-
公开(公告)号：CN111026943A
公开(公告)日：2020-04-17
申请号：CN201911101644.9
申请日：2019-11-12
申请人： 山东大学
IPC分类号： G06F16/951 , G06F16/9536
摘要： 本发明公开了一种利用多源社交网络的合作学习进行用户兴趣分析方法及系统，包括：构建多源用户信息数据集；对于S个信息源，为全部的社交媒体用户定义S个预测模型，所述S个预测模型构成用户兴趣预测模型；将S个预测模型对应的权重矩阵分割成代表多源信息一致性的权重矩阵与代表多源信息互补性的权重矩阵；构建关于权重和置信度的损失函数；对所述用户兴趣预测模型赋予所述损失函数，并进行迭代优化；将待分析的社交用户多信息源输入到优化后的用户兴趣预测模型，输出该社交用户的兴趣爱好分类的预测。本发明充分利用了多源信息互补性，有效的提高了社交用户兴趣预测的准确度。
-
公开(公告)号：CN110188414A
公开(公告)日：2019-08-30
申请号：CN201910394490.0
申请日：2019-05-13
申请人： 山东大学
摘要： 本公开公开了一种个性化胶囊衣橱创建方法、装置及胶囊衣橱，接收多模态数据集，进行预处理；将预处理后的样本根据模态的不同将相对的数据输入预训练的多路径神经网络；根据预训练的神经网络和多层感知机分别提取不同模态的特征数据，得到不同模态的层次哈希表示；根据层次标签构建预处理后样本在不同层次上的相似矩阵，根据每层相似矩阵中值训练哈希表示的内积，评测样本之间的语义相似性；采用不同粒度的层次标签，并分析层次比对神经网络性能影响，确定最佳层次比；根据每层哈希表示得到哈希码；训练双路径神经网络，并使用SCD梯度下降法优化训练双路径神经网络，建立基于层次标签的深度跨模态哈希模型，用于跨模态搜索。
-
公开(公告)号：CN110188288A
公开(公告)日：2019-08-30
申请号：CN201910457978.3
申请日：2019-05-29
申请人： 山东大学
IPC分类号： G06F16/9536 , G06F16/951 , G06Q50/00
摘要： 本公开提供了一种基于多模态的信息推荐方法、系统、介质及设备，获取品牌信息和微影响者信息数据集合；利用集合中的账户历史数据学习多模态社交账户表示；基于相似度和参与度构造微影响者的可胜任度指标；利用每个账户的多模态历史数据和已有的品牌与微影响者之间的可胜任度，计算得到设定品牌与任意微影响者的可胜任度，选择可胜任度在设定范围内的微影响者信息进行推荐或显示本公开引入了社交媒体数据的相似度以及社交网络参与度来共同评价微影响者对品牌之间的可胜任度，保证了双方信息数据匹配的准确度。
-
公开(公告)号：CN110175469A
公开(公告)日：2019-08-27
申请号：CN201910406849.1
申请日：2019-05-16
申请人： 山东大学
摘要： 本公开公开了一种社交媒体用户隐私泄漏检测方法、系统、设备及介质，包括：采集待预测社交媒体用户发布内容；对待预测社交媒体用户发布内容，通过第一注意力机制模型Attention Model，学习待预测的学习句子表示；基于待预测的句子表示，通过第二注意力机制模型Attention Model，学习待预测社交媒体用户发布内容的表示；将待预测社交媒体用户发布内容的表示，输入到预先训练好的预测模型中，输出待预测社交媒体用户的隐私是否泄露，以及所泄露隐私的类型。
-
公开(公告)号：CN110084165A
公开(公告)日：2019-08-02
申请号：CN201910319835.6
申请日：2019-04-19
申请人： 山东大学
摘要： 一种基于边缘计算的电力领域开放场景下异常事件的智能识别与预警方法，本发明将改进的SSD目标检测模型压缩并移植到移动端，充分发挥边缘计算的优势，通过实验，本发明将安卓端作为一个优选方案；本发明将VGG16网络中的Conv4_x特征层和Conv5_x特征层相融合，再将融合之后的特征层直接作用到最后的预测层，以此来提高小目标检测的准确率；同时，本发明总结出多种基本的天气情况：晴天、阴天、雨天、雾天等，并使用图像增强技术来增加不同场景下的训练数据，以此提高模型的泛化能力。
-
公开(公告)号：CN108875910A
公开(公告)日：2018-11-23
申请号：CN201810501943.0
申请日：2018-05-23
申请人： 山东大学
