-
公开(公告)号:CN119786014A
公开(公告)日:2025-04-08
申请号:CN202411834856.9
申请日:2024-12-13
Applicant: 北京理工大学
Abstract: 本发明涉及一种在并发症存在的情况下基于手机传感器数据分析抑郁情绪的方法,属于抑郁症的筛查技术领域。首先建立数据库并将建立的数据库中的数据按照7:3划分为训练集和测试集,构建不确定性推理的神经网络URNN分析收集传感器数据以评估用户的抑郁情绪;使用训练集对构建的不确定性推理的神经网络URNN进行训练,最后使用测试集对训练后的URNN进行评估。本发明的方法通过整合来自不同传感器的数据,结合机器学习和深度学习算法,从数据中提取出与抑郁症相关的特征,并考虑并发症的影响,以实现更准确的抑郁情绪分析。
-
公开(公告)号:CN101491443A
公开(公告)日:2009-07-29
申请号:CN200910079324.8
申请日:2009-03-06
Applicant: 北京理工大学
IPC: A61B5/18
Abstract: 本发明属交通运输领域,它针对疲劳驾驶预警应用背景,通过在构建的半实物虚拟交通环境中模拟人-车-路(环境)系统的驾驶疲劳样本试验,采用驾驶人的面部表情和脑电波中δ波及θ波的百分比作为判断驾驶员的疲劳程度的基准,采用时域分析和数理统计分析相结合的方法,研究确定了车辆右前轮轨迹距右车道线的周期递减驾驶疲劳初预警规律和车道线偏距的方差驾驶疲劳判定界限,可判断驾驶人出现疲劳特征或处于中度疲劳状态,还研究确定了车辆非正常换道严重疲劳驾驶报警规律。可利用本发明建立基于车辆行驶轨迹的驾驶疲劳识别及预警系统。
-
公开(公告)号:CN117172910A
公开(公告)日:2023-12-05
申请号:CN202311196623.6
申请日:2023-09-15
Abstract: 一种基于EBM模型的信用评估方法、装置、电子设备、存储介质,所述方法包括:获取待预测对象的第一数据,所述第一数据为所述待预测对象的信用风险相关数据;将所述第一数据输入EBM模型,获取所述EBM模型输出的预测结果,所述预测结果包括第一结果,所述第一结果包括所述待预测对象在获取贷款后是否会违约;其中,所述EBM模型的训练过程包括:获取信用风险相关的数据集,所述数据集的每条样本包括多个特征;基于所述数据集,训练所述EBM模型,所述EBN模型是所有主效应形函数和所有交互效应形函数之和。本发明能够更准确地预测借款人是否会违约。
-
公开(公告)号:CN119129583A
公开(公告)日:2024-12-13
申请号:CN202411044373.9
申请日:2024-07-31
Applicant: 北京理工大学
IPC: G06F40/279 , G06F40/30 , G06F40/126 , G06N3/0442 , G06N3/045 , G06N3/088 , G06N3/09 , G06N3/047
Abstract: 本发明提供一种结合BTM和Bi_LSTM模型的主题建模和文本预测方法,利用主题注意力模型融合了Bi_LSTM和BTM模型,通过主题注意力层的注意力机制,将Bi_LSTM学习到的序列信息和BTM提取出的主题信息融合在一起,根据当前的输入信息和任务目标,自动调整主题嵌入(at,k,αt)和Bi_LSTM隐藏状态(ht)之间的注意力权重,从而选择最相关的信息进行融合;这种动态权重的分配使得模型在处理文本时不仅能够考虑到词语的序列依赖关系,还能考虑到文本中的主题分布,克服了单一的BTM模型在理解文本深层含义和长期依赖关系方面的局限性和单一Bi_LSTM模型在捕捉文本中的主题结构方面的局限性。
-
公开(公告)号:CN116522873A
公开(公告)日:2023-08-01
申请号:CN202310403412.9
申请日:2023-04-14
Applicant: 北京理工大学
IPC: G06F40/166 , G06F40/205 , G06F16/35 , G06F40/284
Abstract: 一种对话生成方法、装置、电子设备、存储介质,方法包括:输入对话历史的第一编码至掩码语言模型,获得所述掩码语言模型输出的隐状态;输入所述隐状态至多标签分类器,获得所述多标签分类器输出的标签向量,所述标签向量确定预先定义的实体列表中每个实体出现在对话下文中的概率;基于所述标签向量,获取所述对话下文的预测实体;基于所述对话历史和所述预测实体,拼接形成第二编码;输入所述第二编码至因果语言模型,获得所述因果语言模型输出的预测序列,所述预测序列构成所述对话下文。通过预测实体实现对对话生成方向的引导,提高对话下文的知识丰富程度,使得对话生成的对话下文更符合目标需求。
-
-
-
-