-
公开(公告)号：CN116487043A
公开(公告)日：2023-07-25
申请号：CN202310377721.3
申请日：2023-04-11
申请人： 韩山师范学院 , 潮州市铁血征途文化传播有限公司
摘要： 本发明涉及素质分析系统技术领域，具体为一种基于神经网络算法的大数据综合素质分析系统，基于神经网络算法的大数据综合素质分析系统是由综合素质分析系统、数据平台和运算平台组成。本发明中，在综合数据管理系统中，通过儿童信息管理单元、扩展信息单元记录基础信息以及扩展信息，确保数据的全面性，在综合测评系统中，通过神经判断节点连接测评项目，根据各不同信息和需求节点，确保测评依据的灵活性，并在数据联合运算系统中加载侧重点判断单元进行联合运算，在数据对比单元中，对测评处理器得出的测评结果表进行加载，并基于地区、基于年龄段进行单数据对比、群体数据对比，确保分析工作的灵活性以及有效性。
-
公开(公告)号：CN116019420A
公开(公告)日：2023-04-28
申请号：CN202211592250.X
申请日：2022-12-09
申请人： 潮州市人民医院(潮州医院) , 韩山师范学院
摘要： 本发明公开了一种颞下颌关节紊乱的评估装置及方法，属于医疗辅助器械技术领域，包括固定壳，所述固定壳的顶部固定安装有提手；本发明结构简单，采用手机进行摄像记录，相比复杂的设备，本研究意图让研究结果更容易在临床实践中实施，且本装置便于携带，可以根据被研究者的身高调整设备的使用高度，本装置具备两种使用形态，被研究者可选择站姿或者坐姿使用，通过手机拍摄进行图像采集，录取患者颞下颌关节动态的视频资料，通过本装置的设置，可采用更合理客观的评价手段对疾病进行识别记录，解决颞下颌关节的活动功能动态检查，使临床医师能够更清楚地了解关节运动变化、偏移程度，进而确定更个性化的治疗方案。
-
公开(公告)号：CN111951804A
公开(公告)日：2020-11-17
申请号：CN202010851252.0
申请日：2020-08-21
申请人： 韩山师范学院
IPC分类号： G10L15/22 , G10L21/0208 , G10L13/02
摘要： 本发明属于智能设备技术领域，具体为一种基于深度学习的语音互动设备，包括壳体、触摸显示屏和语音采集器，所述壳体的前表面中间设置有触摸显示屏，所述壳体的左侧和右侧设置有语音采集器，所述壳体的内腔设置有处理器、预处理单元、深度学习芯片、语音处理单元和驱动单元，所述处理器电性输入连接预处理单元，所述预处理单元电性输入连接语音采集器，所述处理器双向连接语音处理单元和深度学习芯片，其结构合理，首先通过语音降噪、语音合成和语音信号转换对语音采集器采集的语音进行预处理，然后在通过时频分解、目标计算和特征抽取、分离模型和波形合成对采集到的语音信号进行增强，提高了语音信息的准确性。
-
公开(公告)号：CN117216227B
公开(公告)日：2024-04-16
申请号：CN202311415557.7
申请日：2023-10-30
申请人： 广东烟草潮州市有限责任公司 , 韩山师范学院
IPC分类号： G06F16/332 , G06F16/36 , G06F16/35 , G06N3/006 , G06N3/048 , G06N3/126 , G06F40/30 , G06N5/022 , G06N5/04 , G06F18/2415 , G06N3/084
摘要： 本发明提供一种基于知识图谱与大语言模型的烟草企业智能信息问答方法，包括：构建知识图谱、存储知识图谱以及利用知识图谱对用户咨询信息进行答复处理。本发明利用GPT语言模型，充分利用生成式语言模型有效的语义感知与较强的特征学习能力，能够有效地抽取流程条款中的实体‑关系。利用图数据库优异的顶点‑边的多级跳跃能力检索关键知识点，结合遗传算法自动生成提示词，通过GPT语言模型强大的上下文学习能力，生成符合逻辑、答案准确的自然语言回复信息。相比其他方法，本发明不需要重新训练或微调模型，大大减少了计算开销，降低了开发难度与成本，促进人工智能技术的产业落地与快速迭代。
-
公开(公告)号：CN117216227A
公开(公告)日：2023-12-12
申请号：CN202311415557.7
申请日：2023-10-30
申请人： 广东烟草潮州市有限责任公司 , 韩山师范学院
IPC分类号： G06F16/332 , G06F16/36 , G06F16/35 , G06N3/006 , G06N3/048 , G06N3/126 , G06F40/30 , G06N5/022 , G06N5/04 , G06F18/2415 , G06N3/084
摘要： 本发明提供一种基于知识图谱与大语言模型的烟草企业智能信息问答方法，包括：构建知识图谱、存储知识图谱以及利用知识图谱对用户咨询信息进行答复处理。本发明利用GPT语言模型，充分利用生成式语言模型有效的语义感知与较强的特征学习能力，能够有效地抽取流程条款中的实体‑关系。利用图数据库优异的顶点‑边的多级跳跃能力检索关键知识点，结合遗传算法自动生成提示词，通过GPT语言模型强大的上下文学习能力，生成符合逻辑、答案准确的自然语言回复信息。相比其他方法，本发明不需要重新训练或微调模型，大大减少了计算开销，降低了开发难度与成本，促进人工智能技术的产业落地与快速迭代。
