-
公开(公告)号：CN115393702A
公开(公告)日：2022-11-25
申请号：CN202111663024.1
申请日：2021-12-30
申请人： 国家气象中心 , 北京邮电大学 , 中国气象局广州热带海洋气象研究所
IPC分类号： G06V20/10 , G06Q50/26 , G06V10/75 , G06V10/774 , G06V10/764
摘要： 本申请提供一种台风快速增强趋势的判别方法、电子设备以及可存储介质，属于计算机视觉的技术领域。所述方法包括：对获取的待测台风的遥感图像序列与对应的强度序列进行预处理，得到待测台风的待测数据序列；计算待测台风的生命周期标识；将待测数据序列与待测台风的生命周期标识输入快速增强趋势判别模型，得到待测台风快速增强的置信度，将待测台风快速增强的置信度与快速增强判别阈值比较，在待测台风快速增强的置信度大于快速增强判别阈值时，确定待测台风具有快速增强的趋势。本申请旨在能够更精确地预测和判别台风快速增强的趋势。
-
公开(公告)号：CN113971653A
公开(公告)日：2022-01-25
申请号：CN202110369013.6
申请日：2021-04-06
申请人： 国家气象中心 , 北京邮电大学 , 中国气象局广州热带海洋气象研究所
摘要： 本发明实施例提供了一种面向遥感图像的目标检测方法，包括：获取待检测遥感图像，将待检测遥感图像输入至预先训练得到的目标检测模型进行目标检测，得到待检测遥感图像中第一检测框的位置信息，其中，第一检测框中包括预设目标的置信度高于第一置信度；根据每个第一检测框的位置信息，从待检测遥感图像中截取候选图像；将候选图像输入至目标检测模型进行目标检测，得到候选图像中第二检测框的位置信息，作为目标检测结果，其中，第二检测框中包括预设目标的置信度高于第二置信度，第二置信度高于第一置信度。这样，在第二次进行目标检测时，候选图像的分辨率较低，可以得到较好的目标检测效果，从而实现对遥感图像进行较高精度的目标检测。
-
公开(公告)号：CN113094489A
公开(公告)日：2021-07-09
申请号：CN202110498928.7
申请日：2021-05-08
申请人： 北京邮电大学
IPC分类号： G06F16/332 , G06F16/35 , G06N3/04 , G06N3/08
摘要： 基于疑问词分类器的神经网络问题生成方法及生成系统，涉及互联网技术领域，解决现有基于分类器的网络模型存在生成问题中的疑问词不准确，导致存在根本性错误等问题，生成系统包括答案位置标注模块、疑问词分类器、疑问词添加模块以及神经网络问题生成模型；本发明在神经网络问题生成任务的基础上，将疑问词预测任务建模为一个独立的分类任务，即在神经网络问题生成模型之前，引入一个疑问词分类器，先通过疑问词分类器识别最可能提问的疑问词，再生成完整的问题。目的是提高疑问词生成的准确率和可解释性，最终减小所生成问题和真实问题的差异，提高问题的质量。
-
公开(公告)号：CN110309287B
公开(公告)日：2021-07-06
申请号：CN201910612036.8
申请日：2019-07-08
申请人： 北京邮电大学
IPC分类号： G06F16/332 , G06F40/211 , G06F40/242 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种引入对话历史信息的局部注意力机制的检索式对话系统，在开放领域的检索式对话中，传统的模型分为表示层，匹配层，集成层，预测层中，最后从候选集中选出和对话最匹配的候选回复。将表示层划分成单句表示和句间关系两部分进行分别建模。在建模对话的轮次信息时使用局部注意力机制，使得在训练模型时，注意力机制能够获得对于匹配任务更有帮助的轮次信息。局部注意力机制也能够提高模型对整个对话中不同位置内容的关注能力。针对对话中的每部分内容，对重要信息赋予较大权重，次要信息或干扰信息赋予较小权重，实现更好的回复匹配，加快训练速度，提高模型效率。
-
公开(公告)号：CN110347861A
公开(公告)日：2019-10-18
申请号：CN201910632985.2
申请日：2019-07-12
申请人： 北京邮电大学
IPC分类号： G06F16/583
摘要： 本发明公开了一种基于掩膜的累加显著特征的(Mask-based Prominent Feature Accumulation,MPFA)无监督图像检索系统，属于信息处理领域。该方法的特征包括：先抽取图像输入预训练的VGG网络的特征图，生成掩膜图。采用掩膜图对特征图的各通道处理以抽取显著特征，随后累加各通道显著特征得到求和向量；再对于维度为特征图通道数目的求和向量，排序后取累加值最大的前N个通道，对所选通道进行加权聚合等操作后得到图像的最终表示向量；最后使用余弦相似度对待检索图像最终表示向量和数据库所有图像的表示向量进行最近邻搜索，得到与待检索图像最为相似的图像检索结果。本发明通过结合掩膜和显著特征累加方法，使得无监督图像检索效果得到提升，尤其是对于包含复杂背景的图像，具有很大的实用价值。
