一种基于异构图神经网络的用户意图识别方法及装置

    公开(公告)号:CN113158062A

    公开(公告)日:2021-07-23

    申请号:CN202110502094.2

    申请日:2021-05-08

    Abstract: 本发明公开了一种基于异构图神经网络的用户意图识别方法及装置,意图识别装置根据对话内容直接识别用户意图进而得到一个初步的识别结果;历史信息筛选装置根据对话内容以及初步结果对用户历史信息进行筛选,得到与对话内容相关的用户历史信息;识别结果调整装置结合对话内容,初步识别结果以及相关的历史信息对识别结果进行调整进而更准确地识别用户意图。本发明解决了传统深度学习方法无法有效识别用户个性化表达的问题,设计了一种两阶段的意图识别策略,利用异构图神经网络结合用户历史发言,有效对用户个性化发言进行识别,提高了意图识别的准确性,进而为系统做出准确回复提供了帮助。

    用于VOCs和NO协同净化的改性复合氧化物催化剂及其制备方法

    公开(公告)号:CN111889101A

    公开(公告)日:2020-11-06

    申请号:CN202010813319.1

    申请日:2020-08-13

    Applicant: 清华大学

    Abstract: 本发明涉及一种用于VOCs和NO协同净化的改性复合氧化物催化剂及其制备方法。所述改性复合氧化物催化剂由AMn2O5表示,其中A为Sm1-y或者Sm1-x-yMx-z,M为La、Y、Sr、Ce、Ba、Ca、Gd、Nd、Pr中的一种或多种,x大于0且小于1,y≠0,z≠0,且x>z,y和z可相同或不同。所述改性复合氧化物催化剂通过将其中y和z均为0的未改性复合氧化物AMn2O5改性而获得,并且所述改性和未改性氧化物催化剂均具有莫来石结构。本发明的改性复合氧化物保留了原复合氧化物结构的优异耐高温性能,并且可以实现一种催化剂同时高效的去除VOCs和NO两种污染物的性能。因此,本发明的改性复合氧化物催化剂适用于钢铁烧结、垃圾焚烧等行业烟气和机动车尾气中VOCs和NO的协同净化脱除。

    一种协同控制NOx和CVOCs三叶草型催化剂的制备方法及其应用

    公开(公告)号:CN107376895B

    公开(公告)日:2020-06-23

    申请号:CN201710539456.9

    申请日:2017-07-04

    Applicant: 清华大学

    Abstract: 本发明公开了一种协同控制氮氧化物(NOx)和含氯挥发性有机物(CVOCs)三叶草型催化剂的制备方法及其应用,该催化剂采用有机钒化合物为钒前驱体,钛白粉或钛钨粉为载体,利用“两步法”制备催化剂:具体地,第一步,利用机械球磨法制备得到粉体催化剂;第二步,采用挤出成型工艺制备三叶草型的结构化催化剂。所得催化剂适用于垃圾焚烧、钢铁烧结和有色冶炼等行业工业烟气的NOx和CVOCs分别脱除,也适用于NOx和CVOCs协同脱除。与现有商业催化剂相比,本发明对商业钒基催化剂体系改动不大,但采用“两步法”,所得催化剂不仅获得高脱硝率和CVOCs脱除效率,同时具有较高的机械强度和耐磨性能,是一种更利于工业化生产的脱硝协同脱除CVOCs的三叶草型催化剂制备技术。

    脱硝协同脱CVOCs的催化剂及其制备方法和应用

    公开(公告)号:CN109759102B

    公开(公告)日:2020-05-26

    申请号:CN201910105528.8

    申请日:2019-02-01

    Applicant: 清华大学

    Abstract: 本发明公开了一种脱硝协同脱CVOCs的催化剂及其制备方法和条件,其原料组成为:0.6‑9wt%的磷钨酸和三氧化钼,以钒量计的高于2wt%的乙酰丙酮氧钒,其余为载体二氧化钛和成型助剂;其中,所述成型助剂选自二氧化硅、玻璃纤维、硬脂酸、乳酸、羧甲基纤维素、聚氧化乙烯、木浆棉、纸浆棉。该催化剂粉体可以在保持CVOCs氧化降解和SCR反应的同时具有较高活性,且具有宽的活性温度窗口,温度跨度可达170‑550℃。

    一种人工神经网络和脉冲神经网络的混合系统

    公开(公告)号:CN105095961B

    公开(公告)日:2017-09-29

    申请号:CN201510419325.8

    申请日:2015-07-16

    Applicant: 清华大学

    Abstract: 本发明提供一种人工神经网络和脉冲神经网络的混合系统,包括:多个神经形态网络核以及与该多个神经形态网络核一一对应的多个路由节点。所述多个神经形态网络核用于执行神经网络计算,所述多个神经形态网络核通过本地路由节点实现数据输入与输出。所述多个路由节点组成路由网络,承担整个系统的数据输入与输出。本发明提供的人工神经网络和脉冲神经网络的混合系统结合了人工神经网络和脉冲神经网络两种神经网络的计算模式,能进行实时快速、多模态或复杂时空信号计算并能保证计算的精确度。

Patent Agency Ranking