-
公开(公告)号：CN110619392A
公开(公告)日：2019-12-27
申请号：CN201910889065.9
申请日：2019-09-19
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种面向嵌入式移动设备的深度神经网络压缩方法，包括以下步骤：权值截断；通过整流器构建一个神经网络，在神经网络中先随机生成模型的参数值；权值舍入；将实值权重w四舍五入；保留存储指数权重的指数部分；压缩模型的前向传播和后向传播；缩放输入信号；缩放每个批量标准化层的输出；哈夫曼编码压缩；使用哈夫曼编码来进行一步压缩，即完成了对深度神经网络的压缩。本发明以指数去逼近深度神经网络中的权值，并使用短整数将指数的幂使用短整型存储起来，可以减少3倍的参数存储空间；使用哈夫曼编码来进一步压缩模型参数，最终可以达到10-13倍的模型压缩率；使用位运算中的右移操作消除了大部分的乘法，提升模型运行效率。
-
公开(公告)号：CN108876069A
公开(公告)日：2018-11-23
申请号：CN201811084437.2
申请日：2018-09-18
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供一种养老服务推荐方法，其特征在于：包括以下步骤：(1)服务平台通过互联网网页或预设的养老数据库获得养老服务的评分信息S，计算出待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim'(u,v)；(2)建立评价时间模型，服务平台计算待推荐用户u与互联网网页或预设的养老数据库中用户v对养老服务服务的偏好值Pu，i；(3)预测待推荐用户需要的养老服务评分值S(u，i)，服务平台按照由高到低的顺序推荐给待推荐的用户u。本发明的有益效果是推荐的养老服务充分考虑用户的社交圈、社交特点和社交信任度，并考虑用户的兴趣变化，推荐的养老服务机构或养老服务更个性化、合理化。
-
公开(公告)号：CN118965139A
公开(公告)日：2024-11-15
申请号：CN202411464881.2
申请日：2024-10-21
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F18/2411 , G06F18/213 , G06F18/25 , G06V10/764 , G06V10/40 , G06V10/80
Abstract: 本申请涉及多模态数据处理技术领域，具体为以音频模态为目标模态的多模态情感分析方法和系统；为解决现有技术中多模态情感分析准确度较低的问题，本申请制定当存在音频模态时，将图像模态和文本模态翻译为音频模态，经融合后进行神经网络处理，得到多模态情感预测结果；当不存在音频模态时，用互信息分数来判断哪个模态中所含的情感信息更多，以此来让其他模态向其翻译，得到缺失联合特征，并将标准完整联合特征作为目标，缺失联合特征向完整联合特征逼近进行神经网络处理，得到多模态情感预测结果；该方法应用到多模态情感分析领域中，处理过程更灵活、分析过程更全面、更合理，得到情感预测结果准确度更高。
-
公开(公告)号：CN118134606B
公开(公告)日：2024-07-23
申请号：CN202410544307.1
申请日：2024-05-06
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06Q30/0601 , G06Q30/0251 , G06N3/0442 , G06N3/08 , G06Q30/0202
Abstract: 本申请涉及商业领域数据预测推荐技术领域，具体为基于用户偏好的服务推荐方法、系统、设备和存储介质；为解决现有技术当中服务推荐准确度较低的问题，本申请首先将基于交互结构图得到的目标用户和服务信息，分别进行门控图神经网络处理和双向门控循环单元处理，获得目标用户长期偏好向量和目标用户短期偏好向量后，进行融合，得到目标用户个性化偏好向量；最后，将每个服务与目标用户个性化偏好向量的概率映射值作为推荐值，并将推荐值大于推荐阈值的服务，作为推荐服务推荐给目标用户，实现快捷准确的服务推荐，应用在商业领域数据预测中，能增加用户体验，提升商业内容消费。
-
公开(公告)号：CN118134606A
公开(公告)日：2024-06-04
申请号：CN202410544307.1
申请日：2024-05-06
