-
公开(公告)号:CN105955814A
公开(公告)日:2016-09-21
申请号:CN201610301700.3
申请日:2016-05-06
CPC classification number: G06F9/4881 , G06F9/5038
Abstract: 本发明公开了一种基于事件优先级调度的复杂事件检测方法。根据不同的应用事件具有不同的重要程度和响应时间需求原则,设计了基于事件优先级调度的快速检测与响应策略,优先选择优先级指数高的事件进行检测,以保证海量数据检测和系统响应的执行以满足约束时间的目的。改进了常规事件序列扫描和序列过程,扩展了现有复杂事件检测技术,大大提高了海量数据流中复杂事件检测能力。本发明针对当前复杂事件检测方法在检测海量数据流上重要事件时出现检测时间长,响应速度慢,检测效率低的问题,改进了当前复杂事件模式检测方法,对现有的复杂事件检测技术进行扩展,使其能够比较高效地在海量数据上完成复杂事件的检测。
-
公开(公告)号:CN105930494A
公开(公告)日:2016-09-07
申请号:CN201610296398.7
申请日:2016-05-06
IPC: G06F17/30
CPC classification number: G06F16/24568
Abstract: 本发明公开一种基于多模式匹配模型的复杂事件检测方法,将多个复杂事件检测模式融合构建成一个有限状态自动机,大大减少了许多冗余的自动机状态和转移边存储与查找,避免重复数据操作匹配和计算操作,实现扫描一次数据流即可完成多个复杂事件检测模式的检测与匹配,提高了海量数据流上复杂事件检测效率。本方法实现了海量数据流中多个复杂事件共享检测,改进了当前基于自动机的复杂事件模式检测方法,对现有的复杂事件检测技术进行扩展,使其能够比较高效地在海量数据流上完成多个复杂事件的检测。
-
公开(公告)号:CN119918912A
公开(公告)日:2025-05-02
申请号:CN202411858174.1
申请日:2024-12-17
Applicant: 广东工业大学
IPC: G06Q10/0633 , G06F9/448
Abstract: 本申请实施例提供了一种工业软件组件协同工作流的状态机自动生成与验证方法,属于数据处理技术领域。本发明的工业软件组件协同工作流的状态机自动生成方法能够获取工业软件组件的信息和任务需求信息;根据工业软件组件的信息和任务需求信息,获取工作流信息;根据工作流信息,构建工作流的状态机模型。本发明能够实现工作流状态机的自动生成以及对工作流信息的逻辑正确性验证。
-
公开(公告)号:CN114882510B
公开(公告)日:2025-02-07
申请号:CN202210516002.0
申请日:2022-05-12
Applicant: 广东工业大学
IPC: G06V30/224 , G06V30/19 , G06V10/774 , G06Q30/018
Abstract: 本发明涉及一种具有防攻功能的瓦楞纸箱商标鲁棒检测方法,该方法通过AI防御手段和对抗性攻击风格转移模块对瓦楞纸箱商标名称的图像数据和尾部类别图像数据处理得到风格化、攻击后的模型训练集和模型测试集,基于模型训练集在自适应空间特征融合的YOLOv5xB模型构建得到目标检测模型,从而提高模型检测准确率,采用该目标检测模型对瓦楞纸箱商标检测,实现检测容易、效率高、准确率高,解决了现有对瓦楞纸箱商标检测存在难度大、效率低、准确率低的技术问题。
-
公开(公告)号:CN119251295A
公开(公告)日:2025-01-03
申请号:CN202411212739.9
申请日:2024-08-30
Applicant: 广东工业大学 , 广东能哥知识科技有限公司
Abstract: 本申请公开了一种基于微分渲染的六自由度物体姿态估计方法及系统,包括:对物体三维模型进行六自由度位姿估计的粗配准操作,得到所述物体的第一姿态;根据所述第一姿态,创建初始学习率随机的若干个优化实例;采用基于可微分渲染器的梯度下降算法和多模态损失函数,对每个所述优化实例进行学习率衰减的姿态优化,得到若干个姿态结果;将所述多模态损失函数的值最低的所述姿态结果作为最终姿态估计结果;本申请实施例通过采用可微分渲染的方式,实现了无需训练数据的6‑DoF物体姿态估计,它能够提供高精度的姿态估计结果,同时具备更好的泛化能力和实时性,可广泛应用于计算机技术领域。
-
公开(公告)号:CN119249195A
公开(公告)日:2025-01-03
申请号:CN202411233090.9
申请日:2024-09-04
Applicant: 广东工业大学 , 广东能哥知识科技有限公司
