-
公开(公告)号：CN112465054B
公开(公告)日：2023-07-11
申请号：CN202011418905.2
申请日：2020-12-07
申请人： 深圳市检验检疫科学研究院 , 合肥工业大学 , 深圳海关信息中心 , 深圳海关动植物检验检疫技术中心
IPC分类号： G06F18/2415 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06F123/02
摘要： 本申请提供了一种基于FCN的多变量时间序列数据分类方法，包括：确定多变量时间序列数据对应的多变量高斯模型参数；依据多变量高斯模型参数和多变量时间序列数据生成输入条件；利用人工智能模型的学习能力，建立输入条件与多变量时间序列数据的数据类别之间的对应关系；获取目标的当前多变量时间序列数据，并依据当前多变量时间序列数据确定对应的当前输入条件；通过对应关系，确定与当前输入条件对应的当前数据类别。通过将多变量时间序列数据对应的多变量高斯模型参数作为输入条件，在保证了精度的同时，极大地提高了人工智能模型的训练速度，且数据集维度越高，提升越为显著。
-
公开(公告)号：CN113988052A
公开(公告)日：2022-01-28
申请号：CN202111295587.X
申请日：2021-11-03
申请人： 深圳市检验检疫科学研究院 , 合肥工业大学
IPC分类号： G06F40/211 , G06F40/284 , G06N3/04 , G06N3/08
摘要： 本申请提供了一种基于图扰动策略的事件检测方法及装置，包括获取给定句子中的上下文单词，生成与所述上下文单词对应的句法信息邻接矩阵和拼接向量；依据所述句法信息邻接矩阵生成句法图；依据所述拼接向量确定与所述上下文单词对应的上下文表示；将所述句法信息邻接矩阵和所述上下文表示作为人工神经网络的输入，获取输出信息；依据所述上下文表示与所述输出信息预测所述上下文单词的类型。本申请通过引入句法信息和两种图扰动策略来过滤句子中冗余信息，保留重要单词信息，并使用图修复操作减少句法信息的损失，可以有效解决事件检测过程中由于长句子中冗余信息过多所导致的分类效率低下的问题。
-
公开(公告)号：CN113887213A
公开(公告)日：2022-01-04
申请号：CN202111164755.1
申请日：2021-09-30
申请人： 深圳市检验检疫科学研究院 , 合肥工业大学
IPC分类号： G06F40/284 , G06F40/211 , G06N3/04 , G06N3/08
摘要： 本申请提供了一种基于多层图注意力网络的事件检测方法及装置，包括获取事件文本信息中的上下文单词，并确定与所述上下文单词对应的句法信息邻接矩阵和拼接向量；将所述邻接矩阵和所述拼接向量作为人工神经网络的输入，获取输出向量；依据所述拼接向量与所述输出向量聚合生成聚合信息；依据所述聚合信息确定所述上下文单词的触发词类别。本申请通过同时结合上下文单词的句法信息和上下文信息，有效解决使用句法分析工具容易出现信息丢失和错误传播的问题；并且通过在图注意力网络层中结合跳跃连接模块，避免因为一些短距离的句法信息过度传播从而导致最终触发词的分类不理想的情况出现，有效提高触发词分类的精度、召回率以及F1值。
-
公开(公告)号：CN112465054A
公开(公告)日：2021-03-09
申请号：CN202011418905.2
申请日：2020-12-07
申请人： 深圳市检验检疫科学研究院 , 合肥工业大学 , 深圳海关信息中心 , 深圳海关动植物检验检疫技术中心
摘要： 本申请提供了一种基于FCN的多变量时间序列数据分类方法，包括：确定多变量时间序列数据对应的多变量高斯模型参数；依据多变量高斯模型参数和多变量时间序列数据生成输入条件；利用人工智能模型的学习能力，建立输入条件与多变量时间序列数据的数据类别之间的对应关系；获取目标的当前多变量时间序列数据，并依据当前多变量时间序列数据确定对应的当前输入条件；通过对应关系，确定与当前输入条件对应的当前数据类别。通过将多变量时间序列数据对应的多变量高斯模型参数作为输入条件，在保证了精度的同时，极大地提高了人工智能模型的训练速度，且数据集维度越高，提升越为显著。
-
公开(公告)号：CN114781629A
公开(公告)日：2022-07-22
申请号：CN202210354751.8
申请日：2022-04-06
申请人： 合肥工业大学