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06Q30/0601 , G06Q30/0251 , G06N3/0442 , G06N3/08 , G06Q30/0202
Abstract: 本申请涉及商业领域数据预测推荐技术领域，具体为基于用户偏好的服务推荐方法、系统、设备和存储介质；为解决现有技术当中服务推荐准确度较低的问题，本申请首先将基于交互结构图得到的目标用户和服务信息，分别进行门控图神经网络处理和双向门控循环单元处理，获得目标用户长期偏好向量和目标用户短期偏好向量后，进行融合，得到目标用户个性化偏好向量；最后，将每个服务与目标用户个性化偏好向量的概率映射值作为推荐值，并将推荐值大于推荐阈值的服务，作为推荐服务推荐给目标用户，实现快捷准确的服务推荐，应用在商业领域数据预测中，能增加用户体验，提升商业内容消费。
-
Patent Agency Ranking
公开(公告)号：CN113938817A
公开(公告)日：2022-01-14
申请号：CN202111064003.8
申请日：2021-09-10
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明属于智能车联网技术领域，公开一种基于车辆位置信息的车主出行位置预测方法，包括以下步骤，步骤一：对基于车辆位置数据的车辆轨迹数据进行整理；步骤二：识别基于车辆轨迹数据的用户重要兴趣点；步骤三：通过密度聚类法的兴趣点合并；步骤四：基于时空标签循环神经网络模型来预测用户下一个兴趣点。通过利用空间维度和语义维度的信息，提升了兴趣点预测的准确度。
-
公开(公告)号：CN111507577A
公开(公告)日：2020-08-07
申请号：CN202010218967.2
申请日：2020-03-25
Applicant: 哈尔滨工业大学(威海)
IPC: G06Q10/06 , G06Q10/08 , G06F16/29 , G06F16/906
Abstract: 本发明公开了一种基于K-means聚类算法的众包任务分配方法，包括订单任务聚类分析和配送人员当前位置聚类分析。本发明的有益效果是能够快速高效的获得以全局路径最短为目标的近似最优解。
-
-
公开(公告)号：CN118193853B
公开(公告)日：2024-07-23
申请号：CN202410605377.3
申请日：2024-05-16
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/9535 , G06F16/9536 , G06N3/042
Abstract: 本发明涉及商业领域数据预测推荐技术领域，具体为一种随机群组的兴趣点推荐方法、系统、设备和存储介质；为解决现有技术中随机群组兴趣点预测结果较低，推荐准确度较低，影响用户商业体验感的问题，本申请首先将基于随机群组的相似用户得到的待推荐兴趣点集特点，与用户性格影响度结合，获取随机群组拟合特征表示；接着，通过将兴趣交互结构图进行多层图神经网络处理，得到每个待推荐兴趣点特征表示；随后，将待推荐兴趣点特征表示进行概率映射处理，获取优选兴趣点；最后，根据优选兴趣点的预测评分获取随机用户的期望值后，进行多协商推荐处理，得到最优推荐兴趣点；应用在商业数据预测领域中，能提高推荐准确度更高，提升用户商业体验感。
-
公开(公告)号：CN112684430A
公开(公告)日：2021-04-20
申请号：CN202011533492.2
申请日：2020-12-23
Applicant: 哈尔滨工业大学(威海)
IPC: G01S7/48
Abstract: 本发明属于健康监测技术领域，公开了一种室内老人行走健康检测方法、系统、存储介质、终端，包括：静态地图绘制模块用于读取环境数据，计算静态环境地图；动点筛选模块用于筛选脚步候选点；点集合特征提取模块，用于将脚步候选点进行点聚类，并对得到的点集合进行特征值提取，基于提取的脚步候选点集合特征值对点集合进行行人与物体分类；行人检测模块，用于进行行人脚步跟踪；行走健康数据提取模块，用于对跟踪过程中计算得到的数据进行提取；数据可视化模块用于将接收的相关数据进行动态展示；本发明以激光雷达为传感器，可靠性得到很大提高，而且能十分有效地检测出行人的位置并实时跟踪行人的运动轨迹。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.031 seconds)
