-
公开(公告)号：CN117291194A
公开(公告)日：2023-12-26
申请号：CN202311180085.1
申请日：2023-09-13
Applicant: 内蒙古工业大学
IPC: G06F40/58 , G06F40/253 , G06F40/30 , G06N3/0455 , G06N3/0895
Abstract: 一种基于蒙古语格成分掩码数据增强的蒙汉神经机器翻译方法，结合蒙古语的语法规则进行蒙古语格成分分析与标注；采用不同的掩码方法对蒙古语格成分进行掩码数据增强，同时以源端和目标端为条件预测被掩码的词；通过语义编码器将汉语和数据增强后的蒙古语的语义信息映射在同一个向量空间，并生成包含多个具有相似语义的蒙古语和汉语的向量表示的邻接语义区域；在该区域中对样本采样，使用广播网络集成到翻译模型的解码器进行解码；翻译模型采用Transformer‑XL模型，在进行解码时，将每个解码器模块的输出动态结合在一起；将原样本与数据增强后的样本一同训练，并利用训练好的翻译模型进行蒙汉机器翻译。本发明可扩充训练语料规模，提升翻译质量。
-
公开(公告)号：CN117291173A
公开(公告)日：2023-12-26
申请号：CN202311158631.1
申请日：2023-09-08
Applicant: 内蒙古工业大学
IPC: G06F40/211 , G06F40/30 , G06F18/24 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08 , G06F17/16
Abstract: 一种基于句法感知和图卷积神经网络的蒙古语方面级情感分析方法，对输入的蒙古语语料进行依存处理，得到一个基于依存树的邻接矩阵，并利用情感知识库进行情感增强；使用BiLSTM作为句子编码器，对输入的蒙古语语料提取隐藏的上下文表示，并分别送入SynGCN和SemGCN中；结合方面感知注意机制和自我注意力机制得到注意力矩阵，将该注意力矩阵作为邻接矩阵送入SemGCN中进行卷积操作；将情感增强后的邻接矩阵送入SynGCN中进行卷积操作；对SemGCN和SynGCN的结果聚合分类，形成最终的方面级情感表示。本发明通过对句法信息与语义信息进行建立双通道图卷积神经网络，解决了情感分析结果不准确的问题。
-
公开(公告)号：CN116051410A
公开(公告)日：2023-05-02
申请号：CN202310055971.5
申请日：2023-01-18
Applicant: 内蒙古工业大学
IPC: G06T5/00 , G06V10/764 , G06N3/04 , G06N3/084
Abstract: 一种基于图像增强的羊毛羊绒纤维表面形态结构图识别方法，分别从羊毛及羊绒纤维上切取纤维片段，并拍摄获取图像数据；将获取的图像数据进行预处理和数字化处理，之后标注并进行矩阵存储；设定图像增强方法集合；构建基于强化学习训练的采样模型或者基于掩膜算法的采样模型，得到识别模型训练过程中图像增强方法及对应增强数据；构建图像识别模型，将增强数据作为Softmax层的输入，在每轮迭代训练中对增强数据训练，得到识别结果，将识别结果的误差作为反馈进一步优化模型，直至得到最优的增强策略，准确识别羊毛羊绒纤维图像。本发明在少量图像数据中针对有效特征稀疏的问题实现羊毛羊绒纤维图像的准确识别。
-
公开(公告)号：CN115600584A
公开(公告)日：2023-01-13
申请号：CN202211174962.X
申请日：2022-09-26
Applicant: 内蒙古工业大学(CN)
IPC: G06F40/284 , G06F40/289 , G06N3/04
Abstract: DRCNN‑BiGRU双通道结合GAP的蒙古语情感分析方法，对蒙古语语料进行切分操作，然后生成词向量；构建一个DRCNN与BiGRU的双通道网络结构，所述词向量分别输入所述DRCNN与BiGRU；将所述双通道网络结构的输出结果进行拼接，经过全局平均池化层处理；使用softmax函数对于全局平均池化层输出的向量进行分类，获得文本情感分类结果。本发明能够考虑蒙古语的上下文语境、充分提取特征以及有效防止过拟合，从而提高蒙古语情感分析的准确率。
-
公开(公告)号：CN114459305A
公开(公告)日：2022-05-10
申请号：CN202210196718.7
申请日：2022-03-02
Applicant: 内蒙古工业大学
Abstract: 本发明涉及爆破防尘减尘技术领域，具体涉及一种露天煤矿台阶爆破防尘减尘方法，该方法通过在炮孔上依次覆盖吸尘棉、防护编织毯，实现粉尘的吸附，吸尘棉与炮孔接触面上设置有二氧化硅气凝胶微球层，所述防护编织毯由于废旧橡胶材料裁成的若干橡胶条带交叉编织而成。本发明采用橡胶毯+吸尘棉防尘减尘技术措施后，台阶平盘粉尘的产生得到了明显的抑制，粉尘被吸尘棉和二氧化硅气凝胶微球过滤、吸附截留，爆破现场粉尘采样仪测得数据为627.6mg/m3，与试验对比区所测粉尘浓度4127mg/m3相比所差甚远，降尘效率可达84.8％。
-
Patent Agency Ranking
公开(公告)号：CN118364427A
公开(公告)日：2024-07-19
