-
公开(公告)号:CN119740614B
公开(公告)日:2025-05-06
申请号:CN202510237871.3
申请日:2025-03-03
Applicant: 合肥工业大学
IPC: G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明提供一种生成式人工智能模型决策的解释方法和系统,涉及生成式人工智能技术领域。本发明首先获取输入数据和响应;然后通过构建的GenAI决策解释模型对输入数据和响应进行处理得到解释。其中,GenAI决策解释模型包括解释器和响应感知的注意力机制,响应感知的注意力机制用于对响应进行处理得到外部归因分数,解释器用于计算内部归因分数,融合内外部归因分数,并将处理后的归因分数与输入数据进行点积得到解释。本发明针对GenAI模型的特点,设计了新颖的响应感知的归因注意力机制和响应引导的先验估计器,为GenAI模型的决策提供简洁、忠实的解释。
-
公开(公告)号:CN119295224A
公开(公告)日:2025-01-10
申请号:CN202411763044.X
申请日:2024-12-03
Applicant: 合肥工业大学
IPC: G06Q40/06 , G06Q10/0637 , G06Q10/0639 , G06F17/18 , G06F40/216 , G06F40/284 , G06F40/30 , G06F18/22
Abstract: 本发明属于企业管理技术领域,具体涉及一种企业融资约束影响因子的分析方法和系统,本发明能够充分利用监管类函件及其回函文本中的关键信息,这些信息对于理解企业融资约束的深层次原因至关重要。通过结合企业的财务数据和治理数据,本发明构建双重差分模型来深入分析企业融资约束的影响因子,从而更准确地揭示企业融资约束的深层次原因。本发明提出的分析方法不仅能够捕捉到监管机构对企业的关注点和潜在问题,还能够反映企业对监管要求的回应和态度。通过深入分析这些文本数据,能够确定哪些因素对企业融资约束具有显著影响,这有助于投资者和监管机构更准确地了解企业融资约束的成因,为制定有效的融资策略提供有力支持。
-
公开(公告)号:CN114818888A
公开(公告)日:2022-07-29
申请号:CN202210382476.0
申请日:2022-04-13
Applicant: 合肥工业大学 , 安徽省司尔特肥业股份有限公司
Abstract: 本发明提供一种基于多通道卡尔曼滤波的土壤成分数据融合方法和系统,涉及土壤成分测量技术领域。本发明首先基于数值迭代的思想对自适应加权融合算法计算真实值的方法进行改进,由传统均值计算法替换为迭代中值计算法,该方法不仅可以有效降低融合方差而且可以极大地减小异常值对融合值的影响;其次,在卡尔曼滤波模型处理农业多传感器系统时,可能引起滤波发散的问题。本发明构造出双层的渐消记忆指数加权滤波因子,不仅可以实现土壤中不同传感器的滤波融合,还可以保证恒为误差协方差对称阵,较长时间进行数据滤波。改进后的多通道卡尔曼滤波模型不仅可以实现同时对不同的土壤属性进行融合,而且针对性地赋予每个通道不同的调节能力。
-
公开(公告)号:CN114282702A
公开(公告)日:2022-04-05
申请号:CN202111338375.5
申请日:2021-11-12
Applicant: 合肥工业大学 , 安徽省司尔特肥业股份有限公司
Abstract: 本发明提供一种基于IGA‑BP神经网络的土壤调理时间序列预测方法、系统、存储介质和电子设备,涉及土壤调理技术领域。本发明采用IGA算法确定BP神经网络的权值和阈值,并作为最优权值和阈值;根据最优权值和阈值训练BP神经网络,获取IGA‑BP神经网络模型;将土壤墒情数据输入IGA‑BP神经网络模型中,获取待预测土壤养分的预测结果;通过选定不同目标土壤成分,预测得出未来一段时间该区域的具体土壤成分演变规律,同时结合具体作物生长特征和当地土壤养分等级评级体系双向匹配出土壤调理时间序列,最终确定最佳土壤调理所需养分。
-
公开(公告)号:CN110390426A
公开(公告)日:2019-10-29
申请号:CN201910542849.4
申请日:2019-06-21
Applicant: 合肥工业大学
Abstract: 本发明提供一种区域工业经济增速的预测方法、系统和存储介质,涉及数据预测领域。包括以下步骤:获取工业经济数据,形成历史数据;基于所述历史数据确定工业经济的预测指标;对所述预测指标进行异常值处理;对处理后的预测指标进行归一化处理,获得标准化指标;基于所述标准化指标构建长短期记忆网络模型;对所述长短期记忆网络模型进行批数据处理;对所述长短期记忆网络模型进行自适应优化。本发明可以准确预测区域工业经济的增速。
