-
公开(公告)号：CN115662128B
公开(公告)日：2025-01-03
申请号：CN202211312456.2
申请日：2022-10-25
Applicant: 辽宁工程技术大学
IPC: G08G1/01 , G06N3/08 , G06N3/0464 , G06F16/2458
Abstract: 本发明公开了一种基于注意力机制的动态时空神经网络交通流量预测方法，步骤为：对流输入、流输出与周期组件进行建模；构建局部动态预测模块；构建全局相关性预测模块；构建融合预测模块。首先，通过对交通数据的最近周期依赖、日周期依赖和周周期依赖进行建模，在每个分量上使用三维卷积神经网络提取城市交通高维特征。然后，使用改进的残差结构捕捉远距离区域对预测区域的相关度，融合空间注意力和时间注意力机制捕捉不同区域不同时间段上的交通流量之间的动态相关性。最后，使用基于参数矩阵的方法对三个分量的输出进行加权融合，得到预测结果。实验分析和结果表明，与现有预测方法相比，本发明具有更好的预测精度和鲁棒性。
-
公开(公告)号：CN114021011B
公开(公告)日：2024-09-10
申请号：CN202111299901.1
申请日：2021-11-04
Applicant: 辽宁工程技术大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/02 , G06N3/08
Abstract: 本发明公开了一种基于自注意力机制的下一个兴趣点推荐方法，首先对序列信息、时空信息以及上下文相关的动态社会关系进行集成建模；其次设计了两个并行通道(长/短期通道)建模用户及其好友的长/短期偏好，利用自注意力机制捕获用户任意两个历史签到之间的长距离依赖关系；最后预测用户在下一时刻对兴趣点的偏好得分。本发明将用户与兴趣点之间的交互构造成L2L图，L2L图表示兴趣点之间地理距离的接近程度，它实质上是一个加权无向图，其中一个顶点代表一个兴趣点，边表示兴趣点之间的空间相关性，边上权重表示地理距离，是一种自注意力网络可以处理的图数据，很好的利用了自注意力网络的优势，使得模型更容易训练和泛化。
-
公开(公告)号：CN112905900B
公开(公告)日：2023-11-17
申请号：CN202110363686.0
申请日：2021-04-02
Applicant: 辽宁工程技术大学
IPC: G06F16/9535 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于图卷积注意力机制的协同过滤推荐方法，该方法包括：首先是数据采集、处理以及划分数据集，其次是GACF模型的构建，最后是模型训练以及通过预测用户与项目之间的关联分数进行推荐。本发明提出的图卷积注意力机制协同过滤模型，首先利用图嵌入技术将用户‑项目的交互信息映射到向量空间，然后通过图卷积网络学习用户‑项目交互图的嵌入表达，再利用注意力机制为邻居节点分配不同的权重，聚合邻居节点的特征信息可使邻居节点之间的权重仅依赖于节点之间的特征表达，从而提高模型的泛化能力，最后将图卷积层学习到的多个嵌入向量加权聚合，得到用户‑项目之间的关联分数。
-
公开(公告)号：CN115460302A
公开(公告)日：2022-12-09
申请号：CN202211070448.1
申请日：2022-09-02
Applicant: 辽宁工程技术大学
IPC: H04L69/164 , H04L67/1042 , H04L9/32
Abstract: 本申请提供了一种多人协同在线图纸作业方法和系统，涉及协同制图技术领域，其中，多人协同在线图纸作业系统包括服务器端和多个客户端，服务器端中存在多个房间，每个房间为一组，每组对应一张图纸，同一组内的客户端可操作同一图纸，客户端负责对图纸进行加载、可视化、版本比对和操作，客户端之间和客户端与服务器端之间，采用UDP点对点数据通信，本发明提出的方案更加高效，延迟更小，实时性更高，同时通过MD5算法对图元的几何信息生成摘要，提升了图元比较的效率，实现不同历史时期图纸的对比和变化跟踪。本发明实现简单，协同的实时性好，达到了应用的要求。
-
公开(公告)号：CN113742596A
公开(公告)日：2021-12-03
申请号：CN202111097754.X
申请日：2021-09-18
Applicant: 辽宁工程技术大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/906 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制的神经协同过滤推荐方法，步骤为：数据采集和处理；划分数据集：将处理好的数据按照leave‑one‑out机制的划分为训练集和测试集；构建基于注意力机制的神经协同过滤模型：使用公开的ESIM模型的局部推理部分构建特征融合构建注意力部分，使用多层感知机学习用户和项目的特征交互部分，并最后将两者融合进行推荐；模型训练和结果展示，将所得到的训练数据集和测试数据集用于训练和评估构建的神经协同过滤模型，根据用户对项目的预测评分判断是否将项目推荐给用户。本发明在引入注意力机制来分配权重值的同时，并结合MLP多层感知机捕获用户和项目之间的多层交互信息，来提升推荐的性能。
-
Patent Agency Ranking
公开(公告)号：CN113626697A
公开(公告)日：2021-11-09
申请号：CN202110896856.1
申请日：2021-08-05
