-
公开(公告)号：CN113221571A
公开(公告)日：2021-08-06
申请号：CN202110600808.3
申请日：2021-05-31
Applicant: 重庆交通大学
IPC: G06F40/295 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及互联网络人工智能技术和自然语言处理技术领域，具体涉及基于实体相关注意力机制的实体关系联合抽取方法，其包括：获取待处理文本；将待处理文本输入经过预先训练的实体关系联合抽取神经网络模型中；实体关系联合抽取神经网络模型首先识别所述待处理文本中的所有实体；然后将各个实体分别作为目标头实体去识别对应的目标尾实体；最后识别各个目标头实体与对应目标尾实体之间的关系，并根据目标头实体、目标尾实体和相应关系构建对应的三元组；输出所有的三元组。本发明中的实体关系联合抽取方法能够保证实体关系联合抽取关联性并解决重叠关系问题，从而能够提升实体关系联合抽取的效果。
-
公开(公告)号：CN110532303A
公开(公告)日：2019-12-03
申请号：CN201910833315.7
申请日：2019-09-04
Applicant: 重庆交通大学
IPC: G06F16/2458 , G06Q50/08
Abstract: 本发明公开了一种针对桥梁管养信息的信息检索及潜在关系发掘方法，包括：S1、定义样本数据结构信息，所述样本数据结构信息包括样本数据及样本数据相互之间的关系；S2、基于所述样本数据结构信息构建桥梁管养本体知识库结构，将实例样本数据导入桥梁管养本体知识库结构生成桥梁管养本体知识库；S3、基于桥梁管养本体知识库建立推理规则；S4、获取待发掘信息，基于所述推理规则利用语义逻辑推理机检索桥梁管养本体知识库和/或生成待发掘信息之间的潜在关系信息。本发明提高了BIM模型对桥梁管养信息的重用性和交互性，通过采用语义逻辑推理机发掘管养信息中潜在的关系信息，极大地提升了桥梁管养领域的智能化管理水平。
-
公开(公告)号：CN118410145A
公开(公告)日：2024-07-30
申请号：CN202410530331.X
申请日：2024-04-29
Applicant: 重庆交通大学 , 重庆中科云从科技有限公司
Abstract: 本发明公开了一种大模型与知识图谱协同的桥梁管养问答方法，包括：构建桥梁管养复杂问答的Prompt指令提示；将复杂问题和Prompt指令提示输入注入了桥梁管养知识的对话大模型中，对复杂问题进行问题分解；对当前迭代次数下的首个子问题进行理解，生成Cypher查询语句，在桥梁管养知识图谱中检索得到答案；将首个子问题的答案、第二个子问题以及Prompt指令提示输入对话大模型中对第二个子问题进行再次分解，并执行下一次迭代；若再次分解失败，则对第二个子问题进行问题重写；根据第二个子问题的Cypher查询语句检索对应的答案；结合所有子问题的答案生成复杂问题的最终答案。本发明利用对话大模型和桥梁管养知识图谱的协同和融合实现复杂问题的问答。
-
公开(公告)号：CN118260651A
公开(公告)日：2024-06-28
申请号：CN202410299332.8
申请日：2024-03-15
Applicant: 重庆交通大学
IPC: G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于重参数化卷积神经网络的结构损伤状态识别方法。具体来说，本发明提出了一种基于重参数化技术的神经网络，它可以将模型的训练和部署解耦，并在考虑模型推理速度的前提下保持较高的精度。具体来说，在训练中使用了一个具有多个1×1卷积操作的卷积神经网络，在模型的测试和推理过程中使用重参数化技术将卷积核的参数融合在一起，以此得到了一个结构更轻、部署精度更高的卷积神经网络。使用本发明可以加快监测系统的推理速度，以及降低卷积神经网络在结构损伤状态识别中的部署成本。
-
公开(公告)号：CN117079226A
公开(公告)日：2023-11-17
申请号：CN202311053491.1
申请日：2023-08-21
Applicant: 重庆交通大学
IPC: G06V20/54 , G06V20/40 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08 , G06N3/048 , G06V10/764
Abstract: 本发明公开了一种基于多尺度注意力机制的车辆重识别方法，该方法借助注意力模块能帮助多尺度注意力预测模型聚焦于车辆图像中具有显著性信息的区域，即对车辆图像中重要的局部特征和全局特征进行加权，提高模型的性能和预测准确性。注意力机制的原理是对需要重点关注的信息区域分配较高的权重，对图像内不重要的信息分配较低的权重，并且注意力机制具有增强显著特征和抑制无关特征的特点。本发明的车辆重识别方法在对不同尺度图像进行特征提取时增加了注意力权重分配，从而得到车辆图像中更加显著的特征，利用这些特征可有效提高基于车辆外观图像的车辆重识别的精度。
-
Patent Agency Ranking