-
公开(公告)号:CN109983898A
公开(公告)日:2019-07-09
申请号:CN201910197945.X
申请日:2019-03-15
Applicant: 合肥工业大学 , 安徽省司尔特肥业股份有限公司
IPC: A01C21/00
Abstract: 本发明公开了一种基于土壤性状监测系统的农作物科学施肥方法,涉及科学种田技术领域。本发明包括:对土壤及该土壤内所生长植株的化验数据进行数据处理,并将数据处理结果结合植株的生长状况信息对土壤性状信息进行数据分析;根据经数据分析后所获取的土壤性状信息对土壤进行土壤修复及改善,并根据目前土壤性状信息对土壤进行施肥动作;对修复及改善后的土壤进行再监测,并根据修复及改善后的土壤信息对土壤进行施肥动作。本发明通过利用获取到的土壤性状信息对土壤进行施肥控制,然后在土壤改善后进行再检测,并根据检测结果对施肥进行再控制,实现了因地施肥的效果,有助于提升土质及农作物的产量,提高了土地及肥料资源的高效利用。
-
公开(公告)号:CN117710106A
公开(公告)日:2024-03-15
申请号:CN202311746013.9
申请日:2023-12-18
Applicant: 合肥工业大学
IPC: G06Q40/04 , G06Q30/06 , G06Q30/0201
Abstract: 本发明提供一种基于动态关系网络的异常用户识别方法和系统。通过获取用户交易数据,将预设的时间范围划分为多个时间窗口;提取每个时间窗口对应的用户交易数据,根据用户交易数据构建按照时间窗口排列的用户关系网络;获取用户关系网络在每个时间窗口内的网络特征;对所有时间窗口内的网络特征进行最大相关最小冗余分析,以获取网络特征对应的最优时间窗口;对最优时间窗口对应的网络特征进行聚合处理和变点检测,以获取持续性特征和突变性特征,从而构建异常用户识别模型,以根据异常用户识别模型识别用户交易数据中的异常用户。考虑到用户交易数据的动态变化,通过获取持续性特征和突变性特征建模分析异常用户,可以准确识别出异常用户。
-
公开(公告)号:CN115035512B
公开(公告)日:2023-04-18
申请号:CN202210568094.7
申请日:2022-05-24
Applicant: 合肥工业大学
IPC: G06V20/68 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于多模态深度学习的作物营养状态诊断方法和系统,涉及作物营养状态诊断技术领域。本发明实施例设计了一种多模态特征交互的多头注意力神经网络层,使得各模态信息,例如图片、文本和土壤养分信息实现相互融合,增强了多模态特征的互补性和一致性;为了进一步挖掘作物营养状态诊断过程中各个模态对结果的影响程度,还在LSTM网络的基础上进行改进,创新出一种模态门以自适应赋予每种模态不同的权重。多模态交互注意力机制和增加模态门的LSTM网络的模型设计,不仅实现作物生育期各模态的有机交互,而且自适应的赋予各模态不同的权重,控制每种目标模态的输出,实现作物营养状态的及时、精准、智能诊断,为大规模肥料个性化定制奠定基础。
-
公开(公告)号:CN115204963A
公开(公告)日:2022-10-18
申请号:CN202210505348.0
申请日:2022-05-10
Applicant: 合肥工业大学
Abstract: 本发明提供了一种考虑时间效应的产品组合推荐方法和系统,涉及产品推荐技术领域。本发明首先构建集成分类树和集成生存树分别预测用户点击概率以及用户在不同时间的点击概率;然后计算用户响应度并排序生成Top‑N产品推荐列表;最后基于产品组合构建推荐强度优化模型,获得组合中各个产品的推荐强度,提供了更为具体的推荐方案,有效提升了产品推荐的效果。
-
公开(公告)号:CN109816181B
公开(公告)日:2022-02-11
申请号:CN201910197990.5
申请日:2019-03-15
Applicant: 合肥工业大学 , 安徽省司尔特肥业股份有限公司
Abstract: 本明公开了基于土壤性状监测的农作物种植收成预测方法。涉及农作物收成预测技术领域。本发明包括测定土壤性状对农作物收成的影响系数、测定土壤性状并预测农作物产量。本发明通过测定土壤性状包括土壤的相对湿度、酸碱度、氧气浓度以及二氧化碳浓度对农作物收成的影响系数:相对湿度影响系数sn、酸碱度影响系数hn、氧气浓度影响系数kn、二氧化碳浓度影响系数ln、氮浓度的影响系数Nn、磷浓度的影响系数Pn、钾浓度的影响系数Kn,并通过Tp=kn*ln*sn*hn*(Nn*Pn*Kn)*T,预测农作物的收成,同时方便对农作物施肥等救助、提高农作物产量。
-
-
-
-
-
-
-
-
-