-
公开(公告)号：CN119762851A
公开(公告)日：2025-04-04
申请号：CN202411809751.8
申请日：2024-12-10
Applicant: 安徽海螺信息技术工程有限责任公司 , 长三角信息智能创新研究院
IPC: G06V10/764 , G06V10/80 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多特征融合的火焰识别方法及系统，属于图像识别领域。所述方法包括以下步骤：步骤S1、获取火焰的多模态数据，包括火焰图像数据和环境温度数据；并进行预处理；步骤S2、对所述火焰的多模态数据进行特征提取；步骤S3、对所提取的多个特征进行特征融合；步骤S4、基于特征融合后的数据进行火焰状态分类。本发明通过多特征融合，实现了对火焰状态的精准识别与实时监控，有效提升了火焰识别的准确率和可靠性。
-
公开(公告)号：CN113901805B
公开(公告)日：2025-01-28
申请号：CN202111202974.4
申请日：2021-10-15
Applicant: 长三角信息智能创新研究院
Inventor： 洪旭东
IPC: G06F40/284 , G06F40/242 , G06F40/30 , G06F16/35 , G06Q10/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于标签属性和特征增强的病案文本ICD9代码自动分配方法。将ICD9代码看成标签，其对应的文本描述作为标签属性，通过对标签属性和病案文本的语义编码获得标签属性特征及病案文本中每个词语的语义特征；为每个标签设置一个相关内容提取向量和标签语义向量，分别利用提取向量从病案文本中提取相关内容及语义特征，并利用共现关系，对提取到的相关特征进行特征增强；利用关注机制，针对不同标签，对提取到的多个相关内容语义特征、标签属性和语义特征自适应融合，得到最终的相关内容语义与标签语义表示；将相关内容语义特征与标签语义相比较，得到分类结果，并根据ICD9代码之间的层次关系，进行逐层负采样、参数训练和预测。
-
公开(公告)号：CN119016540A
公开(公告)日：2024-11-26
申请号：CN202411288664.2
申请日：2024-09-14
Applicant: 安徽师范大学 , 长三角信息智能创新研究院
IPC: B21C51/00
Abstract: 本发明提供了一种电动冲压数据实时显示及零件合格判断方法，属于工业制造数据智能领域，它解决了现有数据实时显示和合格判断方法显示查询效果差、检测效率低等问题。本电动冲压数据实时显示及零件合格判断方法，包括以下步骤，步骤一，传感器部署；步骤二，利用系统软件绘制曲线族；步骤三，绘制压力—位移判定框；步骤四，判断产品是否合格；步骤五，反馈与优化。本发明通过冲压头压力和位移传感数据曲线配合进行产品质量检测，每一个产品的批次号和编号、加工时间和传感数据都会保存到数据库中，并能实时绘图，便于观察和查询，适用于电动伺服冲压加工过程产品质量的自动检测和数据查询，生产自动化、数字化和智能化程度高，提高产品良品率。
-
公开(公告)号：CN118366195A
公开(公告)日：2024-07-19
申请号：CN202410458227.4
申请日：2024-04-17
Applicant: 长三角信息智能创新研究院
IPC: G06V40/16 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多层级双分支时空注意力架构的微表情分类方法，属于视频分类领域。本发明包括以下步骤：1、微表情视频片段帧抽取和划分；2、并行处理获取不同模态数据的特征向量；3、对不同模态数据进行特征融合；4、多层级的模块堆叠；5、在微表情标签监督下输出分类器设计；6、模型训练与测试。本发明探索了多层级时序建模在微表情分类中的作用，挖掘了微表情动作背后的时序信息及其作用，通过对不同模态数据的并行统一处理，然后对不同模态特征向量进行交叉融合，使得微表情中的不同模态的数据相互学习，共同训练，并在多层级结构中提炼出由简单到复杂的语义信息，从而提升了微表情分类的准确度。
-
公开(公告)号：CN118296303A
公开(公告)日：2024-07-05
申请号：CN202410570869.3
申请日：2024-05-09
Applicant: 山西云数据科技有限公司 , 长三角信息智能创新研究院
IPC: G06F18/10 , G06F18/213 , G06N3/126 , G06N20/10
Abstract: 本发明实施例中提供了一种轻量级的优化支持向量机SVM的故障诊断方法、装置及电子设备，属于故障诊断技术领域，该方法包括：从振动监测系统收集到的原始振动信号后，对所述原始信号进行预处理；获取振动监测设备的环境信息，对所述环境信息进行特征提取，形成轻量化约束向量Y；基于所述轻量化约束向量Y，对优化支持向量机SVM和与所述优化支持向量机SVM对应的遗传算法进行参数优化，形成轻量化参数集合J＝{J1,J2,…Jm}；利用所述轻量化参数集合J＝{J1,J2,…Jm}对优化支持向量机SVM进行模型训练。本方案提高了故障诊断的实时性和适用性。
-
Patent Agency Ranking
公开(公告)号：CN114844708B
公开(公告)日：2024-06-18