-
公开(公告)号：CN117499935A
公开(公告)日：2024-02-02
申请号：CN202311402251.8
申请日：2023-10-26
申请人： 韩山师范学院
摘要： 一种无源物联网中无人机群悬停位置动态优化方法，包括以下步骤：步骤1、建立系统模型，包括构建网络模型和无线充电模型；步骤2、设计UAV协同供能的IPv6包广播方案；步骤3、推导广播IPv6包的能耗和时延；步骤4、提出以最小化IPv6包广播时延为目标，以每一轮IPv6包广播中无人机群悬停位置为优化变量的优化问题，并设计基于深度强化学习的求解算法。本发明提高UAV的供能效率和最小化IPv6包的广播时延。
-
公开(公告)号：CN116582474A
公开(公告)日：2023-08-11
申请号：CN202310529450.9
申请日：2023-05-11
申请人： 韩山师范学院
IPC分类号： H04L43/50
摘要： 本发明公开了一种计算机安全通信测试设备，包括中心板，所述中心板内设有中心腔，所述中心腔内上侧固定连接设有工作板，所述中心腔内下侧均匀设有多个通风孔，所述中心板的上侧固定连接设有显示屏，所述显示屏和工作板匹配对应设置，所述中心板的右侧设有连接槽，所述连接槽内底部设有多个型号不同的插槽，多个所述插槽和工作板之间通过导线匹配连接设置，所述工作板的左侧设有存放槽，所述中心板上侧对称设有两个移动板，两个所述移动板和显示屏匹配对应设置，两个所述移动板的下侧对称固定连接设有两个移动杆。本发明可以完成对测试设备相对脆弱位置进行相应的保护操作，提高测试设备整体的使用寿命，整体操作简单，实用效果良好。
-
公开(公告)号：CN116403043A
公开(公告)日：2023-07-07
申请号：CN202310372607.1
申请日：2023-04-07
申请人： 韩山师范学院
IPC分类号： G06V10/764 , G06T7/13 , G06T7/73 , G06V10/75 , G06V10/74 , G06V10/44 , G06F16/583
摘要： 本发明公开了一种陶瓷卫浴型号智能识别系统及其装置，属于自动化设备技术领域，其包括数据库系统，所述数据库系统的输出端电连接有服务器存储机组，所述数据库系统的输入端电连接有数据调取缓存模块。本方案通过三维建模模块读取建模，追踪的数据通过轮廓描边操作，轮廓描边模块，总体形态获取轮廓图，捕捉的特征数据与产品模型进行对比，筛选出特征最高的符合产品模型，依据同类产品的不同型号区别位置进行锁定产品表面的差异化特征，即可进行判定产品的规格型号，这种方式能够通过轮廓方式快速缩小产品的可能范围，同时搭配特征位置的差集区别进行最终区分产品型号，总体在有限运算条件下有着识别准确度高，识别速度快的特点。
-
公开(公告)号：CN109785297B
公开(公告)日：2021-01-08
申请号：CN201811593178.6
申请日：2018-12-25
申请人： 韩山师范学院
摘要： 本发明适用于医学检测技术领域，提供了一种脊柱侧弯的检测方法及装置，包括：通过扫描仪扫描受检者后背获取后背三维图，基于所述后背三维图生成三维点模型；根据所述三维点模型连接脊柱横切方向端点形成横切曲线；根据所述三维点模型拟合所述受检者后背的中线；连接每条所述横切曲线在所述中线两侧预设距离外的至高点形成直线，计算每条所述直线与水平面的线面角；将最大的线面角作为躯干倾斜角，所述躯干倾斜角用于反映所述受检者后背脊柱不对称程度。在非X光的无辐射条件下，利用扫描仪采集的图像进行识别分析，即可获得被测者脊柱侧弯情况，避免了传统物理检测带来的误差，具有较高的客观性和准确性。
-
公开(公告)号：CN112001864A
公开(公告)日：2020-11-27
申请号：CN202010904896.1
申请日：2020-09-01
申请人： 韩山师范学院
摘要： 本发明属于图像处理技术领域，具体为一种基于深度学习的图像训练装置，包括底座和控制盒，所述底座的顶部中间设置有蓄电池，所述底座的顶部左侧和右侧设置有伸缩支架，所述伸缩支架的顶部设置有顶座，其结构合理，通过图像处理模块中的图像降噪、图像去模糊、图像去雾、图像去雨滴、低照度增强、边界增强对采集到的图像进行预处理，通过图像处理单元中的卷积层、激励层、池化层和连接层的配合，实现深度网络结构获取到更多高维度图像的特征用来处理图像，并且通过卷积运算使得参数得以控制，通过深度学习网络处理单元中的图像传感器、图像采集单元和图像输入接口，实现了图像处理，并将图像处理结果传输至应用处理单元，实现网络训练。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.047 秒)
