-
公开(公告)号：CN119005446A
公开(公告)日：2024-11-22
申请号：CN202411232940.3
申请日：2024-09-04
Applicant: 北京理工大学
IPC: G06Q10/04 , G06Q10/1053 , G06N3/045 , G06N3/08 , G06F17/16
Abstract: 本发明公开了一种人才迁徙趋势预测方法及系统，涉及趋势预测技术领域，具体步骤为：基于数据库提取人才数据，所述人才数据为以作者为基准匹配和合并后的技术成果数据；基于所述人才数据构建多层异构网络；根据所述多层异构网络中层内节点重要性与层间连通性识别目标节点；从所述数据库中提取所述目标节点的参数，将所述目标节点的参数输入人才迁徙趋势预测模型获得人才迁徙趋势，并将所述人才迁徙趋势进行展示。本发明基于实时更新的数据库以及人才迁徙趋势预测模型，能够实时展现科技人才迁徙情况，包括其工作地点、研究领域、合作关系等的变化，为政策制定者和企业决策者提供实时的人才市场动态，使其能够迅速响应并调整人才管理策略。
-
公开(公告)号：CN116578730A
公开(公告)日：2023-08-11
申请号：CN202310594257.3
申请日：2023-05-24
Applicant: 北京理工大学
IPC: G06F16/432 , G06F16/48 , G06V20/13 , G06V10/40 , G06V10/80 , G06V10/82 , G06F18/22 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于多尺度特征融合的卫星遥感图文跨模态检索方法，涉及人工智能计算机视觉图像文本跨模态检索技术领域，该方法包括如下步骤：获取目标卫星遥感图像及对应文本；将目标卫星遥感图像及对应文本输入至训练好的模型中，输出目标卫星遥感图像和对应文本的总相似度；根据总相似度，对目标卫星遥感图像匹配相应的文本或图像；模型基于空洞空间金字塔池化单元、双向显著区域抑制法和双向门控循环单元网络训练而成。该方法使用空洞空间金字塔池化单元获取多尺度特征，并使用双向显著区域抑制来进行特征融合，以克服特征融合时带来的特征冗余，最终生成具有强大表征能力的卫星遥感图像特征，提高图文跨模态检索的性能。
-
公开(公告)号：CN119003790A
公开(公告)日：2024-11-22
申请号：CN202411234223.4
申请日：2024-09-04
Applicant: 北京理工大学
IPC: G06F16/36 , G06F40/151 , G06F40/295 , G06F40/30 , G06F16/34
Abstract: 一种基于知识图谱召回的领域术语挖掘方法，包括以下步骤：S1：根据当前文档提取领域概念词；S2：根据领域概念词在当前文档中的上下文，提取三元组，并生成第一图谱；S3：将领域概念词链指到先验的知识图谱中，并根据概念词在知识图谱中的路径关系，生成第二图谱；S4：选取第二图谱中图嵌入向量相似度高的节点进行召回，并新增至第一图谱中，根据新增的节点查找已知关系生成第三图谱；S5：根据第三图谱构建提示文本，确认领域概念词的定义；本发明由领域内的已知概念词构建的领域知识图谱和通用知识图谱作为先验知识，通过在先验知识图谱中召回的方式，确认概念词之间的关系，避免了概念词术语的歧义导致的误解，提高了准确性。
-
公开(公告)号：CN116883746A
公开(公告)日：2023-10-13
申请号：CN202310861005.2
申请日：2023-07-13
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/42 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于分区池化超图神经网络的图节点分类方法，涉及图像处理技术领域，将司法图像中的实体目标视为图中的节点，将实体目标之间的关系建模为图(Graph)，将目标分类任务转化为图的节点分类任务，从而充分利用实体目标之间的关联关系，将FastRCNN提取到的深层特征向量视为节点的特征向量，然后根据节点特征向量的相似度构建节点之间的邻接关系，最后使用图节点分类技术完成司法图像的目标识别任务。本发明通过池化技术，提高图像分类识别速度和精度。
-
公开(公告)号：CN116523987A
公开(公告)日：2023-08-01
申请号：CN202310505801.2
申请日：2023-05-06
Applicant: 北京理工大学
IPC: G06T7/50 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种语义引导的单目深度估计方法，包括以下步骤：获取单目图像并提取图像特征；对图像特征分别进行深度解码和语义分割，得到深度特征和语义特征；采用注意力机制计算深度特征和语义特征的注意力权重系数，并对深度特征进行优化，得到优化深度特征；根据源图像和所述优化深度特征，计算得到重建图像；根据重建图像和输入的单目图像计算损失函数，并通过损失函数训练模型；通过训练好的模型预测单目图像深度信息；本发明采用注意力机制完成语义分割对深度信息的引导，从而产生语义一致的中间深度表示，实现跨任务的特征融合，以此克服光度重建损失的局限性。
-
Patent Agency Ranking
公开(公告)号：CN116468769A
