-
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：CN116108158A
公开(公告)日：2023-05-12
申请号：CN202310389342.6
申请日：2023-04-13
Applicant: 合肥工业大学
IPC: G06F16/332 , G06F18/22 , G06F18/25
Abstract: 本发明提供一种在线互动问答文本特征构造方法和系统，涉及文本特征挖掘技术领域。本发明基于BERTopic模型设计了领域适用的主题特征构造方法，该方法对文档嵌入模型进行改进，即融入任务自适应预训练方法，实现了语义信息的精准捕捉；同时，提出基于相似性动态集成的交互特征构造方法，通过动态集成将多种相似度算法进行有机结合，得到相似度矩阵，提高了多维度挖掘交互信息的准确性；且设计融合多头注意力机制和门控机制的问答文本特征重要性自适应判别模型，考虑了不同文本特征的差异化预测或分类性能，自适应地赋予多维文本特征差异性权重，进而生成多维问答文本特征矩阵。本发明提高了构造问答文本特征的精度和泛化性。
-
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：CN117610663B
公开(公告)日：2024-10-29
申请号：CN202311360362.7
申请日：2023-10-19
Applicant: 合肥工业大学
IPC: G06N5/04 , G06N3/0455 , G06N3/042 , G06F18/22 , G06F18/25 , G06F40/30 , G06F40/242
Abstract: 本发明提供一种基于企业披露报告的创新文本特征构造方法和系统，涉及本特征挖掘技术领域。本发明基于企业披露报告设计了领域适用的创新文本抽取方法。通过构建特定领域的企业披露报告语料库，基于Word2Vec模型构造了该领域适用的创新词典，实现了对特定领域中披露报告创新文本更准确有效的抽取。这一方法提高了对特定领域披露报告中创新文本抽取的准确性和有效性，有助于更好地理解和利用领域相关信息。同时，通过基于ChatGPT的创新文本推理特征构造方法，可以进一步挖掘基于创新文本所可能获取的推理信息，使最终构造出的多维创新文本特征矩阵对创新信息的表征更加准确、完整。
-
Patent Agency Ranking
公开(公告)号：CN116108158B
公开(公告)日：2023-07-28
申请号：CN202310389342.6
申请日：2023-04-13
Applicant: 合肥工业大学
IPC: G06F16/332 , G06F18/22 , G06F18/25
Abstract: 本发明提供一种在线互动问答文本特征构造方法和系统，涉及文本特征挖掘技术领域。本发明基于BERTopic模型设计了领域适用的主题特征构造方法，该方法对文档嵌入模型进行改进，即融入任务自适应预训练方法，实现了语义信息的精准捕捉；同时，提出基于相似性动态集成的交互特征构造方法，通过动态集成将多种相似度算法进行有机结合，得到相似度矩阵，提高了多维度挖掘交互信息的准确性；且设计融合多头注意力机制和门控机制的问答文本特征重要性自适应判别模型，考虑了不同文本特征的差异化预测或分类性能，自适应地赋予多维文本特征差异性权重，进而生成多维问答文本特征矩阵。本发明提高了构造问答文本特征的精度和泛化性。
-
公开(公告)号：CN113873459A
公开(公告)日：2021-12-31
申请号：CN202110808369.5
申请日：2021-07-16
Applicant: 合肥工业大学 , 安徽省司尔特肥业股份有限公司
Abstract: 本发明提供一种土壤成分采集的多传感器优化部署方法，涉及土壤成分采集技术领域。本发明提出一种两阶段传感器部署方法：第一阶段借助少量传感器采用系统随机法重复多次计算每个部署点的土壤成分值，如果土壤成分分布差异较小，则以最接近单个网格土壤成分平均值的部署点为最终部署方案，否则进入部署第二阶段，使用基于均匀网格化和Delaunay三角剖分的布点算法；使用变异系数对每个三角网内土壤成分的离散程度进行约束，对于离散程度较高的三角网格进行剖分，直至所有三角网均符合要求；本部署方案可以用于作物种植前、种植中以及种植后的土壤成分监测，与农情相结合，从实际角度出发，与现有的传感器部署方案相比，能够科学全面的持续反映土壤成分。
-
公开(公告)号：CN119723682A
公开(公告)日：2025-03-28
申请号：CN202510239475.4
申请日：2025-03-03
Applicant: 合肥工业大学
IPC: G06V40/20 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/0455 , G06N3/084
Abstract: 本发明提供一种基于多视图解耦表征学习的异常行为动态识别方法及系统，涉及多视图数据建模领域。本发明设计的基于正交约束的掩码向量量化方法，能够促使码本向量两两正交，提升向量特征的解耦性和泛化能力，在此基础上构造的面向离散表征的自适应掩码机制，能够有效地去除多视图表征中的冗余信息并保留互补信息，提升了模型的鲁棒性和泛化能力，可以得到更有效的、非冗余的表征，从而动态且精准地识别个体的异常行为，为下游任务提供了更加可靠的特征基础。此外，设计的时间‑样本单调性联合感知的多期生存概率预测方法，通过构造风险累积函数来实现跨时间单调性，同时构造焦点生存损失结合多周期BCE损失来实现跨样本的排序单调性。
-
公开(公告)号：CN113873459B
公开(公告)日：2024-03-12
申请号：CN202110808369.5
申请日：2021-07-16
Applicant: 合肥工业大学 , 安徽省司尔特肥业股份有限公司
Abstract: 本发明提供一种土壤成分采集的多传感器优化部署方法，涉及土壤成分采集技术领域。本发明提出一种两阶段传感器部署方法：第一阶段借助少量传感器采用系统随机法重复多次计算每个部署点的土壤成分值，如果土壤成分分布差异较小，则以最接近单个网格土壤成分平均值的部署点为最终部署方案，否则进入部署第二阶段，使用基于均匀网格化和Delaunay三角剖分的布点算法；使用变异系数对每个三角网内土壤成分的离散程度进行约束，对于离散程度较高的三角网格进行剖分，直至所有三角网均符合要求；本部署方案可以用于作物种植前、种植中以及种植后的土壤成分监测，与农情相结合，从实际角度出发，与现有的传感器部署方案相比，能够科学全面的持续反映土壤成分。
-
公开(公告)号：CN117610663A
公开(公告)日：2024-02-27
申请号：CN202311360362.7
申请日：2023-10-19
Applicant: 合肥工业大学
IPC: G06N5/04 , G06N3/0455 , G06N3/042 , G06F18/22 , G06F18/25 , G06F40/30 , G06F40/242
Abstract: 本发明提供一种基于企业披露报告的创新文本特征构造方法和系统，涉及本特征挖掘技术领域。本发明基于企业披露报告设计了领域适用的创新文本抽取方法。通过构建特定领域的企业披露报告语料库，基于Word2Vec模型构造了该领域适用的创新词典，实现了对特定领域中披露报告创新文本更准确有效的抽取。这一方法提高了对特定领域披露报告中创新文本抽取的准确性和有效性，有助于更好地理解和利用领域相关信息。同时，通过基于ChatGPT的创新文本推理特征构造方法，可以进一步挖掘基于创新文本所可能获取的推理信息，使最终构造出的多维创新文本特征矩阵对创新信息的表征更加准确、完整。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.046 seconds)