申请号：CN202210494732.5
申请日：2022-05-07
Applicant: 长三角信息智能创新研究院
IPC: H04L9/40 , H04L47/122
Abstract: 本发明涉及计算机网络与网络空间安全领域，公开了一种基于流量重路由的链路泛洪攻击缓解方法、设备及存储介质。所述方法包括：步骤1、寻找拥塞链路；步骤2、搜索修复路径；步骤3、流量重路由。该方法通过SDN控制器运行相关简单高效的算法，改变拥塞数据包的转发路径，实现对拥塞链路的流量重路由，缓解链路泛洪攻击，有效降低防御成本。
-
公开(公告)号：CN117196032A
公开(公告)日：2023-12-08
申请号：CN202311256349.7
申请日：2023-09-26
Applicant: 长三角信息智能创新研究院
IPC: G06N5/025 , G06N5/02 , G06F40/295 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/0499 , G06N3/09 , G06F40/211
Abstract: 本发明公开了一种用于智能决策的知识图谱构建方法、装置、电子设备及存储介质，属于工业智能技术领域。本发明的知识图谱构建方法，该方法包括：输入文本数据，采用融合分词特征的BERT‑BiLSTM‑CRF实体识别模型，获取输入文本的序列标签；采用R‑BertTransformer实体关系抽取模型对领域文本事件关系进行抽取；使用序列标注模型BERT‑BiLSTM‑CRF对事件触发词进行抽取，随后采用基于规则的方法抽取事件核心词，最后采用基于规则的方法抽取文本数值知识；基于深度学习的事件关系抽取模型抽取事件之间的事理关系。采用本发明的知识图谱构建方法，事件抽取准确率可达80％以上，事理关系识别精度F1值最高可达0.75，满足实际应用需求。
-
公开(公告)号：CN116911172A
公开(公告)日：2023-10-20
申请号：CN202310781025.9
申请日：2023-06-28
Applicant: 安徽海螺信息技术工程有限责任公司 , 长三角信息智能创新研究院
IPC: G06F30/27 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种融合LSTM的煤磨开环系统建模方法，包括下列步骤：步骤一、进行参数校正，对原始数据进行阶跃检测并进行系统辨识，利用深度学习算法对一阶传递函数系统辨识完成后接入LSTM的模型进行调参；步骤二、进行模型构建和学习训练，将一阶传递函数转化为状态空间方程形成预测模型，利用融合模型将预测模型的输出与系统输入数据融合，再经过调参后的LSTM模型处理，LSTM模型经过学习训练从而得到最终模型。本发明本发明通过对原始数据进行阶跃检测并进行系统辨识，将系统的输入数据和状态空间的输出数据融合，提升了特征融合的性能；本方法充分考虑误差和非线性问题，促进系统上线后稳定运行。
-
公开(公告)号：CN116910497A
公开(公告)日：2023-10-20
申请号：CN202310800583.5
申请日：2023-06-30
Applicant: 安徽海螺信息技术工程有限责任公司 , 长三角信息智能创新研究院
IPC: G06F18/21 , G06F18/25 , G06N3/0499
Abstract: 本发明属于工业控制技术领域，公开了一种基于神经网络的系统辨识方法，包括下列步骤：步骤一、神经网络构建，建立了一种用于系统辨识的新型前向网络模型，包括输入层、隐含层和输出层，整个网络中所有神经元的阈值全部取0；步骤二、模型辨识，基于之前构建的新型前向网络模型完成辨识模型用于系统辨识。本发明本发明通过对原始数据进行阶跃检测并进行系统辨识，将系统的输入数据和状态空间的输出数据融合，提升了特征融合的性能；本方法充分考虑误差和非线性问题，促进系统上线后稳定运行。本发明基于矩阵伪逆思想，可一次计算得到理论控制量，计算时间在0.01s左右，能够达到工业控制在线辨识的快速性要求。
-
公开(公告)号：CN116821578A
公开(公告)日：2023-09-29
申请号：CN202210260777.6
申请日：2022-03-16
Applicant: 长三角信息智能创新研究院
IPC: G06F17/16 , G06F30/27 , G06F18/214 , G06N3/042 , G06N3/0455 , G06N3/08
Abstract: 本发明公开基于近似分布的动态OD矩阵反推的方法、装置及存储介质，该方法根据地图所划分的OD节点，对OD节点之间的路段进行聚合处理，利用交通模拟器采集训练数据；设计基于深度学习的分布提取模型，通过采集的训练集训练直到模型收敛；该模型针对特定地图和OD划分拟合OD节点和OD间路段流量等特征到OD分布的映射函数，具有根据OD节点和OD间路段特征推断时序和空间OD分布的泛化能力；将真实OD节点和OD间路段特征输入模型，输出关于真实OD分布的近似分布；融合OD分布与带约束的优化，设计新的优化器，实施模拟器和bi‑level框架对初始的随机OD矩阵进行模拟和迭代更新的求解方法，直至OD矩阵数值收敛即得到反推的OD矩阵。其有效提升了反推OD矩阵的准确性。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.05 seconds)
