-
公开(公告)号:CN117151121A
公开(公告)日:2023-12-01
申请号:CN202311401665.9
申请日:2023-10-26
Applicant: 安徽农业大学
IPC: G06F40/35 , G06F16/35 , G06F18/22 , G06F18/2415 , G10L15/18 , G10L15/16 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种口语理解方法,具体是一种基于波动阈值与分割化的多意图口语理解方法,该方法包括:对于一段输入的话语将其编码为隐藏状态序列后得到预测的意图和槽值,将预测的槽值与意图转化为向量形式嵌入到模型中;利用SD计算一个范围加权矩阵与输入的意图对应相乘,划定其范围后结合注意力机制融合意图检测和槽位填充结果的重要语义信息,使用波动阈值进行输出判断。本发明可以获得每个意图的既定范围,从而起到了减少范围外标记干扰的作用;通过设置基准阈值,然后运用斯皮尔曼系数与余弦相似度轮询对于每一个初预测意图和当前意图范围内的每个词进行相似度计算作为基准浮动阈值,提高了模型对意图边缘的检测的准确性。
-
公开(公告)号:CN117076653A
公开(公告)日:2023-11-17
申请号:CN202311340689.8
申请日:2023-10-17
Applicant: 安徽农业大学
IPC: G06F16/332 , G06N5/04 , G06F16/33
Abstract: 本发明适用于知识库问答技术领域,提供了基于思维链及可视化提升上下文学习知识库问答方法,包括以下步骤:在知识库中检索与需查询问题相似的示例;对所述相似的示例和所述需查询问题一并利用思维链产生逻辑推理过程;利用CodeGeex2模型学习所述逻辑推理过程后,生成需查询问题的逻辑形式;获取所述用户勘误后的逻辑形式,在知识库中对需查询问题进行知识抽取、实体绑定与关系绑定,利用多数票策略来确定需查询问题的答案,并将答案输出给用户。本发明在模型生成逻辑形式前引入思考链,利用符号内存提高大语言模型的复杂问题多跳推理能力,先针对示例用思维链进行推理回答,再利用模型来生成逻辑形式的模板,能够提高答案推理与错误分析能力。
-
公开(公告)号:CN116934151A
公开(公告)日:2023-10-24
申请号:CN202310888979.X
申请日:2023-07-19
Applicant: 安徽农业大学
IPC: G06Q10/0639 , G06Q10/0635 , G06Q30/018 , G06Q50/02
Abstract: 本发明涉及农产品质量安全评价,具体涉及一种基于溯源和快检数据的农产品质量安全评价方法,基于溯源和快检数据构建农产品质量安全评价体系;对农产品质量安全评价体系中各评价指标值进行归一化处理,并采用环比倍乘法获得各评价指标对应的第一权重;根据各归一化处理后的评价指标值及对应的第一权重计算农产品的第一质量安全评价指数;基于农产品质量安全评价体系构建监测矩阵,基于各评价指标对应的安全阈值构建判断矩阵,并利用判断矩阵将监测矩阵转换为风险矩阵;本发明提供的技术方案能够有效克服现有技术所存在的无法对农产品进行全过程质量安全评价的缺陷。
-
公开(公告)号:CN111996087A
公开(公告)日:2020-11-27
申请号:CN202010400211.X
申请日:2020-05-13
Applicant: 安徽农业大学
IPC: C12G3/02
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:CN119904733A
公开(公告)日:2025-04-29
申请号:CN202510387246.7
申请日:2025-03-31
Applicant: 安徽农业大学
IPC: G06V10/82 , G06V10/764 , G06V10/44 , G06V10/26 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/084 , G06T7/194 , G06T7/62 , G06V10/28
Abstract: 本发明适用于蓝藻检测领域,具体提供了基于多任务深度学习与自适应背景去除的蓝藻检测方法,在检测方法中,构建MAGAN模型通过图卷积网络提取局部特征,利用自注意力机制增强全局上下文感知,最后通过背景去除模块优化前景与背景的区分,从而实现自适应背景去除任务;然后,采用多任务深度学习框架;通过在同一个模型中同时学习多个任务的目标,使得模型能够从多个任务中共享知识;使蓝藻检测任务与背景去除任务共享部分特征并协同优化,实现背景去除,为蓝藻识别提供支持,蓝藻识别为背景去除提供参考信息,增强了任务间的协同效应,模型能够更精准地区分蓝藻与其他水体物质,减少误检和漏检。
-
公开(公告)号:CN119047661B
公开(公告)日:2025-01-28
申请号:CN202411545074.3
申请日:2024-11-01
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06Q50/02 , G01W1/10
Abstract: 本发明适用于农业气象预测领域,具体是基于多尺度卷积网络及扩散系统的农业气象预测方法,包括:利用训练好的多尺度卷积网络对农业气象图像进行初步预测,得到初步预测结果;通过扩散模型对初步预测结果进行处理,对初步预测结果进行处理包括:先通过扩散模型增加噪声捕获时空特征之间的联系,以及后通过多步逆扩散过程逐步消除预测结果中噪声;对基于多尺度卷积网络和扩散模型的预测模型进行训练,得到训练好的预测模型;对于给定的农业气象图像,利用预测模型生成未来多个时间步的预测图像序列并输出。本发明通过将时空卷积神经网络结合扩散系统,显著提升了时空数据对于长期预测结果性能的提高。
-
公开(公告)号:CN119047661A
公开(公告)日:2024-11-29
申请号:CN202411545074.3
申请日:2024-11-01
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06Q50/02 , G01W1/10
Abstract: 本发明适用于农业气象预测领域,具体是基于多尺度卷积网络及扩散系统的农业气象预测方法,包括:利用训练好的多尺度卷积网络对农业气象图像进行初步预测,得到初步预测结果;通过扩散模型对初步预测结果进行处理,对初步预测结果进行处理包括:先通过扩散模型增加噪声捕获时空特征之间的联系,以及后通过多步逆扩散过程逐步消除预测结果中噪声;对基于多尺度卷积网络和扩散模型的预测模型进行训练,得到训练好的预测模型;对于给定的农业气象图像,利用预测模型生成未来多个时间步的预测图像序列并输出。本发明通过将时空卷积神经网络结合扩散系统,显著提升了时空数据对于长期预测结果性能的提高。
-
公开(公告)号:CN118314352B
公开(公告)日:2024-09-13
申请号:CN202410736895.9
申请日:2024-06-07
Applicant: 安徽农业大学
IPC: G06V10/26 , G06V10/764 , G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明属于遥感图像处理技术领域,具体是一种基于补丁级分类标签的农作物遥感图像分割方法,该方法使用patch级标注图像数据分别训练教师网络和学生网络,在教师网络的输出中,筛选出可靠的预测结果作为学生网络的伪标签,不可靠结果作为学生网络的负样本;利用学生网络的分类结果生成图像分割模型的像素级伪掩码,将学生网络不同编码阶段的特征图作为分割模型的伪标签;最后使用经过充分训练的学生模型作为主干网络,对测试集图像进行分割。本发明增强了对噪声和局部变化的鲁棒性,提高了模型泛化能力,有效减少图像标注质和量上的需求;通过多层伪监督缩小patch级标签和像素级标签之间的信息差距。
-
公开(公告)号:CN118332127B
公开(公告)日:2024-08-06
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。
-
-
-
-
-
-
-
-
-