-
公开(公告)号：CN118798331A
公开(公告)日：2024-10-18
申请号：CN202410756898.9
申请日：2024-06-12
Applicant: 郑州轻工业大学
Inventor： 马江涛 , 周辰宇 , 王艳军 , 李祖贺 , 张秋闻 , 庾骏 , 李璞 , 李玉华 , 张勋才 , 马宇科 , 李霆 , 晋文朵 , 程佳 , 刘博 , 李坤霖 , 孙一帆 , 卫梦屹 , 付一龙
IPC: G06N5/02 , G06N3/0442 , G06N3/08 , G06N5/04
Abstract: 本发明提出了一种基于交替归纳子图序列和共同偏好的知识图谱关系预测方法，其步骤如下：初始化知识图谱中每个实体的子图；使用子图序列化模型将子图转化为序列，学习序列化特征得到状态序列；使用偏好强化模型学习子图之间的共同偏好的权重，利用权重表示实体和尾实体的潜在子图；使用交替聚合模型处理潜在子图归纳不同的归纳子图，通过归纳子图之间的得分预测实体之间的关系并输出。本发明通过在知识图谱中学习候选实体周围的子图来预测关系，避免学习嵌入任何特定实体，可以在推理阶段处理新的看不见的实体；通过学习单个子图中层级之间的潜在关联和不同子图之间的共性来预测推测未知实体之间的关系，提高了知识图谱关系预测的效果和效率，提高了知识图谱质量。
-
公开(公告)号：CN111198959B
公开(公告)日：2023-03-28
申请号：CN201911396473.7
申请日：2019-12-30
Applicant: 郑州轻工业大学
IPC: G06F16/51 , G06F16/55 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于卷积神经网络的两阶段图像检索方法，其步骤如下：在VGG16网络的卷积层和密集连接层之间添加特征提取层构建卷积神经网络模型；利用训练集和验证集对卷积神经网络模型进行训练，利用反向传播调整卷积神经网络模型的参数；将测试集输入训练好的卷积神经网络模型，利用哈希函数映射将特征向量映射得到二进制哈希码，利用softmax分类函数对密集连接层输出的向量进行分类，构建二级索引库；将待检索图像输入训练好的卷积神经网络模型，进行第一阶段的检索，进行第二阶段检索。本发明在相应的图像类别下进一步搜索，通过分类优化检索实现了图像的精确分类和快速检索，加快了相似特征的检索速度，提高了查询效率。
-
公开(公告)号：CN113806609B
公开(公告)日：2022-07-12
申请号：CN202111128257.1
申请日：2021-09-26
Applicant: 郑州轻工业大学
IPC: G06F16/906 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/33 , G06F16/35 , G06F16/65 , G06F16/68 , G06F16/75 , G06F16/783
Abstract: 本发明提出了一种基于MIT和FSM的多模态情感分析方法，用以解决现有多模态情感分析方法在融合多模态信息时的技术性问题；其步骤为：首先，分别对文本模态数据、语音模态数据和视频模态数据进行预处理，提取文本特征向量、语音特征向量和视频特征向量；其次，将三个特征向量依次进行组合后分别输入Multimodal Interactive Transformer中进行辅助学习，分别得到三个学习后的特征矩阵；最后，将三个学习后的特征矩阵输入Feature Soft Mapping中映射到统一的语义空间中进行融合，得到融合特征；并将融合特征输入分类层，获取情感预测结果。本发明所提出的多模态情感分析模型能够充分考虑多种模态信息之间的关联，有助于在数据融合后进行情感分类。
-
公开(公告)号：CN113591148A
公开(公告)日：2021-11-02
申请号：CN202110876616.5
申请日：2021-07-31
Applicant: 郑州轻工业大学
Abstract: 本发明涉及食品溯源技术领域，且公开了基于区块链的食品安全上链数据可信性度量方法，包括建立链上成员信用度量模型，链上成员信用度量模型由链上成员初始信用度、上链数据共识度和第三方质检机构根据企业信息综合评价得到；建立链上数据质量度量模型，链上数据质量度量模型由数据质量属性度量模型构成；建立上链数据可信性度量模型，上链数据可信性度量模型由链上成员信用度量模型和链上数据质量度量模型用证据理论构建组成。该基于区块链的食品安全上链数据可信性度量方法，可以构建基于区块链的、动态的、层次化的食品安全上链数据可信性模型，使用户直接了解到当前数据状态，为后续的数据应用和分析提供可信性参考。
-
公开(公告)号：CN118036749A
公开(公告)日：2024-05-14
申请号：CN202410233369.0
申请日：2024-03-01
IPC: G06N5/04 , G06N5/022 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06N3/082
Abstract: 本发明提出了一种基于拓扑感知的动态关系图和时序融合的时序知识图谱外推方法，用以现有方法无法捕获共现事实的结构信息、拓扑子图的关系信息以及时间戳间融合的时间信息的技术问题。本发明的步骤为：设计一种新奇的基于注意力机制的关系图卷积神经网络模型作为结构依赖编码器，获得共现事实的结构信息；设计拓扑感知的关系相关性单元，通过边级相关性网络学习不同模式的拓扑关系图，进而得到关系嵌入；将结构信息和关系嵌入送入双门控机制来融合时序信息；通过时间解码模块来完成对未来的预测任务。对四个基准数据集的大量实验表明，本发明从性能的优越性、有效性和各模块的奠基性三个方面都适用于外推问题，且优于最先进的时序知识图谱外推模型。
