-
公开(公告)号：CN118394661B
公开(公告)日：2024-09-10
申请号：CN202410815533.9
申请日：2024-06-24
Applicant: 广东工业大学
Abstract: 本发明属于代码可读性评价技术领域，并公开了一种代码可读性评价方法、系统、设备及介质，包括：获取待评价代码片段及对应可读性标签；基于所述待评价代码片段及对应可读性标签构建可读性评价数据集；将所述可读性评价数据集输入代码可读性评价模型中进行评价预测，得到可读性评价分数；其中，所述代码可读性评价模型包括依次连接的特征提取模块、基学习器模块和代码特征堆叠模块。本发明所述技术方案能够全面提取特征，提高了代码可读性评价的准确性和稳定性。
-
公开(公告)号：CN119806502A
公开(公告)日：2025-04-11
申请号：CN202411857009.4
申请日：2024-12-17
Applicant: 广东工业大学
IPC: G06F8/33 , G06F8/41 , G06F18/15 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0499 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开的属于代码补全技术领域，具体为一种基于检索增强与多模态相结合的代码补全方法，包括具体步骤如下：构建代码补全数据集、构建代码补全模型、划分代码补全数据集并训练代码补全模型、应用代码补全模型进行代码补全。本发明对待补全代码进行检索增强，检索出相似的代码片段来辅助待补全代码进行补全，能够很好地利用代码的外在相似性，提高代码补全效率。提取从抽象语法树的叶子节点到待补全节点的路径特征，能够很好的利用路径上的语法结构信息，同时也能够一定程度上缓解路径爆炸问题。
-
公开(公告)号：CN118314525B
公开(公告)日：2024-11-22
申请号：CN202410727107.X
申请日：2024-06-06
Applicant: 广东工业大学
IPC: G06V20/52 , G06V20/70 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G01J5/00 , G01J5/48 , G01R31/00 , H02J13/00
Abstract: 本发明属于设备状态检测技术领域，并公开了一种变电站设备状态检测方法，包括：获取待测变电站的设备红外图像，对所述设备红外图像中的各设备进行标注，得到带有边界框的设备红外图像，基于带有边界框的设备红外图像构建变电站设备红外图像数据集；将所述变电站设备红外图像数据集输入设备状态检测模型中进行分类预测，得到变电站设备状态信息；其中，所述设备状态检测模型由依次连接的多通道特征提取模块，加权空间金字塔池化模块和检测层构成。本发明所述技术方案能够自动化快速准确地判断变电站设备状态，解决了变电站设备状态检测效率低，漏判错判，时效性不足的问题。
-
公开(公告)号：CN118967389A
公开(公告)日：2024-11-15
申请号：CN202411088495.8
申请日：2024-08-09
Applicant: 广东工业大学
IPC: G06Q50/20 , G06Q10/04 , G06F18/214 , G06F18/241 , G06F18/21 , G06N5/045 , G06N3/0499 , G06N3/08 , G06F123/02
Abstract: 本发明公开的属于知识追踪技术领域，具体为带时间位置编码的可解释性知识追踪方法，包括具体步骤如下：构建训练数据集、构建时间注意力知识追踪模型TAKT、训练模型并进行测试、模型的可解释性实际应用，本发明优化了传统的注意力机制，引入了基于时间的位置编码。通过分析历史行为的发生时间，模型能够对较久远的行为分配较小的注意力，而对近期行为分配较高的注意力，从而更有效地关注最近发生的行为，提升了预测的准确性。
-
公开(公告)号：CN118314442B
公开(公告)日：2024-09-20
申请号：CN202410741672.1
申请日：2024-06-11
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于深度学习的输电杆塔异物隐患识别方法，包括：构建输电杆塔异物原始数据集并进行预处理，获得处理后的输电杆塔异物数据集；构建基于深度学习的输电杆塔异物隐患识别模型，基于处理后的输电杆塔异物数据集对输电杆塔异物隐患识别模型进行训练，获得训练后的输电杆塔异物隐患识别模型；基于训练后的输电杆塔异物隐患识别模型对输电杆塔中的异物进行识别，获得识别结果。本发明有效提升了在复杂环境下的异物检测准确率和系统的计算效率，还增强了模型在处理不规则和多尺度特征时的适应性和鲁棒性，显著提高了输电杆塔异物隐患别模型的实用性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN118334351A
公开(公告)日：2024-07-12
