-
公开(公告)号：CN118761875A
公开(公告)日：2024-10-11
申请号：CN202411216590.1
申请日：2024-09-02
Applicant: 华南农业大学
IPC: G06Q50/20 , G06Q50/00 , G06N3/042 , G06N3/0464 , G06N3/0895 , G06N3/0985 , G06F16/2457 , G06F16/9536
Abstract: 本发明公开了一种基于跨图增强的课程推荐方法、系统及介质，该方法包括下述步骤：生成学生‑课程图、学生‑课程特征图和学生群体图；构建对比学习模型，嵌入层生成各个嵌入节点；主视图通道得到课程节点嵌入表示和学生节点嵌入表示，选出课程推荐列表；静态特征通道得到学生‑课程特征图的学生节点嵌入表示；基于学生节点嵌入表示和学生‑课程特征图的学生节点嵌入表示得到学生节点的最终表示；学生群体通道得到学生群体图的学生节点嵌入表示，与学生节点的最终表示聚合得到学生全局表示，学生全局表示与学生节点嵌入表示进行对比学习；构建损失函数训练对比学习模型，并得到课程推荐结果。本发明为学生提供更精准和高效的个性化课程推荐。
-
公开(公告)号：CN118521423B
公开(公告)日：2024-09-17
申请号：CN202410986747.2
申请日：2024-07-23
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
Abstract: 本发明公开了一种基于多模态物联网的家禽养殖智慧监测方法及系统，该方法包括下述步骤：布设用于采集环境信息的传感器；获取外部天气数据和传感器收集的数据；选择序列长度为w的连续时间序列数据，并划分为数据集；构建DDTCN模型并基于训练集进行模型训练；基于验证集调节DDTCN模型的参数并评估DDTCN模型的性能；使用不同历史时间窗口信息和不同的预测长度，将测试集的连续时间序列数据输入训练后的DDTCN模型，得到预测值，获取当前实时数据，计算当前实时数据与保存的预测值的差值，通过阈值判断是否发出预警。本发明能根据数据自动调整模型参数，更及时地发现潜在的问题和风险，减少因延迟响应而导致的损失。
-
公开(公告)号：CN104091096A
公开(公告)日：2014-10-08
申请号：CN201410361374.6
申请日：2014-07-25
Applicant: 华南农业大学
Inventor： 王金凤
IPC: G06F19/10
Abstract: 本发明公开了一种基于模糊测度的基因重要度追踪方法，将人体的各个基因看作预测特征，通过模糊积分的变形构造线性方程组，采用L1-norm归一化方法求解模糊测度值，获得一组带有少量非零值的解，从而追踪到与之相对应的基因或基因组合对疾病影响的重要度。本发明的基于模糊测度的基因重要度追踪方法采用基于L1-norm的方法对基于模糊测度的模糊积分运算的变形进行参数求解，摈除了传统的假设特征独立的前提，认定各个基因以及各个基因之间的组合都有可能对疾病有着一定的影响，而影响的程度由求解得到的模糊测度值来描述，可以快速确定影响疾病发生的重要基因或基因组合。
-
公开(公告)号：CN110347719B
公开(公告)日：2023-06-30
申请号：CN201910550272.1
申请日：2019-06-24
Applicant: 华南农业大学
IPC: G06F16/2458 , G06F16/28 , G06F16/53 , G06F16/951 , G06F16/953 , G06Q10/0635
Abstract: 本发明公开的一种基于大数据的企业外贸风险预警方法，包括以下步骤：进行外贸风险大数据平台部署和搭建，收集外贸风险预警信息，并进行数据解析和特征抽取；再进行初步处理，完成对信息持续存储和原始调用；以数据调用需求为导向，建立外贸风险大数据仓库，通过查询解析和查询优化，实现需求导向调用；建立外贸风险评估数据挖掘模型库，对数据进行进一步调用和分析，形成大数据中心；根据需求，大数据中心调用相关数据和外贸风险评估数据挖掘模型库，实现外贸风险预警信息共享；本发明采用云计算和大数据管理技术，建立外贸风险大数据仓库，基于大数据学习企业外贸风险特征，进行评估预警，客观风险评估，降低人工干预和成本，提高识别效率。
-
公开(公告)号：CN116343001A
公开(公告)日：2023-06-27
申请号：CN202310066178.5
申请日：2023-02-06
Applicant: 华南农业大学
IPC: G06V10/82 , G06N3/04 , G06N3/096 , G06V10/764
Abstract: 本发明公开了一种面向植物病害分类的动态交互知识蒸馏轻量级方法，该方法包括以下步骤：S1：预训练两个轻量级resnet模型，得到两个的原始教师模型，其中，其中，预训练的损失函数为(1)式：y表示标签值，ytrain表示模型对图片的分类结果；S2：输入植物病害图片到教师模型中，教师模型就会输出标签中每个病害为图片中植物所患病害的一列对应系数。使用两个轻量级模型相互进行多教师知识蒸馏，使知识蒸馏的过程不必耗费大量的时间和资源去训练大规模的教师模型；此外本发明还创新性地使用动态更新教师模型的方法，让训练过程中性能更好的模型替换原有的教师模型，使得学生模型有更好的学习目标，以此来达到更高的准确率。
-
Patent Agency Ranking
公开(公告)号：CN116030526A