公开(公告)号：CN117033596A
公开(公告)日：2023-11-10
申请号：CN202311019385.1
申请日：2023-08-14
Applicant: 重庆交通大学
IPC: G06F16/332 , G06F16/33 , G06F40/211 , G06F40/289 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及抽取式问答任务技术领域，具体涉及一种基于进阶训练的少样本抽取式问答方法，包括：构建数据格式统一的伪问答对数据和问答对数据；伪问答对数据中将问题末尾存在的实体或名词短语进行掩盖；获取预训练语言模型；通过伪问答对数据对预训练语言模型进行进阶训练，得到进阶训练模型；对进阶训练模型进行微调，得到最终的语言模型；将待预测的问题文本和给定的上下文文本输入最终的语言模型中，预测得到对应的答案。本发明能够有效改善预训练语言模型在预训练阶段和微调阶段存在的任务差异以及输入数据格式差异，从而提高少样本抽取式问答的有效性和实用性，并为少样本抽取式问答任务提供一种新的解决思路。
-
公开(公告)号：CN116823800A
公开(公告)日：2023-09-29
申请号：CN202310874021.5
申请日：2023-07-17
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于深度学习的复杂背景下桥梁混凝土裂缝检测方法，该方法使用深度学习方法训练后的桥梁裂缝识别检测模型对桥梁裂缝图像中的裂缝区域进行分割识别预测；该桥梁裂缝识别检测模型，通过注意力融合特征提取网络提取桥梁裂缝图像的高层语义特征图，通过浅层特征提取网络提取桥梁裂缝图像的位置轮廓特征图，再依据二者的融合结果预测得到桥梁裂缝图像的裂缝分割识别检测结果，降低对复杂背景像素的误判，并准确实现对裂缝区域的定位；本发明方法能够更快速、更准确的实现对复杂背景下桥梁混凝土裂缝的分割识别和提取，从而改善因背景噪声过大造成的裂缝分割识别速度慢、准确性不足等问题。
-
公开(公告)号：CN116303971A
公开(公告)日：2023-06-23
申请号：CN202310335356.X
申请日：2023-03-29
Applicant: 重庆交通大学
IPC: G06F16/332 , G06F16/33 , G06F40/177 , G06F16/36
Abstract: 本发明涉及桥梁管理养护领域，具体涉及面向桥梁管养领域的少样本表格问答方法，包括：构建包含问题文本和SQL查询语句的问题‑SQL对作为训练样本，并进行标注；在训练样本的问题文本中注入桥梁管养领域实体关系知识；建立输入为问题文本、输出为SQL查询语句的语义解析模型，并通过带标注的训练样本对语义解析模型进行预训练；对预训练后的语义解析模型进行模型微调，得到最终的语义解析模型；通过最终的语义解析模型基于给定问题文本输出SQL查询语句，以实现问答。本发明能够通过构建伪数据来让模型学习到表格问答Text‑To‑SQL任务的形式与方法，并且能够让模型精准识别桥梁管养领域的语言表述及领域词汇。
-
公开(公告)号：CN112949682A
公开(公告)日：2021-06-11
申请号：CN202110112799.3
申请日：2021-01-27
Applicant: 重庆交通大学
Abstract: 本发明公开了一种特征级统计描述学习的SAR图像分类方法，包括：将目标SAR图像输入SAR图像分类网络；卷积层提取目标SAR图像的具有中层语义的特征基元；特征统计层基于具有中层语义的特征基元提取目标SAR图像的统计基元矢量；非线性及线性变换层基于统计基元矢量生成目标SAR图像的特征级统计描述矢量；Softmax层基于特征级统计描述矢量生成目标SAR图像的分类结果。相比于传统CNN方法，本发明不仅致力于SAR图像的结构特征学习，而且在特征学习过程中特别考虑了SAR图像的特征级统计特性，致力于集成特征学习和统计分析为一体，能够有效解决利用CNN方法进行SAR图像分类时泛化能力不足的问题。
-
公开(公告)号：CN111753776A
公开(公告)日：2020-10-09
申请号：CN202010609549.6
申请日：2020-06-29
Applicant: 重庆交通大学
Abstract: 本发明公开了基于回声状态与多尺度卷积联合模型的结构损伤识别方法，基于滑动窗口重叠的方式对每个传感器采集的结构振动响应信息进行数据增强；回声状态网络和多尺度卷积神经网络联合模型基于每个传感器采集的结构振动响应信息的时间前后依赖性特征以及不同传感器采集的结构振动响应信息之间的空间相关性特征信息进行损伤状态判断。本发明能够有效地提取结构振动响应数据之间的时间先后依赖性和空间相关性，从而准确地判别结构是否损伤以及损伤的程度，该方法科学高效；能够实时估计结构的损伤性质，掌握结构安全状态，预防灾害事故发生，保证了结构工程运营的安全。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.022 seconds)
