-
公开(公告)号：CN113849613B
公开(公告)日：2023-04-18
申请号：CN202111081512.1
申请日：2021-09-15
Applicant: 北方工业大学
IPC: G06F16/332 , G06F16/36 , G06N3/042 , G06N3/0464 , G06N3/044 , G06N3/048 , G06N3/047 , G06N3/082 , G06N5/04
Abstract: 本发明提供一种食品安全问答推理方法、系统及电子设备，包括：获取食品安全问题；将所述食品安全问题输入至食品安全问答推理模型中，得到所述食品安全问答推理模型输出的食品安全问题的答案；其中，所述食品安全问答推理模型基于食品安全知识图谱和食品安全问答陈述向量训练得到；所述食品安全问答陈述向量通过将关于食品的安全问题的问题概念向量和与所述安全问题对应的答案的答案概念向量进行拼接得到。该方法用以解决现有技术中针对食品安全问题的回答准确度低的缺陷，通过将食品安全问题输入基于食品安全知识图谱和食品安全问答陈述向量训练得到的食品安全问答推理模型中，输出对应于所述食品安全问题精确度显著提高的答案。
-
公开(公告)号：CN114399816B
公开(公告)日：2023-04-07
申请号：CN202111630727.4
申请日：2021-12-28
Applicant: 北方工业大学
IPC: G06V40/16 , G06V20/52 , G06Q50/26 , G06Q10/0635 , G06N3/02 , G06F18/214 , G06V10/774
Abstract: 本发明提供一种社区火灾风险感知方法及装置，该方法包括：实时获取当前时刻的社区图片；将所述社区图片输入改进的FIRE‑VLBERT模型，输出所述社区图片对应的火灾预警信息和社区火灾风险等级信息；其中，所述改进的FIRE‑VLBERT模型具体是经过携带有火灾风险描述标签和火灾风险术语标签的社区样本图像训练得到的。改进的FIRE‑VLBERT模型，通过多模态数据交替学习完成训练，能够在较小的数据集上完成较高进度的训练，从而可以有效处理和融合多模态数据，并且通过将R‑FCN算法融入到BERT模型中，能够有效的提高检测速度，从而充分保证了对社区图片进行社区火灾风险感知的速度和准确度。
-
公开(公告)号：CN114398464B
公开(公告)日：2023-01-24
申请号：CN202111627289.6
申请日：2021-12-28
Applicant: 北方工业大学
IPC: G06F16/33 , G06F16/36 , G06F18/214 , G06F18/22 , G06N3/02
Abstract: 本发明提供一种基于知识图谱的研讨数据展示方法及系统，该方法包括：获取专家研讨语音数据，并对专家研讨语音数据进行语音识别处理，得到专家研讨文本数据；将专家研讨文本数据输入至训练好的向量提取模型，得到专家研讨文本数据对应的知识表示向量；将知识表示向量与预设的历史知识图谱进行匹配，在匹配成功的情况下，将匹配到的历史知识图谱进行展示；在匹配失败的情况下，基于专家研讨文本数据构建新知识图谱，将新知识图谱与历史知识图谱进行融合，并对新知识图谱进行展示。本发明能够根据专家研讨内容提供全面的知识展示，并根据专家的研讨过程形成新的知识，为专家快速准确地得到研判结果提供了数据基础。
-
公开(公告)号：CN113934863A
公开(公告)日：2022-01-14
申请号：CN202111154651.2
申请日：2021-09-29
Abstract: 本发明提供一种食品安全风险预测方法、装置、电子设备及介质，方法包括：获取并分析历史食品安全风险事件，得到各个实体数据及其对应的时间戳数据，根据各个实体数据及其对应的时间戳数据构建四元组数据，得到知识图谱；通过预设聚合器将知识图谱中各个时刻下，各个头部实体数据及其对应的尾部实体数据进行聚合，得到各个时刻下的各个局部数据；基于各个时刻下的各个局部数据确定其对应的全局数据，通过各个时刻下的全局数据及其对应的各个局部数据对预设神经网络进行训练，得到食品安全知识图谱模型；确定输入的待预测时刻，基于食品安全知识图谱模型对待预测时刻的食品安全风险进行预测。本发明通过时序的食品安全知识图谱模型提升预测准确性。
-
公开(公告)号：CN113934862A
公开(公告)日：2022-01-14
申请号：CN202111152189.2
申请日：2021-09-29
Abstract: 本发明提供一种社区安全风险预测方法、装置、电子设备及介质，方法包括：获取并分析历史社区安全风险事件，得到各个实体数据及其对应的时间戳数据，根据各个实体数据及其对应的时间戳数据构建四元组数据，得到知识图谱；通过预设聚合器将知识图谱中各个时刻下，各个头部实体数据及其对应的尾部实体数据进行聚合，得到各个时刻下的各个局部数据；基于各个时刻下的各个局部数据确定其对应的全局数据，通过各个时刻下的全局数据及其对应的各个局部数据对预设神经网络进行训练，得到社区安全知识图谱模型；确定输入的待预测时刻，基于社区安全知识图谱模型对待预测时刻的社区安全风险进行预测。本发明通过时序的社区安全知识图谱模型提升预测准确性。