-
公开(公告)号：CN108256082A
公开(公告)日：2018-07-06
申请号：CN201810058388.9
申请日：2018-01-22
申请人： 北京邮电大学
IPC分类号： G06F17/30
摘要： 本发明公开了一种基于深度多相似度哈希的图像检索方法、装置、电子设备及存储介质，其中图像索引方法主要包括：使用二值化编码作为图像索引值的图像检索系统；其中，使用预训练的卷积神经网络对图像内容进行二值化编码，二值化编码的汉明距离可以表征图像内容的相似度；其中，卷积神经网络使用量化损失和图像对损失共同构成的复合损失函数作为监督，在大规模多标签图像数据集上充分训练。本发明通过引入量化损失函数，使用卷积神经网络对图像内容进行二值化编码；引入图像对损失函数作为监督训练卷积神经网络，使得对图像内容的理解程度提升至标签语义级别，具有很大的实用价值。
-
公开(公告)号：CN101483579A
公开(公告)日：2009-07-15
申请号：CN200810000200.1
申请日：2008-01-09
摘要： 本发明的实施例中公开了一种实时业务带宽申请方法，该方法包括：检测当前时刻实时查询业务rtPS队列的长度；根据上一轮询周期的实际需要的额外带宽、上一轮询周期的预测额外带宽以及当前时刻rtPS队列的长度，预测当前轮询周期中所需请求的带宽；根据当前轮询周期中所需请求的带宽发送带宽请求。本发明的实施例中还公开了一种实时业务带宽申请装置。通过上述的方法和装置，可使得带宽预测的结果更加准确；有效提高WiMAX环境下实时业务的时延性能，减小实时业务的调度时间，减小缓冲区的需求。
-
公开(公告)号：CN110209770B
公开(公告)日：2022-04-15
申请号：CN201910478860.9
申请日：2019-06-03
申请人： 北京邮电大学
摘要： 本发表公开了一种基于策略价值网络的命名实体识别方法，属于信息处理领域。该方法首先将命名实体识别的标注过程建模成马尔科夫决策过程(MDP)，提出了一种新颖的基于强化学习的命名实体识别模型，称为MM‑NER。MM‑NER是第一个将将蒙特卡洛树搜索(MCTS)增强型MDP模型应用于命名实体识别(序列标记任务)的工作。它基于MDP状态定义设计了一个策略价值网络来获得标签概率和标注序列准确度评估，并利用MCTS进行模拟，进而搜索出一个更具全局意识的标注序列。在推断过程，直接使用策略价值网络可以保证识别效果与树搜索策略基本一致，并大大降低时间复杂度。本发明在CoNLL2003命名实体识别数据集上的实验结果，证明了拥有K步探索决策机制的MM‑NER的有效性。
-
公开(公告)号：CN109726389B
公开(公告)日：2020-10-13
申请号：CN201811345695.1
申请日：2018-11-13
申请人： 北京邮电大学
IPC分类号： G06F40/211 , G06F40/284 , G06F40/30
摘要： 本发明公开了一种中文缺失代词补全方法，属于信息处理领域，该方法的特征包括：构建输入文本以及上下文文本矩阵；循环神经网络分别形成输入文本语义信息矩阵和输入文本上下文句子层面、词语层面语义背景矩阵；基于语义相似度得到输入文本上下文句子层面各句子重要程度的注意力权重；更新得到上下文句子层面语义信息矩阵；将结果融合输入文本矩阵；利用语义相似度得到输入文本上下文词语层面各句子重要程度的注意力权重；结合外部知识库更新词语注意力权重；结合句子注意力权重更新得到上下文语义信息矩阵；融合输入文本信息得到最终输入文本的推理信息矩阵；通过多层感知器得到层级式各词语的缺失代词概率分布；预测输入文本各词语缺失代词类型。
-
公开(公告)号：CN109492223B
公开(公告)日：2020-08-04
申请号：CN201811313974.X
申请日：2018-11-06
申请人： 北京邮电大学
IPC分类号： G06F40/284 , G06F40/30 , G06N3/04 , G06N5/04
摘要： 本发明公开了一种中文缺失代词补全方法，属于信息处理领域，该方法的特征包括：构建输入文本矩阵；循环神经网络形成输入文本语义信息矩阵；构建输入文本上下文文本矩阵；循环神经网络形成句子层面、词语层面两个输入文本上下文语义信息矩阵；利用神经网络推理得到输入文本上下文句子层面各句子重要程度的注意力权重；更新得到上下文句子层面语义信息矩阵；将结果融合输入文本矩阵得到输入文本推理信息矩阵；利用神经网络推理得到输入文本上下文词语层面各句子重要程度的注意力权重；更新得到上下文词语层面语义信息矩阵；融合得到最终输入文本的推理信息矩阵；通过多层感知器得到各词语的缺失代词概率分布；预测输入文本各词语缺失代词类型。
-
-
-
-
-
-
-
-
-
搜索结果
45 条记录 (耗时 0.077 秒)
