-
公开(公告)号：CN116151375B
公开(公告)日：2023-07-14
申请号：CN202310426771.6
申请日：2023-04-20
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06N3/048 , G06N3/084 , G06F16/33 , G06F16/35 , G06N3/0464 , G06N3/0455 , G06N3/092 , G06N3/098 , G06N3/09
Abstract: 本发明公开了一种基于反事实与路径挖掘的事件溯因推理方法，包括：采用自注意力机制获得因果效应矩阵，利用图神经网络将其导入事件结点表示；利用注意力机制形成中间隐状态，引导RoBERTa模型抽取观测事件的关键特征hatt；将事件利用余弦相似度投影到外部事件逻辑图上，并基于中间隐状态，利用强化学习计算类似事件之间的逻辑链路；利用注意力机制获得上下文向量qpath；将hatt与qpath拼接用于计算假设的合理值得分；选择合理值得分最高的假设作为最有可能发生的合理假设；添加反事实损失函数优化模型，比较不同假设事件以挖掘关键溯因特征。本方法的推理结果更加精确，并根据反事实敏感性，抓取支持溯因的关键因素。
-
公开(公告)号：CN115860269B
公开(公告)日：2023-05-16
申请号：CN202310136305.4
申请日：2023-02-20
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/02 , G06V20/13 , G06V20/10 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了智慧农业技术领域的一种基于三重注意力机制的农作物产量预测方法，解决现有方法对农作物产量预测精确度不高等技术问题。其包括：获取历年生长期内的目标农作物种植区农作物产量数据、遥感影像数据和气象环境数据，预处理后农作物单产预测的输入特征参数和单产数据分别作为深度学习模型的输入特征和输出数据；将输入特征和输出数据构建为非线性特征组合数据集并划分为测试集和训练集；搭建农作物产量预测TAM模型使用非线性特征组合数据集进行训练优化，将待测农作物的输入特征输入到农作物产量预测TAM模型中获得该农作物单产预估结果。本发明相比于现有方法提高了农作物产量的预测精确度。
-
公开(公告)号：CN110766063B
公开(公告)日：2023-04-28
申请号：CN201910987689.4
申请日：2019-10-17
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于压缩激励和紧密连接卷积神经网络的图像分类方法，将轻量级的紧密连接卷积神经网络(DenseNet)和高性能的压缩和激励模块(SE)结合，通过训练卷积神经网络，计算损失函数，根据梯度下降更新网络；测试卷积神经网络，计算分类准确度；重复上述步骤构建保存准确度最高的准确度数值和卷积神经网络模型参数，得到效果最好的卷积神经网络模型。本发明压缩和激励模块可以显式地建模通道之间的相互依赖关系，且计算量很小；相较于传统卷积神经网络图像分类方法，能够以很少的参数量和计算量获得高准确度的图像分类结果。
-
公开(公告)号：CN115879623A
公开(公告)日：2023-03-31
申请号：CN202211587993.8
申请日：2022-12-12
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/02 , G06F18/2415 , G06F18/25 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种农业干旱等级预测方法、装置、电子设备及存储介质，所述方法包括从CRU数据中心提取陆地表面的时间序列数据；提取时间序列数据在时间尺度上的特征，并进行特征融合和全局平均池化，获得时间特征矩阵；提取时间序列数据在变量尺度上的特征，并进行全局平均池化，获得变量特征矩阵；提取时间序列数据在空间上的特征，将相邻格点的信息融入到该格点信息中，获得空间特征矩阵；将时间特征矩阵和变量特征矩阵以及空间特征矩阵拼接在一起，经过Softmax层输出最终的干旱等级分类结果，本发明提高农业干旱等级预测准确率，进一步减少因为干旱而引起的农业损失。
-
公开(公告)号：CN115860269A
公开(公告)日：2023-03-28
申请号：CN202310136305.4
申请日：2023-02-20
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/02 , G06V20/13 , G06V20/10 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了智慧农业技术领域的一种基于三重注意力机制的农作物产量预测方法，解决现有方法对农作物产量预测精确度不高等技术问题。其包括：获取历年生长期内的目标农作物种植区农作物产量数据、遥感影像数据和气象环境数据，预处理后农作物单产预测的输入特征参数和单产数据分别作为深度学习模型的输入特征和输出数据；将输入特征和输出数据构建为非线性特征组合数据集并划分为测试集和训练集；搭建农作物产量预测TAM模型使用非线性特征组合数据集进行训练优化，将待测农作物的输入特征输入到农作物产量预测TAM模型中获得该农作物单产预估结果。本发明相比于现有方法提高了农作物产量的预测精确度。
