-
公开(公告)号：CN112131406A
公开(公告)日：2020-12-25
申请号：CN202011041999.6
申请日：2020-09-28
Applicant: 重庆邮电大学
IPC: G06F16/36 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于圆周卷积的知识图谱补全方法，属于自然语言处理领域。该方法包括：S1：对于三元组(ei,rk,ej)随机初始化得到它们对应的向量S2：把三元组按照设定比例分为合理三元组和扰乱三元组；S3：把关系向量 通过一个全连接层处理并重构得到卷积核Wg；S4：利用圆周填充方法，对实体向量 进行填充得到向量 S5：卷积核Wg对处理后的实体向量 进行卷积运算得到特征图M；S6：对特征图M进行处理后点积实体向量 得到分数pi；S7：计算损失函数。本发明简化了实体和关系之间的交互，大大提升了预测效果。
-
公开(公告)号：CN108259136B
公开(公告)日：2020-10-16
申请号：CN201810030109.8
申请日：2018-01-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种智能旅居商务房车的跨模态智能感知方法，该方法具体包含如下步骤：S1：基于总线结构对传感器信号进行数据采集传输；S2：通过深度自编码器提取所采集的数据中具有共性的感知数据，简化数据编码；S3：运用自编码器权值连接关系，优化连接网络结构。针对数据传输量负载大的问题，本专利采取了以深度自编码技术为核心的数据编码技术，在保障了数据传输质量的同时又降低了数据的维度保证了数据传输的负载的平衡。本专利方法提出了稀疏优化的神经网络剪枝技术，在衡量连接关系的权值大小后简化连接结构，提高数据输入输出效率和编码器的运转效率。
-
公开(公告)号：CN111220921A
公开(公告)日：2020-06-02
申请号：CN202010017957.2
申请日：2020-01-08
Applicant: 重庆邮电大学
IPC: G01R31/388 , G01R31/367 , G01R31/396 , G01R31/392 , G01R31/00 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于改进卷积-长短时记忆神经网络的锂电池容量估算方法，属于锂电池技术领域。本发明通过对锂电池数据的处理、遗传算法对改进的卷积-长短时记忆神经网络神经网络调参、改进的CNN-LSTM神经网络训练和模型测试这四个步骤得到锂电池容量估算的模型。本发明引进经验模态分解算法对锂电池数据进行分解，从而实现数据去噪。遗传算法优化改进的CNN-LSTM神经网络超参数。利用卷积神经网络提取锂电池充放电数据的空间特征，再将这些特征输入改进的长短时记忆神经网络进行时间特征的提取，最后通过全连接层输出估算的容量。本发明克服了传统的基于模型的算法过度依赖电池模型的局限性，且预测精度高，具有一定工程应用性。
-
公开(公告)号：CN110399975A
公开(公告)日：2019-11-01
申请号：CN201910696488.9
申请日：2019-07-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向硬件移植的锂电池深度诊断模型的模型压缩算法，属于深度神经网络模型压缩领域，包括以下步骤：S1：利用阈值学习方法获取锂电池故障诊断模型中的混合卷积神经网络重要权值，在不损失精度的情况下减少网络规模；S2：采用数值聚合方式量化强制实现权值共享，使用压缩稀疏格式存储有效的共享权值编码与和索引；S3：通过顶部标量量化和底部质心微调进行权值分配与哈夫曼编码，使用可变长度码编码权重与索引，进一步减少网络所需要的存储空间。本发明采用的修剪，量化和霍夫曼编码的三级流水线方式，在每一级流水线中，都能够在不损失精度的前提下，一步一步的删除冗余权重，大大压缩网络模型。
-
公开(公告)号：CN110308397A
公开(公告)日：2019-10-08
申请号：CN201910695409.2
申请日：2019-07-30
Applicant: 重庆邮电大学
