-
公开(公告)号：CN110608884B
公开(公告)日：2021-01-05
申请号：CN201910728620.X
申请日：2019-08-08
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06N3/08
Abstract: 本发明公开了一种基于自注意力神经网络的滚动轴承状态诊断方法，包括：使用振动加速传感器采集不同电机负载下不同状态的滚动轴承振动加速度的时序信号，得到振动加速度数据作为样本数据；对采集的样本数据进行数据增强处理；对数据增强处理后的样本数据按照滚动轴承状态类型贴上相应标签；利用多层映射扩展每一个样本数据的特征矢量，从一维特征变为多维特征；构建自注意力网络诊断模型；用处理后的样本数据对自注意力网络诊断模型进行训练，评估训练后的诊断模型，并将其应用于监测待诊断的滚动轴承。本发明使用数据增强技术、拓展特征方法，减少了该方法对数据量的需求，增加了本发明应对极端环境的能力。
-
公开(公告)号：CN111949885A
公开(公告)日：2020-11-17
申请号：CN202010874707.0
申请日：2020-08-27
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/36 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种面向旅游景点的个性化推荐方法，首先利用原始数据集构建用户知识图谱和景点知识图谱；然后对用户知识图谱进行进行特征学习，得到第一用户表示向量和第一项目表示向量；之后基于第一用户表示向量对景点知识图谱进行特征学习，得到第二用户表示向量和第二项目表示向量；接着将第一用户表示向量和第二用户表示向量组合成最终用户表示向量；并将第二项目表示向量直接作为最终项目表示向量；最后将最终用户表示向量和最终项目表示向量进行深层次的交互，以预测得到用户对景点的偏好概率，从而完成旅游景点的个性化推荐。本发明能够避免陷入单一知识图谱的特征学习，以提高推荐的准确度。
-
公开(公告)号：CN111854008A
公开(公告)日：2020-10-30
申请号：CN202010531255.6
申请日：2020-06-11
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种物联网用机房的降温装置，包括安装筒，安装筒的表面开设有螺纹槽，安装筒的中部贯穿机房墙面的预留孔。该物联网用机房的降温装置，通过将其安装筒从右向左侧贯穿机房墙面墙面的预留孔，然后再通过螺纹套管在安装筒上螺纹位移，对其整个装置定位安装，然后再通过抽气机对其机房的内部进行抽气，将其机房内部的热量快速吸收排出外部，使其内外气体循环，外部被吸收的气体通过第二进气排管进入至吊筒的内部，并通过过滤网板对其空气中的灰尘进行隔离，然后再通过输气管进入至机房的内部，继而达到了对其机房内温度进行快速降温，避免了交换的气体携带灰尘至机房内部的效果。
-
公开(公告)号：CN111415198A
公开(公告)日：2020-07-14
申请号：CN202010195068.5
申请日：2020-03-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于逆向强化学习的游客行为偏好建模方法，基于iBeacon对展品进行定位，结合智能手机接收拍照广播的次数和iBeacon的位置标识，上传并存储游览行为数据，获取马尔科夫决策过程中的五个元素，构建马尔科夫决策过程模型，利用函数逼近法构造回报函数，获取并在所述回报函数中加入归一化后的拍照次数和停留时间，并把所述游览数据转换为专家示例数据，采用玻尔兹曼分布来计算策略，得到对数似然估计函数后，进行求导和更新权重向量，并当满足设定条件时，结束偏好的学习，能根据有限的游客游览数据学习出精准的游客偏好。
-
公开(公告)号：CN110490849A
公开(公告)日：2019-11-22
申请号：CN201910720076.4
申请日：2019-08-06
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于深度卷积神经网络的钢板表面缺陷分类方法及装置，该分类方法包括：构建钢铁表面缺陷数据集，所述缺陷包括龟裂、折叠、覆盖杂质、斑点、点蚀面、表面氧化、划痕；对所述钢铁表面缺陷数据集进行预处理；对预处理后的数据集中的图像进行数据扩充；将数据扩充处理后的数据集作为训练集；利用所述训练集训练深度卷积神经网络；利用所训练的深度卷积神经网络对钢板表面缺陷进行分类。本发明对于图像分类来说，具有较高的精准度。
-
Patent Agency Ranking
公开(公告)号：CN110288436A
公开(公告)日：2019-09-27