公开(公告)日：2023-07-21
申请号：CN202310217308.0
申请日：2023-03-08
Applicant: 北京理工大学
IPC: G06T7/55 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种基于图像的深度信息估计方法，包括：将同一场景的无标注图像序列输入至深度神经网络，提取图像特征；依次利用通道注意力机制和空间注意力机制对图像特征进行自适应特征优化；利用双线性差值进行上采样恢复图像分辨率；对恢复后的特征图像作为目标图像进行深度信息预测，根据预测的深度信息和相邻帧重建目标图像；计算目标图像与重建图像在多尺度下的光度误差和平滑误差，获得损失函数；进行无监督模型训练，根据损失函数更新模型参数，得到训练后的模型；利用训练后的模型对输入的场景图像进行深度信息预测。本发明可以充分利用输入图像的局部相关性和远程关系依赖提升低纹理区域的预测效果。
-
公开(公告)号：CN119128155A
公开(公告)日：2024-12-13
申请号：CN202411234056.3
申请日：2024-09-04
Applicant: 北京理工大学
IPC: G06F16/35 , G06F40/30 , G06F40/289 , G06F40/194 , G06N3/045 , G06F40/216 , G06N3/048
Abstract: 本发明公开了一种新闻事件分类方法，包括：获取新闻事件的文本数据；利用关键词提取融合模型提取所述文本数据中的若干关键词，获得关键词词组；基于多层次关键词词库，对所述关键词词组进行多阶段相似性计算，获得相似性计算结果；对所述相似性计算结果进行归一化处理，并基于多层感知网络模型，获得新闻事件的概率分布结果；基于所述概率分布结果，将概率值最高和次高的两个新闻事件概率值差值，和预设概率阈值进行比较，获得新闻事件的分类结果。该方法通过综合利用不同类型的数据、融合模型、多层次的词库和相似性计算、归一化处理以及灵活的分类结果处理，能够提供更准确、全面和可解释的新闻事件分类结果。
-
公开(公告)号：CN119026916A
公开(公告)日：2024-11-26
申请号：CN202411233527.9
申请日：2024-09-04
Applicant: 北京理工大学
IPC: G06Q10/0635 , G06Q10/0639 , G06F30/20 , G06Q10/04 , G06F119/14
Abstract: 本发明公开了一种基于人工智能的网络舆情风险监测预警系统及方法，该系统包括：应用子系统、客户终端和存储子系统，其中：应用子系统包括：网络舆情风险本体构建模块、指标体系构建与预测模块、智能监测模块、场景建模与仿真模块、风险等级判定模块、影响评估生成模块和自动预警模块。利用本发明便于实现对网络舆情风险进行实时智能监测预警，提升了网络舆情风险监测预警的时效性和准确度，以应对监测数据量大、时效性强、专业要求高等挑战，为网络舆情风险治理提供有力支撑。
-
公开(公告)号：CN119005703A
公开(公告)日：2024-11-22
申请号：CN202411232669.3
申请日：2024-09-04
Applicant: 北京理工大学
IPC: G06Q10/0635 , G06Q10/0639 , G06F17/16 , G06N3/08 , G06F18/24
Abstract: 本发明公开了一种用于科技领域可量化指标的风险评估方法及系统，包括：获取指标数据，并根据指标是否是时间序列，是否存在对比以及是否为绝对数值或相对数值，对指标类型进行分类；基于评价计算基准分别计算指标中不同数据之间的差距，同一序列数据的变化趋势，不同数据之间的变化趋势的差距以及不同数据之间的差距的变化趋势，并对不同类型的指标对应的不同评价计算基准分别赋予风险指数；建立风险矩阵模型计算风险矩阵系数；将风险矩阵系数输入训练好的深度学习模型，利用风险矩阵与风险等级的映射关系输出指标的风险等级；本发明通过对不同指标类型的综合分析，可以更准确地评估科技领域的风险状况，提高决策的科学性和可靠性。
-
公开(公告)号：CN116680343A
公开(公告)日：2023-09-01
申请号：CN202310641906.0
申请日：2023-06-01
Applicant: 北京理工大学
IPC: G06F16/28 , G06N5/02 , G06F18/25 , G06F18/214 , G06V10/40 , G06V10/82 , G06V10/74 , G06F40/279 , G06N3/0499 , G06N3/0455
Abstract: 本发明涉及知识图谱知识推理技术领域，具体涉及一种基于融合多模态信息的实体和关系表示的链接预测方法，包括：收集与所要构建知识图谱主题相关的图像数据、文本数据和三元组数据；将预处理后的三元组数据进行知识抽取和实体对齐；对图像数据进行特征提取，生成视觉表示；对文本数据和三元组数据进行特征提取，生成文本表示；将生成的视觉表示、文本表示和三元组数据共同作为输入，对融合模块进行训练，学习包含多模态信息的实体和关系向量表示；通过解码部分对融合模块学习到的特征表示进行解码并进行链接预测，输出预测为正三元组的概率。本发明可提高链接预测任务的准确率，并能提高多模态知识表示学习的可解释性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