-
Patent Agency Ranking
公开(公告)号：CN114911932A
公开(公告)日：2022-08-16
申请号：CN202210429360.8
申请日：2022-04-22
Applicant: 南京信息工程大学
IPC: G06F16/35 , G06F40/211 , G06F40/35 , G06N3/04
Abstract: 本发明公开了一种基于主题语义增强的异构图结构多会话者情感分析方法，包括：对输入对话进行情感词嵌入操作，将其从人类语言转化成带有情感的向量表示；按照依存句法关系构建句法依赖图，节点为话中的单词，将句法依赖图输入图卷积神经网络中更新节点信息，获得语义加强的单词向量以及相应的句子表征向量；构建主题提取模型，提取每句对话的主题，获得主题增强的句子表征；按照主题相似性进行聚类，根据句子主题信息以及时序关系构建对话子图，构建异构对话图，节点为每句话的句子表征，使用图循环网络更新图节点；得到分类结果。本发明充分考虑对话者间交互信息，提高了多会话者对话情感分析的预测精度。
-
公开(公告)号：CN110737769A
公开(公告)日：2020-01-31
申请号：CN201910999118.2
申请日：2019-10-21
Applicant: 南京信息工程大学
IPC: G06F16/34 , G06F40/289 , G06N3/04
Abstract: 本发明公开了一种基于神经主题记忆的预训练文本摘要生成方法，根据完整的输入序列，使用BERT预训练的上下文建模能力，对序列进行编码，完成文本嵌入；将输出的序列表示，使用主题记忆网络编码潜在的主题表示；根据主题表示、推理与经过编码的序列表示进行匹配，形成最终编码表示，再使用解码器来生成初步输出序列；将输出的序列中每一个单词进行掩码喂入BERT并结合输入序列，使用基于transformer和LSTM的解码器来预测每个掩码位置的细化单词，实现微调。本发明通过双向上下文的BERT和LSTM层进行特征的深层捕捉，喂入掩码后的摘要，对参数进行微调，细化每一个摘要单词，使得生成更加流畅、信息量高的文本摘要。
-
公开(公告)号：CN104866822B
公开(公告)日：2018-08-24
申请号：CN201510227324.3
申请日：2015-05-06
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于SIVV特征的文档图像粗分类方法，包括如下步骤：获取文档图像，预处理，加窗处理，计算文档图像SIVV特征，对每个文档分别计算与其他文档SIVV特征的相关系数，若其中K个文档两两之间相关系数均大于某一阈值，则认为这K个文档属于同一分类。本发明的目的，在于提出一种新的文档图像粗分类方法，无需准确获取文档文本内容，即可将文档图像根据SIVV特征的相关系数自动分成若干类，方法具有鲁棒性好、分类速度快的特点。
-
公开(公告)号：CN107992549A
公开(公告)日：2018-05-04
申请号：CN201711211271.1
申请日：2017-11-28
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公开了动态短文本流聚类检索方法。本方法利用短文本流数据建立短期话题模型并综合长期历史话题模型对数据流中的短期话题模型进行修正得到话题与特征词的概率分布，再利用文档与话题之间的条件概率进行聚类，形成对关键词的动态精准检索。本发明通过建立动态话题模型，实现随时间变化的关键词检索功能，并通过多项式混合话题模型解决了短文本数据的稀疏性，信息缺失等问题，提升了信息检索的效率与性能。
-
公开(公告)号：CN104298771B
公开(公告)日：2017-09-05
申请号：CN201410596395.6
申请日：2014-10-30
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明利用Hadoop/Hive分布式计算平台的高可靠性、高扩展性、高效性以及高容错性，公开了一种基于Hadoop和Hive的海量web日志数据的查询与分析方法。本发明包括以下步骤：对各个数据源的数据进行解析；将数据装载进数据仓库中；接收HiveQL语句；对接受语句进行优化，得到初步map结果；将接受语句转换成MapReduce任务执行并存储查询结果；数据分割；对数据进行分析挖掘；将数据装载进Mysql数据库中。本发明针对海量的web日志数据，实现精确地查询和数据分析，既能实现海量数据存储查询分析的可扩展性和高效性，也避免数据倾斜带来的job分布不均整体性能下降的问题。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.036 seconds)