申请号：CN201910530074.9
申请日：2019-06-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于游客偏好建模的个性化景点推荐方法，包括：采集数据和预处理，对游客、景点等对象编号；将显示评分转换为隐式评分，划分正例和负例景点；构建三元组和景点知识图谱，生成每个景点的特征向量和上下文特征向量；通过KCNN生成游客历史游览景点和候选景点的向量表示；通过注意力网络计算游客每个历史游览景点的影响权重，得到游客对景点的偏好向量；利用DNN计算游客游览该景点的概率，按概率从小到大生成游客的景点推荐列表。本发明在刻画游客历史访问景点对候选景点的不同影响以及表征游客多样化的偏好时，使用注意力网络来计算游客历史访问景点对候选景点的影响权重，使得推荐结果更加符合游客的偏好。
-
公开(公告)号：CN110287336A
公开(公告)日：2019-09-27
申请号：CN201910530084.2
申请日：2019-06-19
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/9535 , G06Q50/14
Abstract: 本发明提供了一种面向旅游景点推荐的游客画像构建方法，利用游客历史游览的景点序列在旅游知识图谱上的传播生成游客历史游览景点序列相对于候选景点的特征向量，通过注意力网络给不同的特征向量分配不同的权重，计算得到上述特征向量的加权和，该加权和即是游客的表示向量，将上述得到的表示向量作为游客画像的表示，在个性化景点推荐阶段，再将景点表示向量和游客画像做内积运算生成游客游览该景点的概率，按照不同景点的概率大小为游客生成景点推荐的列表。
-
公开(公告)号：CN110287335A
公开(公告)日：2019-09-27
申请号：CN201910522015.7
申请日：2019-06-17
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/9535 , G06Q50/14 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于知识图谱和用户长短期偏好的个性化景点推荐方法，包括：对游客的历史游览景点序列进行预处理并进行景点-编码转换；使用node2vec随机游走得到景点序列，利用word2vec中的Skip-gram模型，得到游客和景点的特征向量；将景点的特征向量加上偏置得 将 作为GRU网络的输入，然后利用GRU网络进行训练输出每个景点的潜在向量；为每个景点分配不同的权重，将每个景点的权重与景点的潜在向量相乘做累加得到当前游客的长期偏好，将当前游客的长期偏好与游客的当前偏好做拼接操作后乘以权重得最终向量；对最终向量与游客的当前偏好进行点积操作得景点的预估评分，对景点的预估评分进行归一化处理得每个景点的预测概率，取前K个分数对应的景点，得到top_k景点推荐列表。
-
公开(公告)号：CN109408619A
公开(公告)日：2019-03-01
申请号：CN201811177400.4
申请日：2018-10-10
Applicant: 桂林电子科技大学
IPC: G06F16/332 , G06F16/36 , G06K9/62
Abstract: 本发明提出一种面向问答领域动态计算问句与答案相似性的方法，所述问句包括答案问句部和问句答案部分，所述计算问句与答案相似性的方法包括：计算答案问句部分答案各方面向量与加权问句向量的相似性得分，其中所述答案各方面向量包括答案实体向量、答案类型向量和答案内容向量；计算问句向量与答案向量的最终相似性得分。
-
公开(公告)号：CN109189944A
公开(公告)日：2019-01-11
申请号：CN201811131075.8
申请日：2018-09-27
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/9535
Abstract: 本发明提出一种基于用户正负反馈画像编码的个性化景点推荐方法,包括：采集用户对景点的历史评价信息和景点的旅游属性数据；获得该用户的正负评价景点；将所有景点及其旅游属性值转化为三元组以构建景点知识图谱；将三元组中的景点实体、属性和属性值通过评分函数进行训练，使景点实体、属性和属性值转化成向量表示形式；获得用户对景点的正负反馈画像编码；利用正反馈画像编码与景点实体向量做相似度计算得到用户喜欢的景点；再利用负反馈画像编码对该排序进行优化。本发明通过用户对景点特征的负反馈画像进行编码，并在喜爱的兴趣列表基础上增加一次用户讨厌的景点相似度计算并优化得到最终推荐列表，为用户提供更精确的景点推荐。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.031 seconds)
