-
公开(公告)号:CN117216688B
公开(公告)日:2024-01-23
申请号:CN202311465129.5
申请日:2023-11-07
IPC: G06F18/243 , G06N3/088 , G06N3/04 , G06Q50/26
Abstract: 本发明公开了一种基于层次标签树与神经网络的企业行业识别方法与系统,所述方法包括:将国民经济行业分类数据,构建为层次标签树;根据层次标签树,构建用于神经网络模型训练的正例数据与反例数据;根据正例数据与反例数据和企业经营范围数据,计算层次标签树的路径得分,对企业进行行业识别。本发明采用了基于层次标签树与神经网络的企业行业识别方法,可以高精度的对企业进行行业识别,以便于后续对企业数据进行更为详尽的分析。(56)对比文件Wei Qian 等.The implementation ofleisure tourism enterprise managementsystem based on deep learning《.Int J SystAssur Eng Manag》.2021,第12卷(第4期),801-812.Aytug˘ Onan.Hierarchical graph-basedtext classification framework withcontextual node embedding and BERT-baseddynamic fusion《.Journal of King SaudUniversity – Computer and InformationSciences 35 (2023)》.2023,1-18.Haixia Zhou 等.An Enterprise ServiceDemand Classification Method Based onOne-Dimensional Convolutional NeuralNetwork with Cross-Entropy Loss andEnterprise Portrait《.entropy》.2023,1-13.Hexiang Hu 等.Learning StructuredInference Neural Networks with LabelRelations《.CVPR 2016》.2016,1-9.
-
-
公开(公告)号:CN116884495A
公开(公告)日:2023-10-13
申请号:CN202310991350.8
申请日:2023-08-07
IPC: G16B30/00 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F18/241 , G06N3/0499
Abstract: 本发明公开了一种基于扩散模型的长尾染色质状态预测方法,包括S1、获取原始DNA序列,并对原始DNA序列进行处理得到DNA编码数据;S2、基于所述DNA编码数据构建DNA序列扩散模型;S3、结合UNet的噪声预测器,进行有条件的DNA序列扩散模型的逆向过程,得到具有不同染色质状态类别的平衡数据集;S4、基于所述平衡数据集,采用反向传播算法构建染色质状态预测模型。本发明利用基于DNA序列扩散模型从噪音中生成尾部类别染色质状态的DNA序列,从而实现样本平衡;然后,利用类别样本平衡的数据集训练染色质状态预测模型,染色质状态预测模型能够有效捕捉基于基因的语法规则,从而精确预测染色质状态。
-
公开(公告)号:CN115859223A
公开(公告)日:2023-03-28
申请号:CN202310166172.5
申请日:2023-02-27
IPC: G06F18/25 , G06F17/16 , G06F18/241
Abstract: 本发明涉及多源数据行业融合分析方法及系统,解决了分析精度低的技术问题,通过采用包括多源数据采集单元,多源数据处理与存储单元,行业融合分析单元以及数据输出单元;行业融合分析单元根据行业分析方法完成行业分析;方法包括步骤1,解析统一社会信用代码信息,根据主体工商注册信息确定主体行业;步骤2,识别采集的主体多源数据,将主体多源数据与行业的相关性作为主体的行业权重值,识别出主体的所有行业属性;步骤3,构建行业分析算法模型,根据行业分析的目标行业,将隶属于目标行业的主体的主体多源数据,以及对应的行业权重值输入行业分析算法模型的技术方案,较好的解决了该问题,可用于行业融合分析中。
-
-
公开(公告)号:CN116662782A
公开(公告)日:2023-08-29
申请号:CN202310648362.0
申请日:2023-05-29
IPC: G06F18/213 , G06F18/214 , G06F18/241 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , A61B5/374 , G06F123/02