公开(公告)日：2023-04-28
申请号：CN202310165454.3
申请日：2023-02-27
Applicant: 华南农业大学
IPC: G06V40/16 , G06N3/0464 , G06N3/048 , G06Q50/20 , G06V10/82
Abstract: 本发明公开了一种基于多任务深度学习的情感识别方法、系统及存储介质，所述方法包括：获取情感数据集；情感数据集包括多张课堂学生图像，在课堂学生图像中标注每个学生的情感状态标签；构建的多任务深度学习网络模型包括图像表征学习网络、图像重构网络和多任务标签生成网络；利用图像表征学习网络对课堂学生图像进行特征提取，得到表征向量；利用图像重构网络对表征向量进行图像重构；利用多任务标签生成网络根据表征向量预测情感状态标签；利用情感数据集训练多任务深度学习网络模型，计算损失函数并更新模型的权重；将待识别图像输入训练好的多任务深度学习网络模型中，预测情感状态标签。本发明利用构建的网络模型提高了情感识别的准确率。
-
公开(公告)号：CN118761875B
公开(公告)日：2025-05-06
申请号：CN202411216590.1
申请日：2024-09-02
Applicant: 华南农业大学
IPC: G06Q50/20 , G06Q50/00 , G06N3/042 , G06N3/0464 , G06N3/0895 , G06N3/0985 , G06F16/2457 , G06F16/9536
Abstract: 本发明公开了一种基于跨图增强的课程推荐方法、系统及介质，该方法包括下述步骤：生成学生‑课程图、学生‑课程特征图和学生群体图；构建对比学习模型，嵌入层生成各个嵌入节点；主视图通道得到课程节点嵌入表示和学生节点嵌入表示，选出课程推荐列表；静态特征通道得到学生‑课程特征图的学生节点嵌入表示；基于学生节点嵌入表示和学生‑课程特征图的学生节点嵌入表示得到学生节点的最终表示；学生群体通道得到学生群体图的学生节点嵌入表示，与学生节点的最终表示聚合得到学生全局表示，学生全局表示与学生节点嵌入表示进行对比学习；构建损失函数训练对比学习模型，并得到课程推荐结果。本发明为学生提供更精准和高效的个性化课程推荐。
-
公开(公告)号：CN118521423A
公开(公告)日：2024-08-20
申请号：CN202410986747.2
申请日：2024-07-23
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
Abstract: 本发明公开了一种基于多模态物联网的家禽养殖智慧监测方法及系统，该方法包括下述步骤：布设用于采集环境信息的传感器；获取外部天气数据和传感器收集的数据；选择序列长度为w的连续时间序列数据，并划分为数据集；构建DDTCN模型并基于训练集进行模型训练；基于验证集调节DDTCN模型的参数并评估DDTCN模型的性能；使用不同历史时间窗口信息和不同的预测长度，将测试集的连续时间序列数据输入训练后的DDTCN模型，得到预测值，获取当前实时数据，计算当前实时数据与保存的预测值的差值，通过阈值判断是否发出预警。本发明能根据数据自动调整模型参数，更及时地发现潜在的问题和风险，减少因延迟响应而导致的损失。
-
公开(公告)号：CN115294029A
公开(公告)日：2022-11-04
申请号：CN202210807480.7
申请日：2022-07-11
Applicant: 华南农业大学
IPC: G06T7/00 , G06T7/30 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及医学图像处理领域和深度学习领域，为一种面向多模态图像的脑部病灶区域定位系统和方法，该系统包括自适应多模态patch生长与剪枝模块、基于双注意力机制的多模态patch多层次融合模块和全局卷积网络分类器模块，通过自适应多模态patch生长与剪枝模块在多模态图像中自适应地选择和修建patch，来识别具有高鉴别性的patch位置；通过一种基于双注意力机制的多模态patch融合模块，来获取多模态patch的潜在表示形式，结合patch多层次的表示形式，基于数据驱动的方式将其进行融合和共同学习；通过全局卷积网络分类器模块作为最终分类模型，进一步获取数据的更深层表示，提取更多的潜在信息。本发明提出的系统能有效地识别与疾病高度相关的病灶区域，可以辅助诊断。
-
公开(公告)号：CN104951649A
公开(公告)日：2015-09-30
申请号：CN201510279764.3
申请日：2015-05-27
Applicant: 华南农业大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于高斯模糊积分的HBV分类方法，包括下述步骤：S1、从HBV数据库中筛选HBV患者的DNA序列；S2、数据库根据聚类方法分为四个小的数据集合B1、C1、C2以及C3；S3、对数据集进行分类，依靠分类器的分类和病例的真实类别；S4、将高斯模糊积分构造的分类器应用于HBV数据库，对HBV进行分类。本发明基于高斯分布的模糊积分，通过高斯函数表示被积函数来完成模糊积分的投影，然后再根据投影得到的虚拟积分值进行线性分类，提高HBV分类精度，简化了HBV分类过程。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.031 seconds)
