-
公开(公告)号：CN112528672A
公开(公告)日：2021-03-19
申请号：CN202011463822.5
申请日：2020-12-14
Applicant: 北京邮电大学
IPC: G06F40/30 , G06F40/211 , G06F40/216 , G06F40/284 , G06N3/04
Abstract: 本发明实施例提供了一种基于图卷积神经网络的方面级情感分析方法及装置，所述方法包括：获取待进行方面情感分析的句子，以及该待进行方面情感分析句子中的方面词；对待进行方面情感分析的句子以及方面词进行预处理，得到待进行方面情感分析的句子对应的输入向量序列以及句法加权图；将输入向量序列和句法加权图，输入预先训练的双重图卷积神经网络中，得到方面词对应的情感分析结果。本发明实施例，使用双重图卷积神经网络不仅关注句子的句法特征，还关注句子的语义特征，提取句子对应的语义相关特征，弥补了对句法不敏感的句子提取句法特征不准确的缺陷，提高情感分析结果的准确性。
-
公开(公告)号：CN109214504A
公开(公告)日：2019-01-15
申请号：CN201810970836.2
申请日：2018-08-24
Applicant: 北京邮电大学深圳研究院
IPC: G06N3/04
CPC classification number: G06N3/0454
Abstract: 本发明提出了一种基于FPGA的YOLO网络前向推理加速器设计方法，所述加速器包括FPGA芯片和DRAM，所述FPGA芯片中的存储器BRAM作为数据缓冲器，所述DRAM作为主要存储设备；所述加速器设计方法包括以下步骤：(1)对原网络数据进行8bit定点数量化，得到对检测精度影响最小的小数点位置，形成量化方案，该量化过程是逐层进行的；(2)FPGA芯片对YOLO的九层卷积网络作并行计算；(3)位置映射。解决了现有技术中FPGA芯片上的存储资源的增长速度不及神经网络规模增长迅速，一般的目标检测网络很难按照传统的设计思路移植到FPGA芯片上的技术问题，实现使用更少片上资源达到更快速度的目的。
-
公开(公告)号：CN119474656A
公开(公告)日：2025-02-18
申请号：CN202411361578.X
申请日：2024-09-27
Applicant: 北京邮电大学 , 中国电力科学研究院有限公司
Inventor： 高欣 , 李强伟 , 李保丰 , 翟峰 , 赵兵 , 郜波 , 王一帆 , 秦煜 , 陈昊 , 梁晓兵 , 郑安刚 , 许斌 , 尹建芹 , 徐萌 , 冯云 , 赵英杰 , 于秀丽
IPC: G06F18/10 , G01R35/04 , G06F18/214 , G06F18/2411 , G06F18/2413 , G06F18/241 , G06F18/20 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N7/01 , G06N20/20
Abstract: 本发明公开了一种双路约束扩散模型的电能表故障检测方法及装置。其中，方法包括：获取待测电能表的多变量数据；将多变量数据输入至预先训练的故障检测模型中，输出待测电能表的检测结果，检测结果包括故障和正常，并且故障检测模型的训练过程为：基于数据标签和样本分布方法对原始少数类样本数据集以及原始多数类样本数据集进行去噪处理，获取少数类有效样本数据集以及多数类样本数据集；利用预先训练的基于双路判别器约束的扩散模型对少数类有效样本数据集进行样本扩散，生成少数类样本数据集；利用少数类样本数据集、所述少数类有效样本数据集以及多数类样本数据集训练预先构建的分类模型，生成故障检测模型。
-
公开(公告)号：CN118445724A
公开(公告)日：2024-08-06
申请号：CN202410505311.7
申请日：2024-04-25
Applicant: 北京邮电大学 , 中国电力科学研究院有限公司 , 国网山西省电力公司 , 国网山西省电力公司营销服务中心