Abstract: 本发明公开了一种基于MSFF‑SENet的运动想象脑电图解码方法,包括:S1、构建MSFF‑SENet模型;其中,MSFF‑SENet模型包括多尺度时空块、多尺度时间块、PSD‑Conv块、SE特征融合块和分类块;S2、构建EEG信号数据集,对MSFF‑SENet模型进行训练;S3、将预处理的EEG信号输入至MSFF‑SENet模型中,获得运动想象脑电图解码分类结果。本发明提出了一种新的MSFF‑SENet模型,其相较于常见的时空模型更为敏感且准确地捕获MI‑EEG数据中的时间和多光谱特征。
-
公开(公告)号:CN119760085A
公开(公告)日:2025-04-04
申请号:CN202411883138.0
申请日:2024-12-19
Applicant: 四川省计算机研究院
IPC: G06F16/3329 , G06F16/334 , G06F16/36 , G06N3/094 , G06N3/0464 , G06N5/022
Abstract: 本发明公开了基于动态知识图谱的农业领域灾害预警和咨询应答方法,属于数据分析处理技术领域,本申请设计基于意图识别的深度卷积神经网络,提高对话意图识别的准确性,可较好的对用户问题数据进行学习,抽取出用户问题中的关键信息,并根据关键信息对文本意图进行正确识别,生成对抗神经网络可进行用户意图分析,提升农业智能应答的准确性、针对性,通过利用生成对抗神经网络强大的建模能力及对抗学习思想,可较好的完成特征提取,并根据特征生成合理的、有帮助性的、针对特定意图的回复,基于贝叶斯神经网络的预警模型,提升了预警效果,对农业灾害防治起到指导性作用,解决了传统BP神经网络收敛速度慢、容易陷入局部最小化的问题。
-
公开(公告)号:CN117216688A
公开(公告)日:2023-12-12
申请号:CN202311465129.5
申请日:2023-11-07
IPC: G06F18/243 , G06N3/088 , G06N3/04 , G06Q50/26
Abstract: 本发明公开了一种基于层次标签树与神经网络的企业行业识别方法与系统,所述方法包括:将国民经济行业分类数据,构建为层次标签树;根据层次标签树,构建用于神经网络模型训练的正例数据与反例数据;根据正例数据与反例数据和企业经营范围数据,计算层次标签树的路径得分,对企业进行行业识别。本发明采用了基于层次标签树与神经网络的企业行业识别方法,可以高精度的对企业进行行业识别,以便于后续对企业数据进行更为详尽的分析。
-
公开(公告)号:CN115859968A
公开(公告)日:2023-03-28
申请号:CN202310166168.9
申请日:2023-02-27
IPC: G06F40/284 , G06F40/268 , G06N20/00 , G06F40/242
Abstract: 本发明涉及一种基于自然语言解析及机器学习的政策颗粒化分析系统,解决的是准确率低的技术问题,通过采用政策文件采集输入模块、自然语言处理模块、机器学习优化模块、政策颗粒化分析输出模块;所述政策颗粒化分析输出模块根据预定的政策维度特征,以及自然语言处理模块的结果,分析输出政策的颗粒化参数;自然语言处理模块包括文件预处理单元、核心处理组件单元、单词归一化单元、词性标注单元、初级解析单元、词典查询单元、深度解析单元、自然语言处理输出单元;机器学习优化模块包括词性量化单元、机器学习算法库、优化融合单元的技术方案,较好的解决了该问题,可用于政策颗粒化分析中。
-
公开(公告)号:CN114999342A
公开(公告)日:2022-09-02
申请号:CN202210343100.9
申请日:2022-03-31
IPC: G09F9/35 , H05K7/20 , G09F15/00 , G09F7/22 , G09F7/20 , B08B1/00 , F16M11/24 , A61L9/14 , A61L9/20 , A61M35/00 , H04N5/225
Abstract: 本发明公开了基于民营经济政策智能咨询设备,涉及咨询设备技术领域,包括机体、咨询屏组件和控制平台,所述机体的上方固定有下固定板,且下固定板的上方安装有安装框,所述安装框的内部中间安装有收纳防护组件,且收纳防护组件包括内框、液压升降臂、推板和连接杆,所述内框的内部安装有液压升降臂,且液压升降臂的前端安装有推板,所述推板的前方固定有连接杆,所述咨询屏组件安装于连接杆的前方。该基于民营经济政策智能咨询设备通过主液晶屏和副液晶屏能够进行交互使用,以便于对民营经济政策进行智能查询,并且在夜间可对主液晶屏和副液晶屏进行折叠并回缩收纳从而对其进行保护,而且在使用过程中能够对空气进行循环消毒,使用安全性更佳。
-
-
-
-
-
-
-
-
-