申请号：CN202410749519.3
申请日：2024-06-12
Applicant: 广东工业大学
IPC: G06V10/26 , G06N3/0464 , G06N3/0985 , G06V10/44 , G06V10/776 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的指针仪表读数识别方法，包括：获取原始指针仪表图像并进行预处理，获得处理后的指针仪表数据集；构建初始指尺提取网络模型，基于处理后的指针仪表数据集对指尺提取网络模型进行训练，获得目标指尺提取网络模型；基于训练后的指尺提取网络模型对待识别指针仪表图像进行识别，获得无背景指针与尺度仪表的图像识别结果。本发明采用深度学习机器视觉技术代替人工阅读，不仅提高了工作场所的安全性，降低了人力资源的耗费，而且通过自动化数据收集过程提高了效率和准确性。
-
公开(公告)号：CN118314442A
公开(公告)日：2024-07-09
申请号：CN202410741672.1
申请日：2024-06-11
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于深度学习的输电杆塔异物隐患识别方法，包括：构建输电杆塔异物原始数据集并进行预处理，获得处理后的输电杆塔异物数据集；构建基于深度学习的输电杆塔异物隐患识别模型，基于处理后的输电杆塔异物数据集对输电杆塔异物隐患识别模型进行训练，获得训练后的输电杆塔异物隐患识别模型；基于训练后的输电杆塔异物隐患识别模型对输电杆塔中的异物进行识别，获得识别结果。本发明有效提升了在复杂环境下的异物检测准确率和系统的计算效率，还增强了模型在处理不规则和多尺度特征时的适应性和鲁棒性，显著提高了输电杆塔异物隐患别模型的实用性和可靠性。
-
公开(公告)号：CN119862275A
公开(公告)日：2025-04-22
申请号：CN202411933203.6
申请日：2024-12-26
Applicant: 广东工业大学
IPC: G06F16/335 , G06F16/334 , G06F16/35 , G06F40/30 , G06N3/048 , G06N3/0499
Abstract: 本发明公开的属于知识追踪技术领域，具体为一种结合难度特征和时间相关性特征的知识追踪方法，包括具体步骤如下：筛选学生数据，构建学生答题数据集，对学生数据进行预处理；构建知识追踪模型，用于预测学生答题情况并输出学生知识掌握水平；训练知识追踪模型；应用模型，为学生个性化推荐问题，本发明通过问题与各知识点的关联权重和问题难度，增强了题目嵌入的难度特征信息，并根据不同学生的知识掌握水平，给出了符合学生知识水平的个性化问题难度；通过学生做题用时、做题时间间隔和答题情况得到学生答题表现，再结合个性化问题难度计算学生的知识获取程度，丰富了知识获取程度的语义信息。
-
公开(公告)号：CN119005307A
公开(公告)日：2024-11-22
申请号：CN202411107221.9
申请日：2024-08-13
Applicant: 广东工业大学
IPC: G06N5/02 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及知识追踪方法技术领域，尤其涉及一种基于数据增强卷积记忆网络的知识追踪方法；技术问题：在使用知识追踪方法时，不能真实地反映学生的实际学习情况，且往往相对独立地处理每个知识点，而忽视了知识点之间的潜在联系；技术方案：一种基于数据增强卷积记忆网络的知识追踪方法，包括有在生成对抗性问题序列的步骤；本发明相较于传统知识追踪方法，能真实地反映学生的实际学习情况，并解决了传统方法相对独立地处理每个知识点，而忽视了知识点之间的潜在联系的问题，该知识追踪方法使用计算原始问题与未回答问题之间的相似度方法生成对抗性样本，通过设计键值存储网络动态表示学生的知识状态，捕捉学生回答问题之间的关联。
-
公开(公告)号：CN118334351B
公开(公告)日：2024-08-30
申请号：CN202410749519.3
申请日：2024-06-12
Applicant: 广东工业大学
IPC: G06V10/26 , G06N3/0464 , G06N3/0985 , G06V10/44 , G06V10/776 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的指针仪表读数识别方法，包括：获取原始指针仪表图像并进行预处理，获得处理后的指针仪表数据集；构建初始指尺提取网络模型，基于处理后的指针仪表数据集对指尺提取网络模型进行训练，获得目标指尺提取网络模型；基于训练后的指尺提取网络模型对待识别指针仪表图像进行识别，获得无背景指针与尺度仪表的图像识别结果。本发明采用深度学习机器视觉技术代替人工阅读，不仅提高了工作场所的安全性，降低了人力资源的耗费，而且通过自动化数据收集过程提高了效率和准确性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
