力和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.029 seconds)
