-
公开(公告)号：CN110458337B
公开(公告)日：2020-12-22
申请号：CN201910667491.8
申请日：2019-07-23
Applicant: 内蒙古工业大学
Abstract: 一种神经网络的网约车供需预测方法，通过采集各类网约车出行数据，并利用卷积神经网络来提取特征和降维，再将提取到的特征图谱输入到门控循环神经网络中来进行网约车供需预测，在训练过程中对模型进行调整，最后通过调整后的模型对网约车供需差额进行预测。本发明的方法可以对网约车供需差额数据进行更深入的挖掘分析，因此在对网约车供需预测时更为精确，性能更好。
-
公开(公告)号：CN110458337A
公开(公告)日：2019-11-15
申请号：CN201910667491.8
申请日：2019-07-23
Applicant: 内蒙古工业大学
Abstract: 一种神经网络的网约车供需预测方法，通过采集各类网约车出行数据，并利用卷积神经网络来提取特征和降维，再将提取到的特征图谱输入到门控循环神经网络中来进行网约车供需预测，在训练过程中对模型进行调整，最后通过调整后的模型对网约车供需差额进行预测。本发明的方法可以对网约车供需差额数据进行更深入的挖掘分析，因此在对网约车供需预测时更为精确，性能更好。
-
公开(公告)号：CN119808796A
公开(公告)日：2025-04-11
申请号：CN202411556002.9
申请日：2024-11-04
Applicant: 内蒙古工业大学
IPC: G06F40/58 , G06V30/40 , G06V30/19 , G06V30/41 , G06V10/82 , G06F40/284 , G06F40/211 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/0475 , G06N3/094
Abstract: 发明提出了一种融合图像信息的多模态蒙汉神经机器翻译方法，训练得到一个蒙古语文本生成图像模型，输入源句子到蒙古语文本生成图像模型中生成对应的语义图像，在翻译过程中，将源句子输入编码器得到源句子的表示形式HL，并使用注意力机制将图像表示#imgabs0#融合到源句子得到源表示#imgabs1#将源表示#imgabs2#输入到解码器以计算得到解码器用于预测目标翻译的依赖时间上下文向量，最终输出汉语文本。本发明融合图像信息来构建基于多模态的编码器‑解码器框架，结合有蒙语描述的句子‑图像对，能够更好地利用图像信息和句子的语义信息，有效提高蒙汉神经机器翻译的译文流利度和翻译质量。
-
公开(公告)号：CN118643848A
公开(公告)日：2024-09-13
申请号：CN202410680051.7
申请日：2024-05-29
Applicant: 内蒙古工业大学
IPC: G06F40/58 , G06F40/284 , G06F40/211 , G06F40/30 , G06N3/0499 , G06N3/0455 , G06N3/08
Abstract: 本发明属于翻译方法技术领域，具体涉及一种基于轻量化的篇章级蒙汉神经机器翻译方法，首先对篇章级蒙汉双语语料库进行数据预处理和数据增强；然后利用局部编码器和全局编码器进行编码；再利用历史上下文缓存机制辅助解码；通过轻量化注意力机制和前馈神经网络完成模型整体的轻量化；构建轻量化的篇章级蒙汉神经机器翻译模型进行蒙汉双语篇章级翻译。本发明通过轻量化篇章级蒙汉神经机器翻译对篇章级文本进行翻译，将预处理和数据增强后的数据输入到翻译模型中进行翻译，本发明所提出的模型可以实现对篇章级翻译更加深入的理解翻译，使得翻译出的篇章更具有上下文语义关系，并通过轻量化处理使得模型能够在一定程度上避免语篇割裂问题。
-
公开(公告)号：CN110322695B
公开(公告)日：2020-10-09
申请号：CN201910667478.2
申请日：2019-07-23
Applicant: 内蒙古工业大学
Abstract: 首先对天气数据和交通路口过车数据进行分析和预处理，输入到门限循环神经网络(GRU)中提取到交通流的高阶特征，之后将所述高阶特征输入到梯度提升决策树回归模型(GBDT)中进行短时交通流预测。本发明可以对交通流数据进行更加深入的挖掘分析，而且把输出层改为GBDT后，可以有效的提高短时交通流预测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN106257301A
