-
公开(公告)号：CN106776558A
公开(公告)日：2017-05-31
申请号：CN201611145330.5
申请日：2016-12-14
Applicant: 北京工业大学
Abstract: 为了解决本体学习中在特定领域术语抽取效率偏低的问题，本发明提出了一种融合语境信息的领域术语识别方法，整合统计学和语言学方法，借鉴传统领域相关性与领域一致性思想，再结合对数似然比，从候选术语语境信息的复现次数角度刻画候选术语在不同领域的分布情况，然后计算候选术语的领域属性值，最后根据每个候选术语的领域属性值抽取领域术语。本发明所述的融合语境信息的领域术语识别方法可获得非常好的术语抽取准确率，其不仅可以应用在诸如抑郁症药物等领域的术语抽取中，还能够在概念抽取方法中作为候选概念产生工具使用。
-
公开(公告)号：CN102447403B
公开(公告)日：2014-02-26
申请号：CN201110351914.9
申请日：2011-11-09
Applicant: 北京工业大学
CPC classification number: Y02B70/126 , Y02P80/112
Abstract: 本发明涉及的一种低谐波连续输入电流的三相整流电路，可以减小谐波畸变率，属于电力电子领域。包括三相四线交流电，相电a、b、c和中线N；一个三相整流器KM1；一个单相整流器KM2；电容C1、C2、C3；二极管D1、D2；电感L1、L2；开关管M1、M2、M3；变压器T1；传感器S1、S2、S3；以及控制开关管的控制电路。本发明的电路通过控制开关管的开通关断，把相电压不工作的部分通过变压器T1升压，单相整流器KM2整流后和三相整流器KM1的输出并联连接至电容C1，把能量供给负载，从而使相电压连续工作，输入电流连续并且接近正弦波，有效提高全功率因数，减小整流电路对电网产生的谐波污染。
-
公开(公告)号：CN120045972A
公开(公告)日：2025-05-27
申请号：CN202411883957.5
申请日：2024-12-20
Applicant: 北京工业大学
IPC: G06F18/24 , G06N3/0455 , G06N3/082 , G06N3/098 , G06N3/0895
Abstract: 本发明公开了一种基于共性与个性的图网络情绪识别方法，方法由个性图和共性图两个部分构成，个性图又有TokenGT和GDC两个模块，TokenGT结构首先将脑电数据和初始的共性图编码并经过Transformer进行初步的图学习，再通过GDC模块发掘图中潜在的边对图进行增强，得到的图分别经过一个回归模块与一个对比模块学习这二者的特征，最终得到的个性图经过卷积层接入到图卷积分类器中对目标的情绪进行分类；每一批样本得到的个性图会被记录并通过bootstrap方法将共性图更新成新的图并在下一批的TokenGT编码过程中使用。本发明在SEED、SEED‑IV和DEAP数据集上评估，能显著提高基于脑电图的情感识别性能。
-
公开(公告)号：CN119810531A
公开(公告)日：2025-04-11
申请号：CN202411873784.9
申请日：2024-12-19
Applicant: 北京工业大学
IPC: G06V10/764 , G06N3/045 , G06N3/094 , G06V10/774
Abstract: 本发明公开了一种基于深度学习的神经影像事件属性联合抽取方法。本发明通过融合先进的对抗学习技术与深度学习算法，提出了一种轻量级的神经影像事件抽取联合模型，该模型由双向长短时记忆网络(BiLSTM)、条件随机场(CRF)、Sigmoid激活函数以及自由对抗训练(FreeAT)策略组成。鉴于神经影像事件论元的复杂性较高，而事件结构相对简洁的特点，本模型采用了BiLSTM+CRF+Sigmoid的架构，实现了“重点识别论元、简化角色抽取”的设计理念。该架构通过精简模型参数使得模型在小规模训练集上迅速达到收敛。本发明引入了基于FreeAT的对抗训练机制，缓解了过拟合问题。本发明提升了准确性，增强了模型在资源受限条件下的泛化能力。
-
公开(公告)号：CN117371495A
公开(公告)日：2024-01-09
申请号：CN202311420886.0
申请日：2023-10-30
Applicant: 北京工业大学
IPC: G06N3/048 , G06N3/0499 , G06N3/08 , G06F18/214 , G06F18/22
Abstract: 本发明涉及一种基于分解表示的因果效应评估系统。该系统将输入的协变量分解并学习混杂因素和非混杂因素的表示。对于混杂因素表示，通过表征平衡和相似性保持策略消除选择偏差并保留相似性信息。对于非混杂因素表示，通过辅助任务增强其特征表达。然后，将与处理分配相关的表示拼接，输入处理分配预测模块；而与反事实结果相关的表示则输入反事实结果预测模块。训练过程分两步进行：首先固定反事实结果预测模块参数，训练处理分配预测模块；然后固定处理分配预测模块参数，训练反事实结果预测模块。最终，通过计算两个事实结果的差值来估计因果效应。该系统解决了现有方法假设协变量均为混杂因素的限制，提高了因果效应评估的准确性和效率。