Applicant: 辽宁工程技术大学
IPC: G06F16/9535 , G06F16/9537 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于anchor‑LDA和卷积神经网络的兴趣点推荐方法，首先采用anchor‑LDA学习用户和兴趣点的显示关联关系，关联关系主要受距离的影响。其次采用卷积神经网络学习用户和兴趣点的隐式关联关系。最后将用户和兴趣点的显示和隐式关系集成，进行兴趣点推荐，提高推荐的准确性。本发明在一个公开真实的数据集上进行实验，实验结果表明提出的模型显著优于当前主流模型，改进了传统的矩阵分解的推荐算法，提高了推荐的准确性并且降低了时间复杂度，对兴趣点推荐的发展具有实际意义。
-
公开(公告)号：CN112309581A
公开(公告)日：2021-02-02
申请号：CN202011208327.X
申请日：2020-11-03
Applicant: 辽宁工程技术大学
IPC: G16H50/80 , G16H50/70 , G16H10/60 , G06F16/36 , G06F16/35 , G06F16/335 , A61B5/0205 , A61B5/00 , G06N20/00
Abstract: 本发明公开了一种基于机器学习的私人医疗智慧辅助方法，包括：心率值、血氧值的检测；体温的检测；简易运动状态检测；链接网络及定位服务的实现；用户绑定；健康状态的分析；遗传病的监测；传染病的监测；突发传染病的监测。本发明的基于机器学习的私人医疗智慧辅助方法通过整合智能终端的监测信息、无线通讯技术、云平台数据库、知识图谱、数据可视化等多项新型技术，构建了基于机器学习的私人医疗智慧辅助系统，可以有助于缓解医疗资源不足问题，并且能够有效的去科普以及预防传染病，结合大数据，做一些深度挖掘及预测的工作，加快了基层医疗卫生信息化的创建和发展。
-
公开(公告)号：CN112084427A
公开(公告)日：2020-12-15
申请号：CN202010965903.9
申请日：2020-09-15
Applicant: 辽宁工程技术大学
IPC: G06F16/9536 , G06F16/9537 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明公开了一种基于图神经网络的兴趣点推荐方法，步骤为：构建用户‑兴趣点交互图和用户社交图，图神经网络学习图结构信息并在用户的嵌入向量中整合了协作信息和社交信息；采用k‑means算法对兴趣点按地理位置进行聚类，将聚类结果嵌入到向量中，连接通过在用户‑兴趣点交互图中得到的嵌入向量，输入到一个神经网络中得到兴趣点嵌入向量；构建一个神经网络模型，模拟机器学习中的矩阵分解方法，将用户和兴趣点的嵌入向量输入到神经网络模型中根据用户的历史评分进行评分预测。本发明在用户的向量表示中嵌入协作信息和社交网络中的信息，在兴趣点的向量表示中嵌入协作信息以及兴趣点的位置信息，将用户和兴趣点的向量表示输入到神经网络中进行推荐。
-
公开(公告)号：CN108804551A
公开(公告)日：2018-11-13
申请号：CN201810489720.7
申请日：2018-05-21
Applicant: 辽宁工程技术大学
CPC classification number: G06K9/6215 , G06K9/6223 , G06Q50/01
Abstract: 本发明提供一种兼顾多样性与个性化的空间兴趣点推荐方法，涉及空间兴趣点推荐技术领域。包括：构建地理‑社会关系模型；计算模型中地点对在位置和社会联系上的相关度；构建相关度矩阵W；划分模型中构建的用户社会关系网络图G；计算在划分时的损失函数；选取令损失函数最小的特征向量并对图G中的顶点进行划分，得到k个具有多样性的兴趣点集合；从k个兴趣点集合中各选取一个最能拟合用户偏好的兴趣点组成一个融合多样性与个性化的兴趣点推荐列表。本发明提供的一种兼顾多样性与个性化的空间兴趣点推荐方法，融合兴趣点的地理‑社会关系模型、谱聚类算法、矩阵分解算法，使得为用户推荐的兴趣点具备较高准确率的同时还兼顾了多样性。
-
公开(公告)号：CN109886325B
公开(公告)日：2022-11-29
申请号：CN201910105261.2
申请日：2019-02-01
Applicant: 辽宁工程技术大学
IPC: G06V10/774 , G06N3/04 , G06N3/08 , G06V10/82 , G06V10/56 , G06V10/74 , G06V10/764 , G06V10/26
Abstract: 本发明提出一种非线性颜色空间分类的模板选择与加速匹配方法，包括：包括模型训练与图像匹配过程，模型训练包括：收集训练图像样本，提取训练图像样本的CIE色度图，人工标注其所属颜色类别号；获取五层前馈神经网络模型；图像匹配过程包括：输入彩色一对图像，设定采样率；进行隔点降采样处理；获得分类结果集合；计算相似概率的度量值；选择分值最高的前k个值所对应的i即为首选颜色类别号，根据首选颜色类别号即对应出模板图像中的模板区域及待匹配图像中的待匹配区域；到模板图像中的模板区域及待匹配图像中的待匹配区域匹配关系。实验结果表明，本发明具备更高的配准率与执行速度，解决了现有匹配方法存在的线性模型度量彩色空间颜色距离与人眼视觉判定不一致问题。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.027 seconds)