-
Patent Agency Ranking
公开(公告)号：CN111488889B
公开(公告)日：2023-11-07
申请号：CN202010292008.5
申请日：2020-04-14
Applicant: 郑州轻工业大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/063 , G06N20/00
Abstract: 本发明公开了一种用于图像边缘提取的智能图像处理仪，具体涉及图像处理领域，包括图像集获取模块和FPGA芯片，图像集获取模块的输出端电性连接有AD转换电路，AD转换电路的输出端电性连接有矩阵信息提取器，矩阵信息提取器的输出端电性连接有特征提取模块和原图像数据输出，特征提取模块的内部设有图像信息分析模块、深度神经网络、比对模块和图像分类输出。本发明设置人工智能尽心预先的图像分类，对待提取的图像进行大批量的分类，并将图像信息数据化，无需图像边缘提取算法进行图像识别和图像优化，且利用FPGA芯片作为处理电路，可提高图像的定位精度，同时减少图像后续处理中的数据量，方便图像边缘提取的有效快速运行。
-
公开(公告)号：CN116857496A
公开(公告)日：2023-10-10
申请号：CN202310585769.3
申请日：2023-05-23
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种大数据展示装置，包括壳体，壳体的内部设置有带有螺杆的升降机构，且螺杆转动安装在壳体的内部，螺杆的顶端设置有显示屏，显示屏的顶端安装有顶板，螺杆的顶端设置有带有油桶的润滑机构，显示屏的外表面设置有带有清洁棉的清洁机构，显示屏的底端通风口处设置有带有导热管的散热机构，导热管固定安装在显示屏的底端，导热管的内部设置有带有干燥棒的干燥机构，本发明一种大数据展示装置，对显示屏进行升降时，通过带动绞龙转动，可以实现对润滑油进行搅拌混合，可以避免润滑油发生凝固，影响润滑油导出润滑使用，同时通过干燥棒能够对导热管内部进行干燥，提高对显示屏的防护效果。
-
公开(公告)号：CN116796833A
公开(公告)日：2023-09-22
申请号：CN202310705117.9
申请日：2023-06-14
Applicant: 郑州轻工业大学
Inventor： 马江涛 , 周辰宇 , 王艳军 , 李祖贺 , 张秋闻 , 庾骏 , 李璞 , 李玉华 , 张勋才 , 马宇科 , 李霆 , 晋文朵 , 程佳 , 刘博 , 李坤霖 , 孙一帆 , 卫梦屹 , 付一龙
Abstract: 本发明提出了一种基于交替归纳的知识图谱关系预测方法，其步骤如下：初始化知识图谱中每个实体的子图；使用子图序列化模型将子图转化为序列，学习序列化特征得到状态序列；使用偏好强化模型学习子图之间的共同偏好的权重，利用权重表示实体和尾实体的潜在子图；使用交替聚合模型处理潜在子图归纳不同的归纳子图，通过归纳子图之间的得分预测实体之间的关系并输出。本发明通过在知识图谱中学习候选实体周围的子图来预测关系，避免学习嵌入任何特定实体，可以在推理阶段处理新的看不见的实体；通过学习单个子图中层级之间的潜在关联和不同子图之间的共性来预测推测未知实体之间的关系，提高了知识图谱关系预测的效果和效率，提高了知识图谱质量。
-
公开(公告)号：CN115905568A
公开(公告)日：2023-04-04
申请号：CN202211450170.0
申请日：2022-11-19
IPC: G06F16/36 , G06F16/901 , G06N3/08 , G06N3/045 , G06N3/047
Abstract: 本发明提出了一种上下文感知的知识图谱补全方法，步骤为：根据实体对的知识图谱子图，边感知的关系消息传递机制计算不同实体的邻居边的权重，利用邻居关系权重对关系的状态进行加权结合，获取实体对的邻居边表示；上下文感知的路径注意机制学习实体对之间的关系路径得到实体对之间所有关系路径的表示；根据实体对的邻居边表示计算每条关系路径的权重，利用权重对关系路径的表示进行加权求和获得实体对的关系路径表示；计算实体对之间关系的概率分布，利用概率分布构建损失函数进行训练，得到补全模型。本发明可以捕获实体邻居边重要程度的差异，减轻了噪声路径的影响，实验结果表明，在链路预测任务上优于其他基线方法，且具有更好的解释能力。
-
公开(公告)号：CN113590953A
公开(公告)日：2021-11-02
申请号：CN202110868848.6
申请日：2021-07-30
Applicant: 郑州轻工业大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的推荐算法库，属于推荐系统技术领域。一种基于深度学习的推荐算法库，包括推荐系统算法包DeepRS，所述推荐系统算法包DeepRS包括框架层、抽象层和算法层三层架构，所述框架层采用Tensorflow开源框架，所述Tensorflow开源框架为上层服务提供自动微分、张量计算、GPU计算以及数值优化算法多个接口；本发明中的推荐系统算法包DeepRS是一种开源的、易扩展的算法包，丰富了推荐系统算法工具箱，填补了基于深度学习的推荐系统算法包缺口，使基于深度学习的推荐模型结果再现更容易，降低开发基于深度学习的推荐模型的门槛，同时又提高了实用性。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.026 seconds)