申请号：CN202410609845.4
申请日：2024-05-16
Applicant: 内蒙古工业大学
IPC: G06F18/25 , G06F40/253 , G06F40/242 , G06F18/214 , G06F18/213 , G06V20/40 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G10L25/03
Abstract: 一种基于跨模态transformer的蒙古语多模态情感分析方法，获取蒙古语多模态情感数据集，包含人像和语音的视频片段以及对应的蒙古语文本；从数据集中获取文本、图像及音频模态数据，提取三种模态的特征表示；构建基于跨模态transformer的多模态特征融合模型，将文本、图像、音频三种模态的特征嵌入输入以文本为中心的特征融合模块，以文本模态分别引导图像模态和音频模态，得到联合特征；计算注意力矩阵，动态调整每种模态各个特征维度的权重，得到多模态特征的融合表示，将其输入预测模块得到最终的分类结果。本发明能够在融合过程中对齐多种模态并维护模态特定信息，提高蒙古语情感分析的泛化性能。
-
公开(公告)号：CN117808699A
公开(公告)日：2024-04-02
申请号：CN202311808937.7
申请日：2023-12-26
Applicant: 内蒙古工业大学
Abstract: 本发明提出了一种基于天空区域分割和图像融合的真实世界单幅图像去雾方法，首先将获取的雾霾图像进行白平衡，消除不平衡通道对图像颜色的影响；通过对天空区域进行超像素分割算法和均值移位算法，并利用颜色规则，实现对图像天空区域的划分，以便于得到较为精准的大气光估计值，减少其他物体颜色的影响；使用暗通道先验估计传输图，对传输图使用图像融合的方法后再利用软消光算法获得细化后的传输图像；将获得的大气光值和传输图带入大气散射模型中得到最终去雾后的图像。该发明用于解决雾霾图像去雾质量低，对比度低的问题，得到高质量的去雾图像并增加图像的细节处理。
-
公开(公告)号：CN107967262B
公开(公告)日：2018-10-30
申请号：CN201711066025.1
申请日：2017-11-02
Applicant: 内蒙古工业大学
IPC: G06F17/28
Abstract: 一种神经网络蒙汉机器翻译方法，首先对大规模蒙汉双语语料做规范化处理，在此基础上构建出双语字典；然后进行建模，最终基于所搭建模型，实现机器翻译；其特征在于，所述建模包括编码器建模、解码器建模以及蒙汉双语词对齐所需的注意力层的建模，从而针对蒙古语特定词性的词语进行相应处理，以达到最好的翻译效果和最小的语义困惑度。本发明首先在翻译模型中包含了蒙古语词法信息，用编码器网络对蒙古语的编码进行了较为准确的刻画；其次，算法保证了蒙汉翻译质量；最后，通过运用神经网络，把蒙汉双语翻译问题分解为对蒙古语的编码和对汉语的解码两部分，提出了可扩展性强的神经网络算法，有效提高蒙汉机器翻译译文流利度和翻译质量。
-
公开(公告)号：CN119761384A
公开(公告)日：2025-04-04
申请号：CN202411807637.1
申请日：2024-12-10
Applicant: 内蒙古工业大学
IPC: G06F40/58 , G06F40/30 , G06F40/242 , G06N3/0499 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于约束增强对齐的蒙汉神经机器翻译方法，对蒙汉平行语料进行切分，并对切分后的语料进行预处理；从参照译文中随机动态采样得到汉语约束，将汉语约束对应的蒙古语拆分成词干和词缀的形式，作为蒙古语约束；将汉语和蒙古语约束附加在源句末尾，生成伪源句，并与原始的蒙汉平行语料混合构建蒙汉合成平行语料；对伪源句中的源句和约束用特殊标记区分；用双编码器分别编码源句以及汉语约束和蒙古语约束；向解码器中添加词对齐模块并进行解码操作，训练得到最终的蒙汉神经机器翻译模型进行蒙汉翻译；本发明可提高蒙汉神经机器翻译解码速度、约束词出现在目标句中的比例，提升蒙汉神经机器翻译模型整体翻译质量。
-
公开(公告)号：CN118503774A
公开(公告)日：2024-08-16
申请号：CN202410485956.9
申请日：2024-04-22
Applicant: 内蒙古工业大学
Abstract: 本发明公开了一种基于预训练模型和Transformer的蒙古语多模态情感分析方法，对蒙古语文本数据进行分词并输入预训练模型进行学习，将共现关系、依存关系和相似度信息融合到GAT中，获得最终的文本情感特征。采用带有SPD‑Conv模块的3D‑DenseNet提取蒙古语视频数据，采用LibROSA做初步语音信号提取，采用DRSN训练数据得到音频情感特征。使用多头注意力机制融合拼接音频特征和视频特征，得到音视频融合情感特征，将文本情感特征和音视频融合情感特征基于Transformer，采用交叉注意力机制进行跨模态特征融合，得到蒙古语多模态情感特征。本发明能够克服由于蒙古语语料短缺带来情感分析不准确问题。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.023 seconds)
