公开(公告)号：CN116245650A

公开(公告)日：2023-06-09

申请号：CN202310093481.4

申请日：2023-02-09

Applicant: 海南大学

Inventor： 罗宁 ,  韦冰 ,  商婷娇 ,  张树东 ,  周丽娟

IPC: G06Q40/06 ,  G06N3/0442 ,  G06N3/045

Abstract: 本发明提出一种基于融合注意力机制的创业指数收盘价数据预测方法，包括，获取创业指板收盘价数据集作为训练数据集；对训练数据集进行预处理；将Bahdanau‑Attention机制与Luong‑Attention机制进行融合，将融合后的机制BAL‑Attention引入到数据预测模型的LSTM层及输出层之间对所述数据预测模型进行改进；利用预处理后的训练数据集对改进后的数据预测模型进行训练，得到训练完成的数据预测模型；通过训练完成的数据预测模型预测未来的股市数据波动情况。通过本发明提出的方法，可以有效提高预测精度以及模型稳定性。

公开(公告)号：CN115830438A

公开(公告)日：2023-03-21

申请号：CN202211078814.8

申请日：2022-09-05

Applicant: 海南大学

Inventor： 张树东 ,  刘文瑾 ,  周丽娟 ,  罗宁 ,  韦冰

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本申请提出了一种基于深度学习的复杂场景下违章建筑物体检测方法及装置，涉及人工智能与土木工程交叉领域，包括以下步骤：实时获取待检测目标图像；切割待检测目标图像，获取预设数量的待检测切割目标图像；根据训练后的检测网络模型检测待检测切割目标图像，确定待检测目标图像的类别，其中，以改进后的轻量级卷积神经网络EfficientNet‑B2作为主干网络，且以Eiou损失函数作为损失函数构成检测网络模型，根据违章建筑物体数据集训练检测网络模型。本申请通过分块化处理待检测目标图像，根据轻量级卷积神经网络EfficientNet‑B2优化YOLOv3算法，确定H‑Swish激活函数与H‑Sigmoid激活函数作为激活函数，确定Eiou损失函数作为损失函数，实现违章建筑的实时检测，降低成本。