一种基于特征分类器的思维链推理数学问题求解方法及系统

    公开(公告)号:CN119443267A

    公开(公告)日:2025-02-14

    申请号:CN202411479942.2

    申请日:2024-10-23

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于特征分类器的思维链推理数学问题求解方法及系统,包括:(1)获取数学问题集并选取正向与反向思维链示例进行拼接组成新集合;(2)将新集合元素分别输入模型进行推理构建单词级别的推理路径生成树,选择池化差值处理后的注意力权重矩阵作为节点特征进行存储;(3)遍历生成的所有推理路径生成树,筛选符合要求的节点构建特征分类器训练集;(4)使用支持向量机算法训练特征分类器;(5)通过训练好的特征分类器,参与预训练语言模型推理过程中路径的选择,获得较为准确的推理过程及答案。利用本发明,可以实现对于预训练语言模型推理路径更细颗粒度的调整把控,有利于其在数学问题上的准确推理求解,提升其泛化水平。

    一种基于深度学习的中文手语识别系统

    公开(公告)号:CN111723779B

    公开(公告)日:2023-05-02

    申请号:CN202010699780.9

    申请日:2020-07-20

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于深度学习的中文手语识别系统。该手语识别系统设为手语单词识别和连续手语识别两个模式,分别用于对手语动作表达的单词和句子进行识别。整个系统由数据采集模块、数据处理模块、识别模块和输出显示模块组成,其中手语单词识别模块由图卷积神经网络和三维卷积神经网络组成,连续手语识别模块由编码器‑解码器网络组成。系统通过数据采集模块采集手语动作的图像和关节数据,然后进行预处理,并将数据输入识别模块,最终输出对应的手语单词或者句子。本发明可以将手语转换为文本,促进听力障碍人士和普通人之间的沟通。本发明实用性强,稳定性高,便于推广应用。

    一种不受旋转变换影响的点云3D物体检测方法

    公开(公告)号:CN115601607A

    公开(公告)日:2023-01-13

    申请号:CN202211293036.4

    申请日:2022-10-21

    Inventor: 谢亮 蔡登 何晓飞

    Abstract: 本发明公开了一种不受旋转变换影响的点云3D物体检测方法,包括:(1)将神经网络第一层的网络权重视为分布在和点云特征具有相同维度的特征空间的向量集合;(2)对输入的点云数据进行种子点采样及邻域聚合,得到每个种子点周围的局部点云;(3)对网络权重和局部点云进行主成分分析;(4)将网络权重和局部点云的权重对齐,得到具有旋转不变性的特征;(5)将步骤(4)的局部点云特征输入神经网络进行前馈传递,检测网络的头部输出3D物体框的预测;(6)通过梯度反向传播训练神经网络;(7)训练完毕后,进行点云的3D物体检测任务。利用本发明,可以大大提升点云在任意旋转变换下的分类准确率、从而提升3D物体检测任务上的准确率。

    一种基于核主元和神经网络的车辆运行实时工况预测方法

    公开(公告)号:CN108052975A

    公开(公告)日:2018-05-18

    申请号:CN201711320972.9

    申请日:2017-12-12

    Abstract: 本发明公开一种基于核主元和神经网络的车辆运行实时工况预测方法,属于自动化技术领域。车辆运行实时工况预测中的道路特征间往往具有非线性特性,而主成分分析是一个线性过程,在降维的同时无法有效提取非线性特征,在特征信息不足的情况下,最终会影响工况预测准确性。本发明首先对车辆运行实时工况进行特征提取,然后引入核主元分析对工况特征做非线性映射,在降低特征维度的同时,提取工况特征的更有效的分量,采用BP神经网络利用降维后的特征对不同车辆工况进行识别。本发明提出的方法弥补了传统的基于主成分分析预测方法的不足,能提取更有效特征,简化神经网络结构,增强神经网络的泛化能力,提高车辆工况识别的正确率。

    一种基于深度强化学习的船舶配载方法和装置

    公开(公告)号:CN118332417A

    公开(公告)日:2024-07-12

    申请号:CN202410427181.X

    申请日:2024-04-10

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于深度强化学习的船舶配载方法,本发明通过退火遗传算法对历史配载数据进行操作得到大量的,较为准确的集装箱‑箱位映射关系,从而提供了大量的标签,同时将集装箱和箱位的空间信息和特征信息进行池化、卷积操作得到包含空间信息、特征信息和与其他集装箱相关联信息的嵌入向量,将该标签和嵌入向量作为训练样本,通过监督学习能够较好的训练出能够较为准确的预测集装箱‑箱位映射关系的演员网络,本发明还基于预测的集装箱‑箱位映射关系构建有向无环图,基于构建的有向无环图能够准确得到集装箱的配载顺序,综上两点本发明提供的方法能够在合理的时间内得到船舶配载问题的最优解,且复用性较高,本发明还公开了一种基于深度强化学习的船舶配载装置。