摘要： 本发明公开了一种基于并行复用的卷积神经网络的硬件加速器及并行复用方法，该硬件加速器包括：参数存储模块、REG‑FIFO模块、计数控制模块、输入复用的卷积运算模块、激活模块、池化层模块；其中，参数存储模块负责预存图片参数和练后的权值参数；REG‑FIFO模块负责生成与卷积核相匹配的输入矩阵以及读取矩阵数据；计数控制模块负责时钟周期计数并依此控制REG‑FIFO模块的输入输出；输入复用的卷积运算模块负责卷积层与全连接层的卷积运算；激活模块负责卷积层和全连接层的输出激活操作；池化层模块负责经激活后的卷积层输出的池化操作。本发明旨在实现高运算并行度、高度数据复用、低硬件复杂度的卷积神经网络计算。
-
-
公开(公告)号：CN109344187A
公开(公告)日：2019-02-15
申请号：CN201810989323.6
申请日：2018-08-28
申请人： 合肥工业大学
IPC分类号： G06F16/25 , G06F16/332 , G06Q50/18
摘要： 本发明公开了一种司法判决书案情信息结构化处理系统，适用于信息抽取和自然语言处理领域；系统包括以下模块：司法判决书案情信息结构化表示模块、建立司法判决书案情信息序列标注模型模块、属性触发词管理模块和生成结构化司法判决书案情信息模块。根据用户给定的案件类型，建立司法判决书案情信息结构化数据表示框架，构建司法判决书案情信息序列标注训练集并训练序列标注模型，结合属性触发词集合，根据生成结构化司法判决书案情信息方法生成结构化的司法判决书案情信息。本发明根据用户提供的司法判决书案件类型和案情信息，实现司法判决书案情信息的结构化处理，其目的在于提供一种从无结构化司法判决书文本中抽取结构化信息的有效方式。
-
公开(公告)号：CN104573038A
公开(公告)日：2015-04-29
申请号：CN201510025468.0
申请日：2015-01-19
申请人： 合肥工业大学
IPC分类号： G06F17/30
CPC分类号： G06F17/30864 , G06F17/30867
摘要： 本发明公开了一种社交网络中群体行为的引导方法，其特征是按如下步骤进行：1、定义一个待监控的网络环境；2、采用社区发现算法将社交网络划分成社区；3、对每个社区进行特征词语的提取，获得每个社区的行为特征；4、在每个社区中定义一个智能体，设定智能体的行为特征，并将智能体加入到与他行为特征最相似的参与者周围；5、协调控制智能体的行为特征，从而引导其他参与者的行为特征，进而引导整个社交网络的群体行为。本发明能够在社交网络中发现舆情时，及时有效地引导社交网络中的参与者的群体行为，达到舆情引导的目的，从而引导社会生态向有序健康的方向发展。
-
公开(公告)号：CN118364914A
公开(公告)日：2024-07-19
申请号：CN202410530652.X
申请日：2024-04-29
申请人： 合肥工业大学
IPC分类号： G06N5/04 , G06F18/24 , G06N3/0455 , G06N3/08
摘要： 本发明公开了一种基于变分自编码器的真值推断方法，包括：1构建众包数据集，2初始化标注者混淆矩阵，3获取预测真值与先验真值，4真值信息融合，5计算损失函数，模型迭代更新。本发明结合众包学习，深度神经网络以及深度生成模型，基于众包标注者的混淆矩阵建模，通过变分自编码器拓展了任务特征的分布空间，并使用自适应信息融合机制动态调整扩展信息与原始信息的融合比例；利用变分自编码器的重构损失对众包回答进行降噪，以获取高质量的推断结果。
-
公开(公告)号：CN108415902B
公开(公告)日：2021-10-26
申请号：CN201810138076.9
申请日：2018-02-10
申请人： 合肥工业大学
IPC分类号： G06F40/295 , G06F16/955
摘要： 本发明公开了一种于搜索引擎的命名实体链接方法，包括下述步骤：对输入的查询文本进行分词，识别出文本中需要链接到知识库中的一组命名实体；对识别出的每个命名实体，通过实体指称在中文实体知识库中搜索得到候选实体列表；利用搜索引擎，扩展实体指称的上下文信息；利用搜索引擎，扩展候选实体列表中每个候选实体的上下文信息；计算实体指称与每个候选实体之间的匹配度；选择匹配度最大的实体进行链接。本方法通过在搜索引擎中检索实体指称和候选实体，从搜索结果中获取信息以扩展实体指称和候选实体的上下文信息，为提高实体链接的准确性提供附加信息。
-
-
-
-
-
-
-
-
-
搜索结果
32 条记录 (耗时 0.046 秒)
