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

Inventor： 苏庆 ,  杨智程 ,  程林峰 ,  郑靖轩 ,  谢国波 ,  林志毅 ,  黄剑锋 ,  卢致晖 ,  周旭 ,  陈勇 ,  袁海军

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：CN119903451A

公开(公告)日：2025-04-29

申请号：CN202411988638.0

申请日：2024-12-31

Applicant: 广东工业大学

Inventor： 苏庆 ,  周城平 ,  刘展宏 ,  袁海军 ,  谢国波 ,  林志毅 ,  黄剑锋 ,  陈勇 ,  周旭 ,  田华川 ,  张勇豪

IPC: G06F18/2433 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开的属于变压器异常检测技术领域，具体为一种基于多模态深度学习的变压器异常检测方法，包括具体步骤如下：采集变压器多模态数据，并进行预处理，得到变压器多模态数据集D；构建一种变压器异常检测模型，将变压器多模态数据输入到变压器异常检测模型中，变压器异常检测模型用于检测变压器是处于正常状态还是异常状态；基于构建的变压器多模态数据集对变压器异常检测模型进行训练，得到训练后的变压器异常检测模型；变压器异常检测模型训练完后，应用变压器异常检测模型检测变压器是处于正常状态还是异常状态。本发明使用变压器异常检测模型，从多个维度全面感知变压器的运行状态，减少误报和漏报情况；同时避免人工巡检的失误。