-
公开(公告)号：CN119046405A
公开(公告)日：2024-11-29
申请号：CN202411049576.7
申请日：2024-08-01
Applicant: 广东工业大学
IPC: G06F16/33 , G06F16/35 , G06F40/194 , G06F40/279 , G06F40/30
Abstract: 本发明公开了一种基于多尺度特征与关联特征的中文短文本分类方法及系统，涉及自然语言处理领域，包括：获取文本数据集合和主题词集合并进行预处理，使用BERT模型提取文本特征，再使用多个不同的卷积层提取文本多尺度语义特征，计算预处理后的文本的关联信息并构建文本图，使用图神经网络提取文本关联特征，使用交叉注意力机制融合文本多尺度语义特征与文本关联特征，得到融合特征，构建文本分类器，将融合特征输入到文本分类器中得到分类结果，评估分类结果，计算评价指标并对文本分类器进行迭代训练，优化文本分类器参数。本发明通过结合文本多尺度语义特征与文本关联特征，实现文本特征的增强，从而进一步提高中文短文本分类准确度。
-
公开(公告)号：CN118245603A
公开(公告)日：2024-06-25
申请号：CN202410449725.2
申请日：2024-04-15
IPC: G06F16/35 , G06F40/247 , G06F40/216 , G06F40/284 , G16H10/60
Abstract: 本发明公开了一种中医电子病历智能分类方法、系统及设备。本发明包括以下步骤：采集中医病历文本数据，使用文字表述替代文本中的数字描述；进行文本分词，提取文本数据的三个基本特征：词频、逆文本频率、互信息，得到相对应的特征值；基于三类不同的文本特征，构建词向量训练模型分别对文本特征进行训练，并使用特征融合方法，得到最终文本特征矩阵；使用多种不同的分类器模型，结合集成学习方法，实现基于电子病历的中医文本分类。本发明直接从电子病历上提取三种不同的文本特征，不用进行复杂的文本处理过程，简单方便、容易操作。所提取的文本融合特征以及所使用的集成学习方法能够很好的应对多种文本表述的挑战，实现文本分类的目的。
-
公开(公告)号：CN118627396A
公开(公告)日：2024-09-10
申请号：CN202411081089.9
申请日：2024-08-08
Applicant: 广东工业大学
IPC: G06F30/27 , G06F30/15 , G06F113/08
Abstract: 本公开提供了基于支持张量列车机的电堆流数据自适应辨识方法及系统，涉及机器学习参数辨识技术领域，包括：按照设定的采样时间间隔获取电堆流数据，将固体氧化物燃料电池电堆系统用支持向量回归模型表征，获取支持向量回归模型中的权重张量，对所述权重张量进行张量列车分解，构建支持张量列车机模型；求解支持张量列车机模型，估计未知时变的参数状态，将求解支持张量列车机模型转化为优化问题，构建目标函数，并采用最小二乘算法结合梯度下降方法进行更新求解，当误差达到要求，得到固体氧化物燃料电池电堆系统在未来时刻的燃料、空气或电堆含量的估计值，完成参数的在线辨识，用于后续的故障检测与识别。
-
公开(公告)号：CN118333129B
公开(公告)日：2024-09-06
申请号：CN202410734169.3
申请日：2024-06-07
Applicant: 广东工业大学
IPC: G06N3/084 , G06N3/045 , G06F18/213 , G06F18/27
Abstract: 本发明属于非线性系统辨识技术领域，提供了一种辨识模型训练方法、非线性系统辨识方法及系统，利用多个不同的神经网络模型，对输入数据和输出数据进行特征提取，得到不同的中间特征；利用交替方向乘子法进行参数优化；基于滑动数据窗口的随机梯度下降算法，得到每层神经网络模型的变化量，对每一层神经网络模型的参数进行更新；利用多种不同的模型对输入特征进行提取，比原有的单模型效果表现更加优秀，对非线性系统的拟合效果更佳，此外，基于滑动数据窗口的随机梯度下降算法，增强了数据的利用率，提高了算法的收敛速度与精度，同时在模型参数优化时只沿着一个模型的方向，增强了模型的训练效果，在非线性系统的辨识任务上展示了较好的成果。
-
公开(公告)号：CN113887315B
公开(公告)日：2024-06-11
申请号：CN202111039460.1
申请日：2021-09-06
Applicant: 广东工业大学
IPC: G06V40/20 , G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/82
Abstract: 本发明提供一种基于多分类器协同的步态识别方法及系统，包括：获取步态轮廓数据集，将步态轮廓数据分为训练集和测试集，分别提取训练集数据和测试集数据的非线性步态动力学特征；计算测试集的非线性步态动力学特征与训练集的非线性步态动力学特征之间基于非线性动力学差异的识别误差；根据计算所得的识别误差选择相应的分类器，将测试集的步态动力学特征输入到所选择的且经过训练的分类器中，实现步态识别。采用多种不同的分类识别机制应对不同步行条件下的步态数据分类识别任务，识别不易受到环境，识别率更加准确。