Inventor： 高欣 , 于家豪 , 李保丰 , 翟峰 , 赵兵 , 郜波 , 秦煜 , 陈昊 , 梁晓兵 , 郑安刚 , 许斌 , 徐萌 , 冯云 , 赵英杰 , 卢建生 , 任宇路 , 石智珩 , 谢振刚 , 杨子成 , 杨帅
IPC: G06F18/2433 , G06F18/23 , G06F18/214 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于特征匹配的电能表小样本异常检测方法及装置。其中，方法包括：根据获取的目标域历史小样本，构建特征支持集；将获取的目标域待测样本按照预设维度进行数据增强，获取目标域待测样本的增强样本数据集；分别将增强样本数据集中的每个增强样本输入至预先训练的编码器中，获取该增强样本添加对称补丁编码视图的两个隐空间；将两个隐空间输入至预先训练的解码器中，获取增强样本数据集中每个增强样本的重构样本；根据特征支持集、每个增强样本的两个隐空间、原始样本以及重构样本，确定增强样本数据集中每个增强样本每个时间步的异常分数。
-
公开(公告)号：CN117491939A
公开(公告)日：2024-02-02
申请号：CN202311440486.6
申请日：2023-11-01
Applicant: 北京邮电大学 , 中国电力科学研究院有限公司 , 国网山西省电力公司营销服务中心
Inventor： 高欣 , 薛冰 , 李保丰 , 翟峰 , 赵兵 , 郜波 , 秦煜 , 陈昊 , 梁晓兵 , 郑安刚 , 许斌 , 徐萌 , 冯云 , 赵英杰 , 卢建生 , 谢振刚 , 肖春 , 石智珩 , 焦广旭 , 贾勇 , 姚俊峰 , 杨子成
IPC: G01R35/04
Abstract: 本发明公开了一种基于双记忆增强自编码器的电能表异常检测方法，包括：获取待测电能表历史检测的多变量长时间序列数据；将多变量长时间序列数据划分为预设窗口长度的多个时间窗口数据；将多个时间窗口数据和其相邻时间窗口数据输入至预先训练的异常检测模型中，输出时间窗口数据对应的重构数据，其中异常检测模型采用基于双记忆增强自编码器；根据每个时间窗口数据的重构数据以及原始数据确定该时间窗口数据每个时间点的异常分数，并根据异常分数，确定待测电能表每个时间点的异常程度。
-
Patent Agency Ranking
公开(公告)号：CN117195505A
公开(公告)日：2023-12-08
申请号：CN202311048733.8
申请日：2023-08-18
Applicant: 中国电力科学研究院有限公司 , 北京邮电大学 , 国网重庆市电力公司营销服务中心
Inventor： 刘婧 , 于海波 , 陈天阳 , 薛冰 , 高欣 , 谭煌 , 陈昊 , 陈文礼 , 李媛 , 刁新平 , 乔文俞 , 程瑛颖 , 苏宇 , 李亚杰 , 田成明 , 谷凯 , 郜波 , 郑安刚
IPC: G06F30/20 , G06F30/17 , G06Q50/06 , G01R35/04 , G06F119/02 , G06F119/06 , G06F111/08
Abstract: 本发明公开了一种用于电能表信息化评价校准模型的测评方法及系统，属于模型测评技术领域。本发明方法，包括：针对电能表信息化评价校准模型，确定与所述电能表信息化评价校准模型的模型准确度相关的测评指标和业务需求相关的测评指标；基于层次分析法，根据所述模型准确度相关的测评指标和所述业务需求相关的测评指标，构建用于所述电能表信息化评价校准模型测评的关键指标体系；利用多重假设检验方法对多个工况下的关键指标值进行联合验证，将验证结果映射为一个模型等级，根据所述模型等级确定所述电能表信息化评价校准模型性能的测评结果。本发明能够通过测评结果确定电能表信息化评价校准模型的可信度。
-
公开(公告)号：CN115361258B
公开(公告)日：2023-06-16
申请号：CN202210826619.2
申请日：2022-07-14