公开(公告)日：2016-12-28
申请号：CN201610315568.1
申请日：2016-05-12
Applicant: 内蒙古工业大学
IPC: G01S5/02
CPC classification number: G01S5/0278 , G01S5/0294
Abstract: 本发明涉及一种基于统计推断的分布式时空关联模型轨迹跟踪方法，在定位空间内按照纵、横方向等间距网格状部署信标节点，将信标节点信息保存在每个未知节点处；接收到未知节点发送通知信息的信标节点以固定频率发射定位信号，未知节点接收并按照信标节点分别形成多个时间序列；各未知节点分别构建边界时间序列，检测边界跨越事件并确定对应时间点；各未知节点构建区域时间窗口统计量，推断其所在当前区域；推断轨迹与边界交点位置；形成轨迹，结果上传汇聚节点。本发明方法将轨迹跟踪问题中RSSI定位信息概率分布特征与时空数据挖掘统筹考虑，以时空信息统计推断的方式发现边界跨跃事件与区域信息，实现轨迹跟踪。
-
公开(公告)号：CN110458336B
公开(公告)日：2020-06-09
申请号：CN201910667484.8
申请日：2019-07-23
Applicant: 内蒙古工业大学
Abstract: 本发明公开了一种基于深度学习的网约车供需预测方法，首先通过网约车出行数据中订单信息、天气信息、交通拥堵信息和区域标识信息进行分析和预处理，然后分析模型结构并构建只有一个门结构的网络模型MC‑LSTM(Minimal Coupled Long Short Term Memory，简称MC‑LSTM)，并利用影响网约车供需预测的数据特征设计数据集，完成网约车供需预测模型的设计。实现了对目标城市各区域未来10分钟网约车供需差额值的预测，更好的调配车辆资源。
-
公开(公告)号：CN106257301B
公开(公告)日：2018-08-28
申请号：CN201610315568.1
申请日：2016-05-12
Applicant: 内蒙古工业大学
IPC: G01S5/02
Abstract: 本发明涉及一种基于统计推断的分布式时空关联模型轨迹跟踪方法，在定位空间内按照纵、横方向等间距网格状部署信标节点，将信标节点信息保存在每个未知节点处；接收到未知节点发送通知信息的信标节点以固定频率发射定位信号，未知节点接收并按照信标节点分别形成多个时间序列；各未知节点分别构建边界时间序列，检测边界跨越事件并确定对应时间点；各未知节点构建区域时间窗口统计量，推断其所在当前区域；推断轨迹与边界交点位置；形成轨迹，结果上传汇聚节点。本发明方法将轨迹跟踪问题中RSSI定位信息概率分布特征与时空数据挖掘统筹考虑，以时空信息统计推断的方式发现边界跨跃事件与区域信息，实现轨迹跟踪。
-
公开(公告)号：CN110458336A
公开(公告)日：2019-11-15
申请号：CN201910667484.8
申请日：2019-07-23
Applicant: 内蒙古工业大学
Abstract: 本发明公开了一种基于深度学习的网约车供需预测方法，首先通过网约车出行数据中订单信息、天气信息、交通拥堵信息和区域标识信息进行分析和预处理，然后分析模型结构并构建只有一个门结构的网络模型MC-LSTM(Minimal Coupled Long Short Term Memory，简称MC-LSTM)，并利用影响网约车供需预测的数据特征设计数据集，完成网约车供需预测模型的设计。实现了对目标城市各区域未来10分钟网约车供需差额值的预测，更好的调配车辆资源。
-
公开(公告)号：CN110322695A
公开(公告)日：2019-10-11
申请号：CN201910667478.2
申请日：2019-07-23
Applicant: 内蒙古工业大学
Abstract: 首先对天气数据和交通路口过车数据进行分析和预处理，输入到门限循环神经网络(GRU)中提取到交通流的高阶特征，之后将所述高阶特征输入到梯度提升决策树回归模型(GBDT)中进行短时交通流预测。本发明可以对交通流数据进行更加深入的挖掘分析，而且把输出层改为GBDT后，可以有效的提高短时交通流预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
