-
公开(公告)号：CN118053581A
公开(公告)日：2024-05-17
申请号：CN202410012680.2
申请日：2024-01-04
申请人： 同济大学
IPC分类号： G16H50/30 , G06F18/2113 , G06F18/214 , G06F18/243 , G06N20/20
摘要： 本发明公开了基于自适应特征工程的多原发癌患者预测方法及装置，方法包括：将获取到的数据源进行数据清理，包括缺失值处理、离群点处理等；在得到的特征的基础上，通过数据变换方法库进行特征变换，经过特征选择得到新特征输入至多原发癌患者预测模型进行训练；利用机器学习，在得到的训练集样本的基础上训练模型，获取评估效果，计算奖励因子；更新选中概率向量，将选中概率向量归一化；在每月获取新数据之后，进行新特征构造，训练多原发癌患者预测模型，对模型进行月度预测迭代。本发明利用自适应特种工程的方法构造特征，提高特征构造效率，降低人力成本，并结合机器学习方法，从整个模型的系统层面优化特征选择过程，提升模型的预测效果。
-
公开(公告)号：CN117934150A
公开(公告)日：2024-04-26
申请号：CN202410090611.3
申请日：2024-01-22
申请人： 同济大学
IPC分类号： G06Q40/03 , G06F18/2413 , G06F18/2113
摘要： 本发明公开了基于改进类不平衡的个人信用评估方法与装置。该基于改进类不平衡的个人信用评估方法，包括以下步骤：更新客户信用相关历史信息；获取客户信用相关历史信息并进行数据预处理；对通过数据预处理的客户信用相关历史信息进行样本获取，根据目标样本亲和力强弱评估指数得到平衡样本；获取平获取衡样本中的数据并计算得到个人信用可靠程度评估指数；根据个人信用可靠程度评估指数分析客户个人信用情况。本发明通过计算个人信用可靠程度评估指数并分析客户个人信用情况，达到了高效准确地进行个人信用风险评估的效果，解决了现有技术中存在不能高效准确地进行个人信用风险评估的问题。
-
公开(公告)号：CN116483984A
公开(公告)日：2023-07-25
申请号：CN202310301933.3
申请日：2023-03-24
申请人： 同济大学
IPC分类号： G06F16/335 , G06F16/35 , G06F16/338 , G16H20/70 , G06F18/241
摘要： 本发明涉及一种面向情绪再现的消息生成方法，包括如下步骤：获取用户与聊天系统的历史对话数据，构建并训练情绪事件抽取模型和情绪事件分类模型，获取日抑郁事件次数、日抑郁事件平均值和用户抑郁语境关键词；构建情绪事件知识图谱；利用情绪事件抽取模型和情绪事件分类模型，得到当前对话的情绪事件，获取当前语境关键词；根据当前对话的情绪事件及情绪事件知识图谱，得到预测事件集；获取抑郁概率值，根据评估抑郁关键词概率值、预测事件集、日抑郁事件平均值，综合评估当前抑郁程度，得到抑郁情绪再现概率；抑郁情绪再现消息的生成及提醒。与现有技术相比，该发明能够准确预测患者的抑郁情绪再现周期，并且生成对应消息缓解患者抑郁情绪。
-
公开(公告)号：CN110298391B
公开(公告)日：2023-05-02
申请号：CN201910505469.3
申请日：2019-06-12
申请人： 同济大学
IPC分类号： G06F18/241 , G06F16/35 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/09
摘要： 本发明涉及一种基于小样本的迭代式增量对话意图类别识别方法，该方法基于小样本数据集，从一个初步分类模型开始训练，随着模型的使用，初步模型的数量不断增多，模型准确率也逐步提升，摒弃了以往深度学习模型需要大量样本的训练方式，该方法在迭代训练过程中由于每次只需要少量样本训练一个新的初步分类模型，其他已有的历史初步分类模型权重不变，然后将全部的初步分类模型的结果输入再次分类模型中进行训练，模型的计算速度不会随着样本数量的增加而降低，同时相似度筛选模型会对已有的初步分类模型进行筛选和剔除，在保证准确率的情况下维持了性能，与现有技术相比，本发明具有训练样本数量少，计算性能稳定，模型易于更新扩展等优点。
-
公开(公告)号：CN115481789A
公开(公告)日：2022-12-16
申请号：CN202211064364.7
申请日：2022-08-31
申请人： 同济大学
