-
公开(公告)号：CN118626721A
公开(公告)日：2024-09-10
申请号：CN202410802865.3
申请日：2024-06-20
申请人： 齐鲁工业大学(山东省科学院)
IPC分类号： G06F16/9535 , G06F16/9536 , G06N5/022 , G06N3/0895 , G06F18/213
摘要： 本发明公开了一种基于多行为对比学习的推荐方法及系统，属于推荐系统技术领域。包括：获取用户的多行为交互图和知识图谱；将多行为交互图和对应的知识图谱输入推荐模型进行处理，获取推荐项目；训练推荐模型具体包括：将多行为交互图数据集输入行为感知模块进行行为间对比学习和行为内对比学习，生成多行为信息用户项目嵌入表征；将知识图谱数据集输入知识增强模块进行分层对比学习，生成知识图谱用户项目嵌入表征；将多行为信息用户项目嵌入表征和知识图谱用户项目嵌入表征关联，基于预设的损失函数对推荐模型进行优化。能够提高个性化推荐的准确性和鲁棒性，解决了现有辅助信息存在噪声以及无法提取多行为中有效信息，影响推荐准确性的问题。
-
公开(公告)号：CN115203459A
公开(公告)日：2022-10-18
申请号：CN202210716885.X
申请日：2022-06-23
申请人： 齐鲁工业大学
摘要： 本公开提供了一种基于Bert和自注意机制的图文匹配方法及系统，其属于图文匹配技术领域，所述方案包括获取待匹配的图像及文本数据；将所述待匹配的图像及文本数据输入预先训练的图文匹配模型中，获得所述图像数据与文本数据之间的相似度；基于所述相似度的大小确定图像和文本的匹配关系；其中，所述图文匹配模型具体处理过程为：所述图像数据经图像区域语义特征提取模块提取图像语义特征，所述文本数据经文本特征提取模块提取文本特征，基于获得的图像语义特征和文本特征，通过交叉注意及相似注意过滤模块实现图像区域和单词的对齐并去除冗余信息，最后通过全连接层获得相似度结果。
-
公开(公告)号：CN115131573A
公开(公告)日：2022-09-30
申请号：CN202210857510.5
申请日：2022-07-20
申请人： 齐鲁工业大学
IPC分类号： G06V10/42 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种脑肿瘤图像特征提取方法、系统、电子设备和计算机可读存储介质，属于脑肿瘤图像特征提取技术领域；本发明通过由三个连续的玻尔兹曼机组成的深度信念网络有效地提取了图像的深度特征；随后将其通过局部线性嵌入进行降维，在减少了冗余特征的前提下，有效地保证了对图像的充分表达，节约了空间。解决了现有技术中存在“脑肿瘤图像特征难提取，传统的卷积神经网络(CNN)提取到的图像特征多伴有冗余信息或噪声”的问题。
-
公开(公告)号：CN115063709A
公开(公告)日：2022-09-16
申请号：CN202210390047.8
申请日：2022-04-14
申请人： 齐鲁工业大学
摘要： 本发明提出了基于跨模态注意与分层融合的多模态情感分析方法及系统，提取待分析视频中的文本特征、视觉特征和声学特征；将文本特征与声学特征、文本特征与视觉特征交叉注意，获得声学模态表征和视觉模态表征；门控循环分层融合网络对声学模态表征、视觉模态表征和文本特征两两交互提取信息，得到一维向量，用于情感分析预测；本发明基于分布匹配思想，使模态在时间交互阶段获得对整体情感取向具有协同作用的表征信息，对三个特征对组合进行模态间交互信息提取，并通过门控机制剔除冗余信息，以实现有效的多模态表征融合。
-
公开(公告)号：CN114999633A
公开(公告)日：2022-09-02
申请号：CN202210688970.X
申请日：2022-06-17
申请人： 齐鲁工业大学
摘要： 本发明属于情绪识别领域，提供了一种基于多模态共享矢量空间的抑郁识别方法及系统，包括基于患者的影像数据采集患者的文本模态数据、音频模态数据以及视觉模态数据并进行预处理；采用深度典型相关分析网络确定预处理后的音频模态数据和预处理后的文本模态数据的相关性，得到第一相关特征；采用深度典型相关分析网络确定预处理后的视觉模态数据和预处理后的文本模态数据的相关性，得到第二相关特征；基于第一相关特征和第二相关特征进行点积，将点积结果投影到特征空间中得到共享矢量空间；根据共享矢量空间输出多模态融合特征，基于多模态融合特征进行抑郁识别。考虑将几种模态相互组合，使用深度典型相关分析来获取模态之间的相关性，进行抑郁检测任务。