-
Patent Agency Ranking
公开(公告)号：CN107832312B
公开(公告)日：2023-10-10
申请号：CN201710000406.3
申请日：2017-01-03
Applicant: 北京工业大学
IPC: G06F16/951 , G06F16/953 , G06F16/9532 , G06F16/332 , G06F16/36
Abstract: 本发明公开了基于深度语义辨析的文本推荐方法，根据深度语义网格模型自动抽取文本主题，根据主题情景语义辨析方法推理在不同文本背景下的情景语义，实现融合情景状态的文本主题树，根据用户实时情景状态为每篇文档构建出用户文本兴趣画像。在查询端针对用户情景状态的实时波动，对文本主题树进行情景语义筛选，将查询内容进行查询兴趣主题建模，根据激活扩散方法对用户直接兴趣主题进行二次潜在语义推理，计算主题的全局激活值，构建融合当前情景语义的用户查询兴趣画像。通过相似度计算方法为文档进行评分，根据评分高低生成文本推荐列表。
-
公开(公告)号：CN114610897A
公开(公告)日：2022-06-10
申请号：CN202210181938.2
申请日：2022-02-25
Applicant: 北京工业大学
Abstract: 基于图注意力机制的医学知识图谱关系预测方法属于电子信息领域。本发明涉及如下3点：(1)将不同权重(注意力)分配给附近的节点，并通过迭代和分层计算传播注意力。(2)并在多跳邻居之间引入辅助边，实现了实体之间知识流的有效传播，构建了基于图注意力的嵌入模型。(3)应用ConvKB作为解码器有效捕获实体及其邻域间存在的关联关系。本发明针对医疗知识图谱中关系预测任务，通过扩展图注意力机制，构建了基于图注意力的嵌入模型，捕获给定实体的多跳邻域间实体和关系特征，进而完善医疗知识图谱中实体间关联关系。
-
公开(公告)号：CN109492098B
公开(公告)日：2022-05-06
申请号：CN201811239578.7
申请日：2018-10-24
Applicant: 北京工业大学
IPC: G06F16/35
Abstract: 基于主动学习和语义密度的目标语料库构建方法属于文本挖掘技术领域。命名实体识别是面向生物医学文献的文本挖掘技术中至关重要的一环，深度学习和其他学习算法在实体识别的能力很大程度上取决于目标语料库构建的性能。而主动学习则是通过未标记的数据进行筛选，可以利用少量的数据取得较高的学习准确度。提出了基于密度聚类的主动学习方法来构建目标语料库，密度聚类选择具有一定高密度的区域划分为簇，可以去除掉具有噪音的数据，再由主动学习方法来选取信息最丰富的样本，使用较少的训练样本来获得性能较好的目标语料库，最终我们通过上下文相似度曲线来观察目标语料库的性能。该方法可以有效减少训练时间的同时也能提高目标语料库的性能。
-
公开(公告)号：CN109730658B
公开(公告)日：2021-08-06
申请号：CN201811634315.6
申请日：2018-12-29
Applicant: 北京工业大学
IPC: A61B5/0205 , A61B5/11 , G16H50/30 , A61M21/02
Abstract: 本发明涉及一种人工智能床垫系统，基于床垫、微动传感器，以及采集处理模块，微动传感器实时获取被监测对象睡眠中的振动数据，并通过数据处理实时获取被监测对象的睡眠状态，还设置了用户睡眠状态评价模块、手机和云端服务器；用户睡眠状态评价模块用于在获得被监测对象睡眠状态的基础上进行睡眠状态评价，采集处理模块将睡眠状态评价数据传至云端服务器；用户通过手机应用程序填充用户个人信息，形成用户个性化信息节点；服务器中的应用程序将睡眠状态评价数据与所述用户的个性化信息节点相关联，记录各个时间段用户的睡眠状态评价数据；根据用户当前睡眠状态评价数据推荐对应的助眠模式。
-
公开(公告)号：CN113095366A
公开(公告)日：2021-07-09
申请号：CN202110277961.7
申请日：2021-03-15
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于任务态神经影像数据融合和不确定推理的脑智能解析方法，针对多个任务态神经影像数据的计算结果进行融合，以脑知识库和认知图谱为融合的数据源，以系统化实验模板图和实验设计规则推理为融合手段，以多任务神经影像数据为融合对象并计算生成不确定性分布图。该方法从系统化解析脑智能的目标出发，首先设计涉及主实验和辅助实验的实验模板图、各实验之间的逻辑规则和证据权重；然后，根据规则采样脑数据集成到图中，并结合证据权重对图中证据进行组合计算，推理得到特定脑结构的不同智能的多重不确定性。本发明通过对多侧面任务态神经影像数据的融合计算和不确定性推理和脑智能的差异解释，能够提高脑智能核心机制的理解。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.025 seconds)
