基于前馈神经网络的可信与不可信用户识别方法

    公开(公告)号:CN103577876A

    公开(公告)日:2014-02-12

    申请号:CN201310547349.2

    申请日:2013-11-07

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于前馈神经网络的可信与不可信用户识别方法,旨在克服现有技术存在精准度不够、识别依据不足、灵活性缺失与社会网络解析粒度较粗等问题,该方法的步骤为:1.获取特殊用户并确定训练集包含的用户;2.分析并量化用户特征,将用户表示为用户特征向量;3.构建前馈神经网络;4.训练前馈神经网络;5.由训练后的前馈神经网络实现可信与不可信用户识别,其步骤为:1)获取社会网络中用户信息;2)量化用户信息并生成用户特征向量;3)将用户特征向量输入到前馈神经网络中,依据输出节点的输出值识别可信与不可信用户。

    一种基于能量评估与传播的分布外节点检测方法

    公开(公告)号:CN120068929A

    公开(公告)日:2025-05-30

    申请号:CN202510220962.6

    申请日:2025-02-27

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于能量评估与传播的分布外节点检测方法,本发明属于深度学习领域。本发明所解决的技术问题是现实场景中的图数据通常随着外部知识的不断获取而持续扩展,新节点与原始节点之间的分布差异可能导致现有的图神经网络方法效果下降。同时,现有基于softmax置信度分数的分布外检测方法可能会导致分布外数据出现过度自信的后验分布问题。因此,本发明提出了一种基于能量评估与传播的分布外节点检测方法,赋予图神经网络识别分布外节点的能力。本发明包括:一个基于能量的分布外评估模块,用于为不同节点分配相应的能量值,一个结构感知的能量传播模块,用于实现有效的能量聚合,一个联合对齐正则化模块,用于进一步指导的学习过程。

    一种立体视检测设备
    64.
    发明公开

    公开(公告)号:CN118806223A

    公开(公告)日:2024-10-22

    申请号:CN202410881081.4

    申请日:2024-07-03

    Applicant: 吉林大学

    Abstract: 本发明公开有一种立体视检测设备,涉及眼科医疗器材技术领域,包括有同视机底座和操作屏等,还包括有支撑架,支撑架设置在同视机底座远离操作屏一侧,支撑架滑动式连接有沿着升降台横向分布对称设置的导轨,导轨滑动式连接有移动杆,光电检测头设有斜轨板,光电检测头靠近斜轨板一侧连接有按压开关,光电检测头和导轨之间连接有多级伸缩杆,支撑架上设有调节组件。本发明通过调节组件能够将移动杆上部调节至和使用者两眼睛中间位置,随后斜轨板向前移动挤压按压开关,则会截停电动伸缩杆,使得光电检测头停止,光电检测头则能够快速地位于使用者眼睛位置,以便进行立体视检测,减少使用者等待调节检测的时间。

    基于混合注意力网络的细粒度情感极性预测方法

    公开(公告)号:CN109948165B

    公开(公告)日:2023-04-25

    申请号:CN201910333298.0

    申请日:2019-04-24

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于混合注意力网络的细粒度情感极性预测方法,旨在克服现有技术存在灵活性缺失、精度不足、难以获取全局结构信息、训练速度慢和注意力信息单一等问题。该方法的步骤为:1.根据评论文本句子确定文本上下文序列和特定方面目标词序列;2.通过glove词嵌入将序列映射成为两个多维的连续词向量矩阵;3.将两矩阵经过多次不同线性变换,得到相应的变换矩阵;4.使用变换矩阵计算文本上下文自注意力矩阵与特定方面目标词向量注意力矩阵,并将两矩阵拼接得到双注意力矩阵;5.对不同次线性变化后的双注意力矩阵进行拼接,然后再次进行线性变化得到最终注意力表示矩阵;6.通过平均池化操作,经过全连接层厚输入到softmax分类器中得到情感极性预测结果。

    基于细粒度数据的可解释商品推荐方法

    公开(公告)号:CN110060132B

    公开(公告)日:2021-09-24

    申请号:CN201910333300.4

    申请日:2019-04-24

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于细粒度数据的可解释商品推荐方法,旨在克服现有技术存在的对商品评论内容利用不足、可解释性较弱以及没有充分利用用户在评论中展现出的情感倾向对产生推荐商品的作用等问题,该方法的步骤为:1.由数据处理模块获取用户对商品评论的细粒度数据;2.由推荐链建立模块根据细粒度数据对目标用户生成对待推荐商品的推荐链;3.由推荐生成模块根据推荐链实现对推荐序列的解释。

Patent Agency Ranking