    一种基于核主元和神经网络的车辆运行实时工况预测方法

    公开(公告)号:CN108052975B

    公开(公告)日:2020-12-11

    申请号:CN201711320972.9

    申请日:2017-12-12

    Abstract: 本发明公开一种基于核主元和神经网络的车辆运行实时工况预测方法,属于自动化技术领域。车辆运行实时工况预测中的道路特征间往往具有非线性特性,而主成分分析是一个线性过程,在降维的同时无法有效提取非线性特征,在特征信息不足的情况下,最终会影响工况预测准确性。本发明首先对车辆运行实时工况进行特征提取,然后引入核主元分析对工况特征做非线性映射,在降低特征维度的同时,提取工况特征的更有效的分量,采用BP神经网络利用降维后的特征对不同车辆工况进行识别。本发明提出的方法弥补了传统的基于主成分分析预测方法的不足,能提取更有效特征,简化神经网络结构,增强神经网络的泛化能力,提高车辆工况识别的正确率。

    一种基于图像识别的寻笋装置及方法

    公开(公告)号:CN109558791B

    公开(公告)日:2020-12-01

    申请号:CN201811182509.7

    申请日:2018-10-11

    Abstract: 本发明公开了一种基于图像识别的寻笋装置及方法,该寻笋装置包括数据采集模块、运算处理模块、显示输出模块,数据采集模块的输出端与运算处理模块的输入端连接,运算处理模块的输出端与显示输出模块的输入端连接,运算处理模块中预先装载有用于判定场景照片中是否存在笋的卷积神经网络应用模型;数据采集模块采集场景照片,并以信号形式传输场景照片给运算处理模块,运算处理模块利用卷积神经网络训练模型判定场景照片中有笋或无笋,并以信号形式传输用于代表判定结果的标签向量及笋的位置标定框信息给显示输出模块;优点是其不受环境因素的影响,寻笋准确度高,且寻笋效率高,便于携带。

    一种基于深度学习的中文手语识别系统

    公开(公告)号:CN111723779A

    公开(公告)日:2020-09-29

    申请号:CN202010699780.9

    申请日:2020-07-20

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于深度学习的中文手语识别系统。该手语识别系统设为手语单词识别和连续手语识别两个模式,分别用于对手语动作表达的单词和句子进行识别。整个系统由数据采集模块、数据处理模块、识别模块和输出显示模块组成,其中手语单词识别模块由图卷积神经网络和三维卷积神经网络组成,连续手语识别模块由编码器-解码器网络组成。系统通过数据采集模块采集手语动作的图像和关节数据,然后进行预处理,并将数据输入识别模块,最终输出对应的手语单词或者句子。本发明可以将手语转换为文本,促进听力障碍人士和普通人之间的沟通。本发明实用性强,稳定性高,便于推广应用。

    一种基于Q-learning和规则的混合动力车辆运行实时能源管理方法

    公开(公告)号:CN109657194A

    公开(公告)日:2019-04-19

    申请号:CN201811468385.9

    申请日:2018-12-04

    Abstract: 本发明公开一种基于Q-learning和规则的混合动力车辆运行实时能源管理方法,属于自动化技术领域。为弥补燃料电池在车辆启动及加速阶段动力不足的缺陷,引入超级电容作为辅助供能设备,在燃料电池动力不足时补充剩余功率,同时在制动时吸收制动能量,以提高耗能经济性。为实现对燃料电池及超级电容的混合能量管理,本发明首先在离线状态下对基于Q-learning的控制器进行训练,同时融合规则改变燃料电池的最大功率输出,以减小电流突变对燃料电池的影响。然后将离线训练好的控制器用于不同工况下的实时能源管理。本发明提出的方法相比于传统的基于简单规则或优化的能源管理方法,显著提高了耗能经济性,减小了电流波动对电池的影响,同时实现了混合动力车辆在不同工况下的实时能源管理。

Patent Agency Ranking