IPC: G01R31/367 , G01R31/378 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种混合卷积神经网络驱动的锂电池多类故障诊断建模方法，属于电池技术领域。利用分数阶傅里叶变换获得实测的和筛选的锂电池精细化故障频谱，构成用于锂电池故障诊断的混合大数据标注样本；设计面向混合锂电池故障样本的全局卷积神经网络，以及分别针对实测的和筛选的锂电池故障数据的局部卷积神经网络，构成混合卷积神经网络锂电池故障诊断模型；通过对卷积神经网络中的全局与局部锂电池故障特征进行学习，并采用全连接分类映射，实现锂电池故障的多分类与定位。该方法提高了电池管理系统可靠性和安全性，减轻了参数众多引起的计算复杂性，解决了多物理耦合诊断模型在实际应用中仅能针对某一类锂电池故障诊断任务的问题。
-
Patent Agency Ranking
公开(公告)号：CN109933659A
公开(公告)日：2019-06-25
申请号：CN201910225111.5
申请日：2019-03-22
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种面向出行领域的车载多轮对话方法，属于人工智能技术领域。该方法主要包括对话意图识别过程、置信状态跟踪过程以及对话策略生成过程。对话意图识别过程主要包括构建长短期记忆网络、完成意图识别网络结构设计、对学习模型进行训练与交叉验证等；置信状态跟踪过程主要包括对每个槽构建专用状态跟踪器、训练置信跟踪器，并设计数据库查询方法进行查询等。对话策略生成过程主要包括设计总体回报函数与Q网络，搭建深度增强学习模型，依据对话状态的全局置信概率分布与策略回报选择所有可能的并行对话路径等。本方法能够为用户提供快捷高效与人性化的用户体验，在面向出行领域的车载多轮对话领域具有重要的理论意义和应用价值。
-
公开(公告)号：CN109671044A
公开(公告)日：2019-04-23
申请号：CN201811475134.3
申请日：2018-12-04
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于可变图像分解的多曝光图像融合方法，该方法围绕多曝光融合图像的细节保存和高动态图像的视觉质量需求，利用纹理-卡通分解得到图像纹理分量,并通过计算图像纹理熵来实现图像块尺寸参数的动态选择；使用动态步长的移动窗口从源序列中提取图像块,并利用结构图像块分解方法实现图像块融合；通过整合融合图像块获得融合图像。将可变图像分解算法与图像块结构分解算法结合，实现图像块尺寸大小的自动选取和图像块融合，不仅利于图像纹理、结构细节信息的保存，同时融合图像获得更真实的色彩外观，提高HDR的视觉质量。
-
公开(公告)号：CN106224067B
公开(公告)日：2018-07-17
申请号：CN201610864280.X
申请日：2016-09-29
Applicant: 重庆邮电大学
IPC: F01N11/00
CPC classification number: Y02T10/47
Abstract: 本发明涉及一种基于数据驱动的汽车三元催化器的故障诊断方法，属于汽车三元催化器故障诊断技术领域。该方法首先通过转鼓实验平台完成对三元催化器尾气的采集，得到故障尾气数据；然后利用FrFT(分数阶傅里叶变换)将采集的原始尾气信号映射到分数阶域并通过粒子群算法确定最优分数阶p值，完成对尾气信号的初步特征提取，进一步对初步得到的故障特征进行分形分析得到信号的分形维特征，利用KECA(核熵成分分析)对分形维特征数据降维便于可视化聚类；最后通过改进的FCM聚类算法进行聚类分析诊断出故障。本方法可以对汽车三元催化器进行有效地故障诊断，改善了现有的基于OBD诊断技术中模型简化单一、不能有机整合和通用性较差的问题。
-
-
公开(公告)号：CN108170848A
公开(公告)日：2018-06-15
申请号：CN201810048593.7
申请日：2018-01-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向中国移动智能客服的对话场景分类方法，属于人工智能技术领域。该方法包括：获取中国移动智能客服场景对话相关自然语言的训练文本；采用MapReduce方法计算量化数据的笛卡尔积进行实体的共指消歧；采用词向量表征方式融合多语境描述进行训练文本稀疏表示；采用尺度相关池化方案与训练级联卷积神经网络模型进行对话场景分类。因此，本发明能有效应答用户与客服交互的自然语言信息，满足智能客服需求。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.025 seconds)