摘要： 本发明公开了基于注意力知识提取的服装搭配方法、系统及存储介质，对时尚社区网站的服装搭配数据进行数据采集，提取服装搭配规则；构建学生网络：获取上衣视觉特征、上衣文本特征、下衣视觉特征、下衣文本特征；基于所获取的特征，利用多层感知机对不同模态的语义关系进行建模；依据建模结果计算每一件上衣与下衣之间的相容性；基于所得到的相容性，利用贝叶斯个性化排序算法构建学生网络；构建教师网络：根据每一件上衣与下衣之间的相容性构建服装搭配规则的约束函数；利用注意力机制实现不同服装搭配规则置信度的分配；根据约束函数和服装搭配规则的置信度，构建教师网络；利用教师网络对学生网络进行训练，利用训练好的学生网络进行服装搭配。
-
公开(公告)号：CN117648429A
公开(公告)日：2024-03-05
申请号：CN202410121781.3
申请日：2024-01-30
IPC分类号： G06F16/332 , G06F16/33 , G06F40/30 , G06N5/04 , G06N3/0464 , G06N3/08
摘要： 本发明属于问答模型技术领域，为解决现有生成答案的准确率低的问题，提供一种基于多模态自适应检索式增强大模型的问答方法及系统。其中，基于多模态自适应检索式增强大模型的问答方法包括接收待回答的问题；基于多模态自适应检索式增强大模型及多模态知识库，生成预测答案；多模态自适应检索式增强大模型包括检索器、检索排序器和生成器；检索器提取问题及多模态知识库中的每个知识对应的多模态融合特征，计算每个知识和问题的相似度，选取TOP‑K知识；根据问题及知识标签，利用检索排序器从TOP‑K知识中判定出与问题相关的知识，得到检索的相关知识；生成器生成预测答案，其能够大大提高了模态问答的检索和生成答案的准确率。
-
公开(公告)号：CN116401532A
公开(公告)日：2023-07-07
申请号：CN202310664109.4
申请日：2023-06-07
申请人： 山东大学
IPC分类号： G06F18/213 , H02J3/24 , G06F18/214 , G06F18/243 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种电力系统受扰后频率失稳识别方法及系统，属于电力系统数据处理技术领域。所述方法，包括：对获取的时间序列数据，依次进行奇偶序列分解、多尺度卷积和交互学习后，得到特征变换后新的奇偶子序列；将得到的奇偶子序列作为二叉树结构节点的输入，将最后一层二叉树结构各节点输出的所有奇偶子序列重新排列，经合并拼接和非线性变换后，得到预测的频率响应曲线；判断频率响应曲线的频率最低值是否小于设定安全阈值，如是，则判断电力系统受扰后频率失稳，否则，判断电力系统受扰后频率稳定；本发明在预测的频率响应曲线基础上实现了频率稳定性的准确评估。
-
公开(公告)号：CN115081687A
公开(公告)日：2022-09-20
申请号：CN202210606561.0
申请日：2022-05-31
申请人： 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
摘要： 本发明公开了基于知识引导的多源信息融合的高炉煤气预测方法，S1：获取高炉煤气发生量和高炉煤气发生量相关影响因素的瞬时值数据，保存为数据文件；S2：对S1的数据文件数据进行去除异常、归一化预处理等操作，并构建实验数据集；S3：对S2数据集输入特征实施注意力机制处理和自适应学习权重操作；S4：将S3处理后的特征输入神经网络模型，分别训练和测试高炉煤气发生量模型和消耗量模型；S5：判断预测结果是否异常，修正和优化模型；通过自适应学习不同信息源数据的权重，帮助模型关注关键信息；通过区别性对待不同历史时刻提升模型预测性能；本发明结合生产流程知识和工艺背景等指导性规则，进一步修正和优化模型，引导模型主动挖掘数据中的工艺信息。
-
公开(公告)号：CN114970720A
公开(公告)日：2022-08-30
申请号：CN202210588975.5
申请日：2022-05-26
申请人： 河钢数字技术股份有限公司 , 山东大学 , 青岛海尔智能技术研发有限公司
摘要： 本发明公开了一种工业异常预测在钢铁能源公辅中的应用方法，所述应用方法如下：步骤一：首先依托钢铁企业的能源系统，收集一星期内，所有高炉的热风炉的废气温度实时数据以及状态实时数据；步骤二：对步骤一获取的数据进行预处理；步骤三：对步骤二预处理后的数据实现特征提取和多源数据的融合；步骤四：使用结合多种机器学习模型的集成学习方法，为每个高炉的每个热风炉训练一个相应的换炉时间的预测模型；本发明的有益效果是：本发明将集成学习Stacking方法应用到高炉的热风炉换炉时间的预测上，利用高炉热风炉废气温度数据和同一高炉的其他热风炉状态数据进行多源信息的融合作为输入，并结合钢铁行业工艺规则协同计算，来预测工业异常情况。
-
-
-
-
-
-
-
-
-
搜索结果
89 条记录 (耗时 0.095 秒)