Abstract: 本发明公开了一种基于图数据集蒸馏的工业故障诊断方法及系统。该方法包括:获取工业机器人的运维数据;将所述运维数据通过图数据集蒸馏处理,得到图蒸馏数据;其中,所述图数据集蒸馏处理用于压缩所述运维数据;将所述图蒸馏数据通过图注意力网络,对所述工业机器人进行故障预测,得到故障检测结果;其中,所述图注意力网络基于图蒸馏数据样本训练得到。本申请实施例通过图数据集蒸馏结合图注意力网络,对工业机器人的运维数据进行处理,能够实现对工业机器人的相关数据的隐私保护,同时,有利于提升故障检测的准确度。本方法可以广泛应用于人工智能检测技术领域。
-
公开(公告)号:CN119180780A
公开(公告)日:2024-12-24
申请号:CN202411142479.2
申请日:2024-08-20
Applicant: 广东工业大学 , 广东能哥知识科技有限公司
IPC: G06T7/00 , G06V10/40 , G06V10/774 , G06V10/764 , G06V20/70
Abstract: 本发明公开了一种多尺度特征聚合与语义引导的零样本异常检测方法,其中,该方法中的异常图像检测模型通过以下步骤得到:获取图像训练集、图像参考集和文本类别特征;对图像参考集和图像训练集进行多尺度窗口特征提取,得到图像特征集;根据文本类别特征,对第一图像特征集进行多尺度语义对齐,得到语义引导预测表示;对图像特征集进行多尺度相似度聚合,得到异常分割预测表示;根据语义引导预测表示和异常分割预测表示,对初始化的异常图像检测模型进行参数更新,得到训练好的异常图像检测模型。该方法可以有效降低模型训练时所需的样本数据量和提高模型训练效率的同时,提高模型对少样本场景下的检测精度,可拓展性较高。本申请涉及计算机视觉技术领域。
-
公开(公告)号:CN115114909B
公开(公告)日:2024-08-02
申请号:CN202210859677.5
申请日:2022-07-20
Applicant: 广东工业大学 , 广东能哥知识科技有限公司
IPC: G06F40/279 , G06F40/216 , G06F18/214 , G06N3/0442 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种面向供应链知识获取的对抗式生成实体识别方法,包含两个阶段,阶段一对实体识别生成器模型进行预训练,阶段二进行对抗性训练。本发明提出的新的实体识别生成器模型进行供应链领域实体识别,提升供应链领域实体识别性能,并且能大大降低供应链领域数据标注成本。
-
公开(公告)号:CN115114934B
公开(公告)日:2024-07-12
申请号:CN202210835252.0
申请日:2022-07-15
Applicant: 广东工业大学 , 广东能哥知识科技有限公司
IPC: G06F40/30 , G06F16/28 , G06N3/0442 , G06N3/049 , G06N3/084
Abstract: 本发明公开了一种标签融合的联合抽取方法,包括:上下文特征提取;捕获字符特征;字符特征用CRF捕获预测的第一实体标签;组成BLA单元对识别的实体标签进行建模提取标签特征;将上下文特征与标签特征进行拼接来预测一阶段实体关系;构造图卷积的邻接矩阵,结合上下文特征得到图卷积特征;将图卷积特征与上下文特征相加得到标签特征,共同输入到BLA单元中进行建模作为综合词特征;综合词特征与标签特征进行拼接输入到BLA单元得到动态标签特征;用CRF预测二阶段实体标签;将第一和第二阶段实体标签进行融合;将融合标签输入到BLA单元中得到动态标签特征,结合动态标签特征得出关系预测。本发明实体关系抽取的表现更佳、精准性更高。
-
公开(公告)号:CN114048750B
公开(公告)日:2024-06-28
申请号:CN202111510990.X
申请日:2021-12-10
Applicant: 广东工业大学
IPC: G06F40/295 , G06F40/242 , G06F18/2415 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/047
Abstract: 本发明涉及自然语言处理技术领域,公开了一种融合信息高级特征的命名实体识别方法,包括以下具体步骤:S1.获取待分析文本信息,并进行预处理,得到预处理后的文本特征;S2.将得到的预处理后的文本特征输入到深度卷积神经网络提取文本中的字符级特征,将提取的字符级特征输入全连接网络,获得字符的最佳特征表示;S3.通过得到的字符级特征和文本信息,得到lattice,并进行lattice嵌入,得到集成表示;S4.连接所述的集成表示和最佳特征表示,并用Transformer作为编码器,以条件随机场进行解码,得到词与词之间的关系,并进行实体识别。本发明解决了现有技术不能够可靠高效地提取命名实体的问题,有计算方便,实用高效的特点。
-
-
-
-
-
-
-
-
-