公开(公告)号：CN111177376A

公开(公告)日：2020-05-19

申请号：CN201911302047.2

申请日：2019-12-17

Applicant: 东华大学

Inventor： 马强 ,  赵鸣博 ,  孔维健 ,  王晓峰 ,  孙嘉瞳 ,  邓开连

IPC: G06F16/35 ,  G06F40/30 ,  G06N3/04

Abstract: 本发明涉及一种基于BERT与CNN层级连接的中文文本分类的方法，主要用于解决中文文本的情感分析、核心句子识别、关系识别等文本分类问题。本发明中使用CNN模型与BERT模型进行层级连接，得到新的模型BERT-CNN。BERT-CNN模型由于加入CNN模型，可以对BERT模型提取到的句子特征进一步提取，获得更加有效的句子语义表示。因此，在文本分类任务中，可以获得更好的分类效果。

公开(公告)号：CN109685283B

公开(公告)日：2023-04-07

申请号：CN201910011356.8

申请日：2019-01-07

Applicant: 东华大学

Inventor： 方开创 ,  孔维健 ,  王晓峰 ,  潘峰 ,  马强 ,  甜娜

IPC: G06Q10/04 ,  G06N5/04

Abstract: 本发明涉及一种基于置信规则库推理的矿热炉工况预测方法，其利用专家经验知识、工业现场数据和机理分析挖掘出与工况预测相关特征向量并建立置信规则库，用置信规则库反映输入参数变量与工况输出之间复杂的非线性映射关系；采用实时决策滤波算法对工业数据进行实时滤波，使特征向量更加真实地反映矿热炉内部工况的变化；建立置信规则库非线性优化模型解决了根据专家给定的参数初始值不精确的问题。本发明不仅能提高生产操作智能化水平还能提高生产效率，对后期做功率需量预测实现生产过程节能减排，能效优化调度至关重要。

公开(公告)号：CN109685283A

公开(公告)日：2019-04-26

申请号：CN201910011356.8

申请日：2019-01-07

Applicant: 东华大学

Inventor： 方开创 ,  孔维健 ,  王晓峰 ,  潘峰 ,  马强 ,  甜娜

IPC: G06Q10/04 ,  G06N5/04

CPC classification number: G06Q10/04 ,  G06N5/04

Abstract: 本发明涉及一种基于置信规则库推理的矿热炉工况预测方法，其利用专家经验知识、工业现场数据和机理分析挖掘出与工况预测相关特征向量并建立置信规则库，用置信规则库反映输入参数变量与工况输出之间复杂的非线性映射关系；采用实时决策滤波算法对工业数据进行实时滤波，使特征向量更加真实地反映矿热炉内部工况的变化；建立置信规则库非线性优化模型解决了根据专家给定的参数初始值不精确的问题。本发明不仅能提高生产操作智能化水平还能提高生产效率，对后期做功率需量预测实现生产过程节能减排，能效优化调度至关重要。

公开(公告)号：CN118427403A

公开(公告)日：2024-08-02

申请号：CN202410508006.3

申请日：2024-04-25

Applicant: 东华大学

Inventor： 费振炜 ,  王晓峰

IPC: G06F16/901 ,  G06F16/11 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明涉及一种基于深度学习的动态图节点特征表示学习方法，包括以下步骤：先获取动态图数据集，构建动态图节点特征表示模型；为每张时间快照上的每个节点建立空间邻居节点集合；为每张时间快照上具有有效时间信息的节点建立时间邻居节点集合；将多张时间快照依次经过模型生成对应时间快照上的节点特征表示；利用所给的损失函数训川练模型；在最后第二张时间快照上对最后一张时间快照进行边预测。解决了图节点特征表示学习方法难以有效和全面的嵌入节点局部结构信息和时间信息的问题。有效的将时变节点的时间信息嵌入到节点的特征表示中去；生成的最终节点特征表示提高了下游任务例如边预测任务的准确率。

公开(公告)号：CN111177376B

公开(公告)日：2023-08-15

申请号：CN201911302047.2

申请日：2019-12-17

Applicant: 东华大学

Inventor： 马强 ,  赵鸣博 ,  孔维健 ,  王晓峰 ,  孙嘉瞳 ,  邓开连

IPC: G06F16/35 ,  G06F40/30 ,  G06N3/045

Abstract: 本发明涉及一种基于BERT与CNN层级连接的中文文本分类的方法，主要用于解决中文文本的情感分析、核心句子识别、关系识别等文本分类问题。本发明中使用CNN模型与BERT模型进行层级连接，得到新的模型BERT‑CNN。BERT‑CNN模型由于加入CNN模型，可以对BERT模型提取到的句子特征进一步提取，获得更加有效的句子语义表示。因此，在文本分类任务中，可以获得更好的分类效果。

公开(公告)号：CN109934833A

公开(公告)日：2019-06-25

申请号：CN201910312148.1

申请日：2019-04-18

Applicant: 东华大学

Inventor： 刘春阳 ,  邓开连 ,  徐炫辉 ,  付豪 ,  孙嘉曈 ,  孔维健 ,  王晓峰 ,  袁惠 ,  孙浩

IPC: G06T7/11 ,  G06T7/90

Abstract: 本发明涉及一种基于计算机视觉的植物生长检测系统，其特征在于，包括：OpenMV3 Cam M-OV7725智能图像处理颜色识别传感器；由图像处理单元对植物图像进行处理。本发明采用计算机视觉技术获得实时新图像，结合数字图像处理，图像分析，模式识别及RGB颜色检测，主动轮廓模型等方法构建诊断模型，通过对植株形状、叶形结构、叶脉形态特征及叶片颜色来进行识别和诊断，判断植株中氮元素含量情况。