-
Patent Agency Ranking
公开(公告)号：CN118887939A
公开(公告)日：2024-11-01
申请号：CN202411040440.X
申请日：2024-07-31
Applicant: 北方工业大学
IPC: G10K11/178
Abstract: 本发明提供一种基于改进型等价输入干扰的主动降噪方法及装置，涉及主动降噪技术领域，所述方法包括：基于改进型等价输入干扰对扰动抑制系统进行改进，得到改进后的扰动抑制系统；基于改进后的扰动抑制系统进行主动降噪；其中，改进后的扰动抑制系统是在基于等价输入干扰的扰动抑制系统的基础上，提取第一低通滤波器的输入端与输出端之间的扰动误差，将扰动误差通过额外引入的第二低通滤波器加入到观测器的输入端。本发明实现提高主动降噪的鲁棒性。
-
公开(公告)号：CN115964503A
公开(公告)日：2023-04-14
申请号：CN202111630708.1
申请日：2021-12-28
Applicant: 北方工业大学
Abstract: 本发明提供一种基于社区设备设施的安全风险预测方法及系统，该方法包括：基于目标社区中每种设备设施在不同时刻的设备安全数据，分别构建目标社区的历史时刻动态知识图谱集合和当前时刻动态知识图谱；将历史时刻动态知识图谱集合中的历史时刻动态知识图谱，按照时序关系，依次输入到设备设施历史知识图谱预测模型，得到第一设备设施安全风险预测结果；将当前时刻动态知识图谱输入到设备设施当前时刻知识图谱预测模型，得到第二设备设施安全风险预测结果；将第一设备设施安全风险预测结果和第二设备设施安全风险预测结果进行融合，得到设备设施安全风险最终预测结果。本发明提高了社区安全风险预测准确性。
-
公开(公告)号：CN113934863B
公开(公告)日：2022-10-14
申请号：CN202111154651.2
申请日：2021-09-29
Abstract: 本发明提供一种食品安全风险预测方法、装置、电子设备及介质，方法包括：获取并分析历史食品安全风险事件，得到各个实体数据及其对应的时间戳数据，根据各个实体数据及其对应的时间戳数据构建四元组数据，得到知识图谱；通过预设聚合器将知识图谱中各个时刻下，各个头部实体数据及其对应的尾部实体数据进行聚合，得到各个时刻下的各个局部数据；基于各个时刻下的各个局部数据确定其对应的全局数据，通过各个时刻下的全局数据及其对应的各个局部数据对预设神经网络进行训练，得到食品安全知识图谱模型；确定输入的待预测时刻，基于食品安全知识图谱模型对待预测时刻的食品安全风险进行预测。本发明通过时序的食品安全知识图谱模型提升预测准确性。
-
公开(公告)号：CN115964504B
公开(公告)日：2023-06-30
申请号：CN202111630731.0
申请日：2021-12-28
Applicant: 北方工业大学
IPC: G06F16/36 , G06F16/903 , G06N3/02 , G06N3/08 , G06Q10/04 , G06Q10/0635
Abstract: 本发明提供一种食品安全风险预测方法及系统，该方法包括：获取待预测食品的食品安全抽检数据；基于多个不同历史时刻的食品安全抽检数据，按照时序关系，构建历史时刻食品安全动态知识图谱集合；根据当前时刻的食品安全抽检数据，构建当前时刻食品安全动态知识图谱；将历史时刻食品安全动态知识图谱集合输入到食品安全历史知识图谱预测模型，得到历史时刻食品安全风险预测结果；将当前时刻食品安全动态知识图谱输入到食品安全当前时刻知识图谱预测模型，得到当前时刻食品安全风险预测结果；将历史时刻食品安全风险预测结果和当前时刻食品安全风险预测结果进行融合，得到食品安全风险最终预测结果。本发明提升了食品安全风险预测精度。
-
公开(公告)号：CN114399816A
公开(公告)日：2022-04-26
申请号：CN202111630727.4
申请日：2021-12-28
Applicant: 北方工业大学
Abstract: 本发明提供一种社区火灾风险感知方法及装置，该方法包括：实时获取当前时刻的社区图片；将所述社区图片输入改进的FIRE‑VLBERT模型，输出所述社区图片对应的火灾预警信息和社区火灾风险等级信息；其中，所述改进的FIRE‑VLBERT模型具体是经过携带有火灾风险描述标签和火灾风险术语标签的社区样本图像训练得到的。改进的FIRE‑VLBERT模型，通过多模态数据交替学习完成训练，能够在较小的数据集上完成较高进度的训练，从而可以有效处理和融合多模态数据，并且通过将R‑FCN算法融入到BERT模型中，能够有效的提高检测速度，从而充分保证了对社区图片进行社区火灾风险感知的速度和准确度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.037 seconds)