IPC: H04L25/02 , H04B17/391 , G06N3/0464 , G06N3/08 , G06F18/28 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO稀疏信道估计方法及相关设备，所述方法包括：本地服务器进行离线训练得到信道稀疏度认知神经网络、信道稀疏表示字典和信道稀疏重构神经网络；终端将OFDM信号输入到信道稀疏度认知神经网络中得到信道稀疏度；基站根据信道稀疏度确定下行传输信号中导频序列的长度；基站接收到下行传输信号后，根据信道稀疏度选择相应的信道稀疏表示字典进行信道稀疏表示，并根据信道稀疏重构神经网络一起进行信道稀疏重构。通过终端将OFDM信号输入到信道稀疏度认知神经网络中得到信道稀疏度，基站根据信道稀疏度进行信道稀疏表示，并根据信道稀疏重构神经网络一起进行信道稀疏重构，实现了高精度、低复杂度的信道估计。
-
公开(公告)号：CN114357156B
公开(公告)日：2023-02-28
申请号：CN202111473889.1
申请日：2021-12-02
Applicant: 北京邮电大学
IPC: G06F16/35 , G06F40/211 , G06F40/268 , G06F40/284 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种多特征多通道图卷积网络模型训练方法及属性情感三元组抽取方法，多特征多通道图卷积网络模型训练方法包括步骤：将第一语句输入预设的第一模型中，将第一语句划分为单词，编码得到第一词向量，得到隐藏状态序列，生成第一邻接张量；根据单词词性生成第二邻接张量，根据句法依存类型生成第三邻接张量，根据基于树的词对距离生成第四邻接张量，根据单词的相对距离生成第五邻接张量；隐藏状态序列分别与邻接张量图卷积，并平均池化，得到联合特征序列；将邻接张量进行拼接得到联合张量；根据联合张量和联合特征序列为每个词对生成第一词对向量，基于分类函数得到概率分布张量；计算总损失函数，根据总损失函数对第一模型进行训练。
-
公开(公告)号：CN114357156A
公开(公告)日：2022-04-15
申请号：CN202111473889.1
申请日：2021-12-02
Applicant: 北京邮电大学
IPC: G06F16/35 , G06F40/211 , G06F40/268 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种多特征多通道图卷积网络模型训练方法及属性情感三元组抽取方法，多特征多通道图卷积网络模型训练方法包括步骤：将第一语句输入预设的第一模型中，将第一语句划分为单词，编码得到第一词向量，得到隐藏状态序列，生成第一邻接张量；根据单词词性生成第二邻接张量，根据句法依存类型生成第三邻接张量，根据基于树的词对距离生成第四邻接张量，根据单词的相对距离生成第五邻接张量；隐藏状态序列分别与邻接张量图卷积，并平均池化，得到联合特征序列；将邻接张量进行拼接得到联合张量；根据联合张量和联合特征序列为每个词对生成第一词对向量，基于分类函数得到概率分布张量；计算总损失函数，根据总损失函数对第一模型进行训练。
-
公开(公告)号：CN112528672B
公开(公告)日：2021-07-30
申请号：CN202011463822.5
申请日：2020-12-14
Applicant: 北京邮电大学
IPC: G06F40/30 , G06F40/211 , G06F40/216 , G06F40/284 , G06N3/04
Abstract: 本发明实施例提供了一种基于图卷积神经网络的方面级情感分析方法及装置，所述方法包括：获取待进行方面情感分析的句子，以及该待进行方面情感分析句子中的方面词；对待进行方面情感分析的句子以及方面词进行预处理，得到待进行方面情感分析的句子对应的输入向量序列以及句法加权图；将输入向量序列和句法加权图，输入预先训练的双重图卷积神经网络中，得到方面词对应的情感分析结果。本发明实施例，使用双重图卷积神经网络不仅关注句子的句法特征，还关注句子的语义特征，提取句子对应的语义相关特征，弥补了对句法不敏感的句子提取句法特征不准确的缺陷，提高情感分析结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.031 seconds)
