一种基于内外部视角的群组推荐方法

    公开(公告)号:CN115357805B

    公开(公告)日:2023-06-16

    申请号:CN202210920144.3

    申请日:2022-08-02

    Abstract: 一种基于内外部视角的群组推荐方法,基于外部视角,将群组与餐厅和用户与餐厅的交互看作两个独立的过程,利用图卷积分别学习这两种交互行为中隐含的偏好信息,使模型学习到用户作为个体时的个人偏好以及群组作为整体时的固定偏好。基于内部视角,将群组决策过程中成员之间存在的互动商讨过程考虑在内,采用图注意力神经网络学习此过程中产生的成员间的相互影响,使模型能够准确捕捉受影响后的成员偏好变化。基于内部视角,不同成员在群组中的作用与影响力不同,导致在群组决策中的贡献度不同,采用注意力机制学习成员贡献度大小,能够以一种动态的方式学习聚合策略,更好的权衡不同成员的偏好,解决偏好冲突问题。

    一种改进的基于小波域稀疏特性的心电信号去噪方法

    公开(公告)号:CN115105088A

    公开(公告)日:2022-09-27

    申请号:CN202210695692.0

    申请日:2022-06-20

    Abstract: 一种改进的基于小波域稀疏特性的心电信号去噪方法,通过对所有不同尺度的小波系数进行优化计算,避免了小波阈值去噪过程中将较小的小波系数舍弃的问题,从而,能够更好地保留心电信号的细节特征。能够提高降噪后心电信号的组稀疏特性,并减轻基于全变分方法求解过程中出现的阶梯伪影,保持了原始心电信号的波形特征。充分利用了心电信号在时域和频域的组稀疏特性,且该方法不仅适用于非重叠的组稀疏信号,当信号相邻分组出现重叠时,优化变量之间是相互耦合的,该方法仍然适用。通过选取参数化的非凸惩罚函数,并限定正则化参数的区间,保证了总代价函数的严格凸性,且该优化算法计算效率高、收敛速度快。

    一种基于深度强化学习和阻抗控制的柔顺人机接触方法

    公开(公告)号:CN114789444A

    公开(公告)日:2022-07-26

    申请号:CN202210484043.6

    申请日:2022-05-05

    Abstract: 一种基于深度强化学习和阻抗控制的柔顺人机接触方法,根据本任务的需求,建立相关的状态空间,动作空间和奖励函数,为实现任务的柔顺性,在身体表面建立虚拟接触面,结合阻抗控制,提前获取执行器到达目标部位的虚拟接触力,并输入状态空间,通过深度强化学习算法对执行器动作的调整,实现力调整,完成任务。实现了深度强化学习和柔顺控制的结合,建立了虚拟接触面,可提前获取执行器的接触力,实现对接触力的调整,来适应复杂多变的柔顺人机接触任务。

    一种基于相关性注意力的群组推荐方法

    公开(公告)号:CN116304362B

    公开(公告)日:2023-12-15

    申请号:CN202211724767.X

    申请日:2022-12-21

    Abstract: 一种基于相关性注意力的群组推荐方法,属于群组推荐技术领域,设计了相关性注意力组件,该组件首先根据景点、群组以及群组成员的嵌入向量学习每个成员的贡献度,然后根据成员的贡献度为成员分配相应的权重,并分别对群组和成员的相关性以及景点和成员的相关性建模,最后采用加权求和的形式得到群组嵌入向量以进行推荐。两种相关性建模采用的皆是逐元素乘法的形式,嵌入项向量的每个维度代表了相应特征的强度,逐元素乘法可以高效的建模特征交互。逐元素乘积后得到的新的嵌入向量不仅包含了成员和群组(景点)二阶特征组合信息,而且还包含了所隐含的关联性,达到了关联性建模的目的,从而进一步增强了群组推荐的性能。

    一种基于多任务MTEF-NET的心电分类方法

    公开(公告)号:CN115358270A

    公开(公告)日:2022-11-18

    申请号:CN202210996094.7

    申请日:2022-08-19

    Abstract: 一种基于多任务MTEF‑NET的心电分类方法,通过设置两个任务来构建多任务神经网络,利用多任务的联合学习方式,并行提高每一个任务的性能,进而提高整个心电信号分类的准确率。通过给不同的任务分配不同的权重比例,使模型具有平衡数据样本差异的能力,能够解决数据不平衡问题。建立的MTEF‑NET网络模型具有复杂网络的量化调整能力,通过对网络深度,宽度和输入图片分辨率的综合调整,使神经网络只需要较少的网络参数,减轻了模型性的复杂度,同时也能够提高分类的准确率。通过构建CBAM‑MBCov模块,能够解决心电信号转换成二维图像之后所丢失的通道和空间特征消失的问题。

    基于变分自编码和PixelCNN模型的心电信号降噪方法

    公开(公告)号:CN114648048B

    公开(公告)日:2022-10-25

    申请号:CN202210337117.3

    申请日:2022-04-01

    Abstract: 一种基于变分自编码和PixelCNN模型的心电信号降噪方法,变分自编码器依赖于概率分布,有利于减少重构误差,能够使模型学习数据的有用潜在表示并有效的模拟信号的全局结构。基于PixelCNN的自回归解码器进一步优化了变分自编码器压缩的潜在变量,能够在捕获大量潜在特征的同时捕捉边界小尺度特征。PixelCNN模型有助于对局部特征进行建模,这些特征与具有分解输出分布模型的VAE的全局特征互补。通过将模型扩展到不同尺度的潜在变量层次结构上,增大了感受野,减少了计算代价,更有利于细节特征信息的提取。

    一种基于深度强化学习和阻抗控制的柔顺人机接触方法

    公开(公告)号:CN114789444B

    公开(公告)日:2022-12-16

    申请号:CN202210484043.6

    申请日:2022-05-05

    Abstract: 一种基于深度强化学习和阻抗控制的柔顺人机接触方法,根据本任务的需求,建立相关的状态空间,动作空间和奖励函数,为实现任务的柔顺性,在身体表面建立虚拟接触面,结合阻抗控制,提前获取执行器到达目标部位的虚拟接触力,并输入状态空间,通过深度强化学习算法对执行器动作的调整,实现力调整,完成任务。实现了深度强化学习和柔顺控制的结合,建立了虚拟接触面,可提前获取执行器的接触力,实现对接触力的调整,来适应复杂多变的柔顺人机接触任务。

Patent Agency Ranking