-
公开(公告)号：CN114969648A
公开(公告)日：2022-08-30
申请号：CN202210674448.6
申请日：2022-06-15
申请人： 齐鲁工业大学
摘要： 本发明涉及故障检测技术领域，提供了基于模态自适应调整降维的故障检测方法及系统，包括：获取设备运行的数据集；采用局部稀疏自适应广义正交线性嵌入算法，对数据集进行数据降维；基于降维后的数据集，检测出数据集中的离群点，得到设备故障发生点；其中，局部稀疏自适应广义正交线性嵌入算法每次迭代都选择近邻矩阵中与残差最接近的若干个近邻点以重构支撑集，并利用基于支撑集重构的残差，自适应地选取近邻点个数，最终根据支撑集选出的近邻点集合，计算用于低维映射的权重向量。不仅避免了求权重矩阵的逆运算，提高了设备运行的多模态数据降维的有效性，而且保留了设备运行数据中更多的局部结构信息，提高了故障监测的精度。
-
公开(公告)号：CN112860916A
公开(公告)日：2021-05-28
申请号：CN202110254580.7
申请日：2021-03-09
申请人： 齐鲁工业大学
摘要： 本公开提供了一种面向影视的多层次知识图谱生成方法，获取待处理的影视相关的不同层面的信息数据；对获取的信息数据进行关系抽取得到三元组数据，根据三元组数据构建多个单层次知识图谱；利用三元组数据中的关系三元组数据和属性三元组数据进行结构和属性的嵌入；结合结构嵌入和属性嵌入的结果进行实体对齐，将实体对齐之后的多个单层次知识图谱整合得到多层次知识图谱。
-
公开(公告)号：CN109885588B
公开(公告)日：2021-05-07
申请号：CN201910064035.4
申请日：2019-01-23
申请人： 齐鲁工业大学
IPC分类号： G06F16/2453
摘要： 本公开提供了复杂事件检测方法及系统。其中，复杂事件检测方法包括：解析查询条件，得到查询事件表达式，每个查询事件表达式对应的检测结果存储在共享子序列列表中；接收复杂事件，查找出与复杂事件所有相关的查询事件表达式；将查询事件表达式中事件通过概率低的查询条件前置，调整查询条件的顺序；将调整顺序后的查询事件表达式转化树结构；从树结构中的叶子节点对应的出发，在共享子序列列表中查找与复杂事件相关的查询事件表达式的检测结果或查询事件表达式语义包含或语义互斥关系的检测结果，通过查询条件约束到达中间节点，直至到达根节点检测出符合查询条件的复杂事件。
-
公开(公告)号：CN106886155B
公开(公告)日：2020-01-14
申请号：CN201710295939.9
申请日：2017-04-28
申请人： 齐鲁工业大学
IPC分类号： G05B13/04
摘要： 本发明涉及一种基于PSO‑PD神经网络的四足机器人运动轨迹控制方法，包括：(1)求取机器人在运动轨迹上的目标落点；(2)将目标落点、反馈的躯干重心位置输入PSO‑PD神经网络的输入层；线性变换后进入第一隐含层，比例运算与微分运算；线性变换后进入第二隐含层，得到x方向与y方向上的指导位移；进入第三隐含层，求得指导位移距离、指导躯干朝向；进入第五层，对四足机器人的足端轨迹控制、转向控制；进入第六层，发生扰动时调整四足机器人姿态；进入第七层，求取四足机器人的躯干朝向、躯干重心位置，躯干朝向反馈给第五层，躯干重心位置反馈给输入层。具有更好的非线性解耦控制能力，控制精确，稳定性强，具有较好的抗干扰能力。
-
公开(公告)号：CN105184371A
公开(公告)日：2015-12-23
申请号：CN201510585773.5
申请日：2015-09-15
申请人： 齐鲁工业大学
摘要： 本发明公开了一种基于流程驱动和粗糙集的领域知识推送方法，其具体实现过程为，步骤一、构建面向流程的领域知识主动推送架构；步骤二、构建基于粗糙集的知识匹配模型；步骤三、通过步骤二的知识匹配模型，从步骤一的架构中选取知识对用户进行推荐。该基于流程驱动和粗糙集的领域知识推送方法与现有技术相比，有效提高知识推送的效率和精度，促进企业的知识应用与创新，实用性强，易于推广。
-
-
-
-
-
-
-
-
-
搜索结果
58 条记录 (耗时 0.036 秒)