摘要： 本发明一种基于关联图谱的自动化集装箱码头装卸时间预测方法，涉及一种神经网络和深度学习算法，利用码头关联图谱中的关联数据，能够有效地提升自动化集装箱码头装卸时间预测精准度，属于人工智能及控制技术领域，其特征在于：步骤一：邻域子图构建；步骤二：装卸时间预测模型前向传播；步骤三：预测时间与真实时间误差计算；步骤四：网络参数更新；步骤五：模型保存与应用。利用码头关联图谱的管理数据，构建面向目标任务的邻域子图，通过基于图神经网络的装卸时间预测模型学习关联图谱中的结构化语义信息，回归预测装卸时间，有效解决自动化集装箱码头装卸任务时间的预测问题，具有更高的装卸时间预测精准度。
-
公开(公告)号：CN110297894B
公开(公告)日：2021-03-26
申请号：CN201910428886.2
申请日：2019-05-22
申请人： 同济大学
IPC分类号： G06F16/332 , G06F16/35 , G06F16/33 , G06K9/62 , G06N3/04
摘要： 本发明涉及一种基于辅助网络的智能对话生成方法，包括以下步骤：1)建立相应的对话语句数据集；2)建立对话生成模型，采用对话语句数据集对对话生成模型进行预训练；3)建立辅助网络专家语料库以及辅助网络数据集；4)建立辅助网络模型，采用辅助网络数据集进行预训练；5)对基于辅助网络的智能对话生成模型进行参数初始化，进行联合训练，并扩展辅助网络训练数据集，直至对话生成模型和辅助网络模型均收敛；6)根据训练后的基于辅助网络的智能对话生成模型结合辅助网络专家语料库进行判定，将概率最高的词语作为当前时刻的最终输出词语。与现有技术相比，本发明具有提高效率和效果、适用性广等优点。
-
公开(公告)号：CN110297894A
公开(公告)日：2019-10-01
申请号：CN201910428886.2
申请日：2019-05-22
申请人： 同济大学
IPC分类号： G06F16/332 , G06F16/35 , G06F16/33 , G06K9/62 , G06N3/04
摘要： 本发明涉及一种基于辅助网络的智能对话生成方法，包括以下步骤：1)建立相应的对话语句数据集；2)建立对话生成模型，采用对话语句数据集对对话生成模型进行预训练；3)建立辅助网络专家语料库以及辅助网络数据集；4)建立辅助网络模型，采用辅助网络数据集进行预训练；5)对基于辅助网络的智能对话生成模型进行参数初始化，进行联合训练，并扩展辅助网络训练数据集，直至对话生成模型和辅助网络模型均收敛；6)根据训练后的基于辅助网络的智能对话生成模型结合辅助网络专家语料库进行判定，将概率最高的词语作为当前时刻的最终输出词语。与现有技术相比，本发明具有提高效率和效果、适用性广等优点。
-
公开(公告)号：CN108304865A
公开(公告)日：2018-07-20
申请号：CN201810054311.4
申请日：2018-01-19
申请人： 同济大学
摘要： 本发明涉及一种基于循环神经网络的图节点分类方法，该方法包括如下步骤：S1、给定一个原始图，构建针对每个节点的中心图；S2、初始化每个中心图节点的初始状态表示向量，同时获取中心图邻接矩阵；S3、以中心图邻接矩阵和初始状态表示向量为输入，节点类型为输出训练基于循环神经网络的分类模型；S4、将原始图邻接矩阵和待分类的节点的初始状态表示向量输入至所述的分类模型得到节点类型。与现有技术相比，本发明能够捕捉图中节点全局信息和局部信息，分类准确度高。
-
公开(公告)号：CN104599215A
公开(公告)日：2015-05-06
申请号：CN201310525960.5
申请日：2013-10-30
申请人： 同济大学
IPC分类号： G06Q50/30
CPC分类号： G06Q10/0639 , G06Q50/10
摘要： 本发明涉及一种面向SOA架构的信息服务普遍信任计算方法，首先提出由个体用户针对信息服务应用的信任计算方法；继而，提出由用户团体在内部形成统一意见后，实施信任度计算的方法；最终，依据个体用户和团体用户两方面的评价，计算得到信息服务应用的普遍信任度。与现有技术相比，本发明对个人用户和团体用户进行了有效区分，所得信任度具备普遍性。
-
公开(公告)号：CN103714095A
公开(公告)日：2014-04-09
申请号：CN201210380730.X
申请日：2012-10-09
申请人： 同济大学
IPC分类号： G06F17/30
摘要： 本发明涉及一种面向模糊数据库的多维轮廓计算数据处理方法，通过等价重构模块、子轮廓优化模块以及模糊数据库模式设计模块实现对多维轮廓计算的数据处理，等价重构模块接收到用户的多维轮廓计算请求后，对该多维轮廓计算进行等价重构，分解为若干个子轮廓计算和若干个轮廓视图分别进行处理，再向用户返回结果。与现有技术相比，本发明具有高效、准确等优点，能够有效应用于城市规划、智能监控、互联网舆情监测和数建模等领域。
-
-
-
-
-
-
-
-
-
搜索结果
76 条记录 (耗时 0.032 秒)