-
Patent Agency Ranking
公开(公告)号：CN118114148A
公开(公告)日：2024-05-31
申请号：CN202410280289.0
申请日：2024-03-12
Applicant: 广东工业大学
IPC: G06F18/2415 , G06N3/08 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于奖惩机制和动作策略的加权损失函数更新方法。本发明包括以下步骤：定义加权交叉熵损失函数和普通交叉熵损失函数；初始化动作池、动作累积奖励池、动作概率池；设计奖惩机制和动作选择策略；调整加权交叉熵损失函数的权值，实现神经网络训练中加权交叉熵损失函数的动态更新。本发明能够根据神经网络模型每一周期的训练结果，结合奖惩机制和动作选择策略动态更新加权交叉熵损失函数的权值，进行反向传播，灵活更新不同类别的权值，调整模型对不同类别的误分类的敏感度，可以帮助模型更好地适应数据集的特点，从而提高模型的泛化能力和性能。
-
公开(公告)号：CN118627396B
公开(公告)日：2024-11-15
申请号：CN202411081089.9
申请日：2024-08-08
Applicant: 广东工业大学
IPC: G06F30/27 , G06F30/15 , G06F113/08
Abstract: 本公开提供了基于支持张量列车机的电堆流数据自适应辨识方法及系统，涉及机器学习参数辨识技术领域，包括：按照设定的采样时间间隔获取电堆流数据，将固体氧化物燃料电池电堆系统用支持向量回归模型表征，获取支持向量回归模型中的权重张量，对所述权重张量进行张量列车分解，构建支持张量列车机模型；求解支持张量列车机模型，估计未知时变的参数状态，将求解支持张量列车机模型转化为优化问题，构建目标函数，并采用最小二乘算法结合梯度下降方法进行更新求解，当误差达到要求，得到固体氧化物燃料电池电堆系统在未来时刻的燃料、空气或电堆含量的估计值，完成参数的在线辨识，用于后续的故障检测与识别。
-
公开(公告)号：CN118114148B
公开(公告)日：2024-09-13
申请号：CN202410280289.0
申请日：2024-03-12
Applicant: 广东工业大学
IPC: G06F18/2415 , G06N3/08 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于奖惩机制和动作策略的加权损失函数更新方法。本发明包括以下步骤：定义加权交叉熵损失函数和普通交叉熵损失函数；初始化动作池、动作累积奖励池、动作概率池；设计奖惩机制和动作选择策略；调整加权交叉熵损失函数的权值，实现神经网络训练中加权交叉熵损失函数的动态更新。本发明能够根据神经网络模型每一周期的训练结果，结合奖惩机制和动作选择策略动态更新加权交叉熵损失函数的权值，进行反向传播，灵活更新不同类别的权值，调整模型对不同类别的误分类的敏感度，可以帮助模型更好地适应数据集的特点，从而提高模型的泛化能力和性能。
-
公开(公告)号：CN115844415B
公开(公告)日：2024-08-16
申请号：CN202211476815.8
申请日：2022-11-23
Applicant: 广东工业大学
Abstract: 本发明提出一种基于心电数据的运动稳定性评估方法及系统，所述方法包括：获取用户运动前和运动后的心电信号。提取所述心电信号的心电特征。对所述心电特征进行可视化建模，得到心电特征随时间变化的三维环形动态模型。根据所述三维环形动态模型，对心电特征进行二次特征提取，得到运动稳定性评估参数。所述运动稳定性评估参数包括三维环形动态模型的环形面积、时限向量、近似熵、样本熵和模糊熵。根据运动稳定性评估参数，对用户的运动稳定性进行评估。本发明能够准确反应用户运动前后的心电模式变化情况，从而准确评估用户的运动稳定性，进而根据用户的运动稳定性评估出用户的运动能力，提高了用户运动能力的精度。
-
公开(公告)号：CN118319271A
公开(公告)日：2024-07-12
申请号：CN202410434204.X
申请日：2024-04-11
Abstract: 本发明公开了一种动态血压智能监测系统、方法及设备。本发明包括以下步骤：采集不同高血压人群的24小时动态血压监测数据；提取所有患者的夜间(前一天21:00‑次日6:00)血压特征、白昼(当天6:00‑21:00)血压特征及24小时血压特征；通过熵值比值选择机制确定使用上述三组特征集合训练模型；基于三组不同的特征集，使用激活函数为tanh的多层感知器模型进行学习并且使用PBT算法进行超参数调优选取最佳参数构建分类器。本发明直接从患者的24小时动态血压监测数据上提取相关特征用于机器的深度学习和精准预测，所提取的特征可以有效地应对多种不同人群下的识别挑战，实现更加高效准确的预测。在诊断病人时不用进行复杂的有创性处理过程，简单方便、容易操作。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.019 seconds)
