公开(公告)号：CN109710636A

公开(公告)日：2019-05-03

申请号：CN201811348701.9

申请日：2018-11-13

Applicant: 广东工业大学

Inventor： 蔡瑞初 ,  李梓健 ,  温雯 ,  郝志峰 ,  王丽娟 ,  陈炳丰 ,  许柏炎 ,  李俊峰

IPC: G06F16/245 ,  G06N3/04

Abstract: 本发明公布了一种基于深度迁移学习的无监督工业系统异常检测方法。本发明利用了来自迁移源的有标注的机器传感器序列数据和来自迁移目标的没有标注的传感器序列数据，训练出一个具有良好泛化能力的工业系统异常检测模型，并对其进行训练，测试，最终生成一个训练好的工业系统异常判别模型。利用这个模型，可以对接收到的机器传感器序列数据进行分析并判断是否机器出现异常。

公开(公告)号：CN109145974A

公开(公告)日：2019-01-04

申请号：CN201810915359.X

申请日：2018-08-13

Applicant: 广东工业大学

Inventor： 郝志峰 ,  李俊峰 ,  蔡瑞初 ,  温雯 ,  王丽娟 ,  陈炳丰

IPC: G06K9/62

CPC classification number: G06K9/629 ,  G06K9/6268

Abstract: 本发明公布了一种基于图文匹配的多层次图像特征融合方法，通过使用预训练网络中的多层特征作为图像的多层次总预训练特征，并且在图文匹配的学习目标指导下，利用多层感知机(Multi‑Layer Perceptron)有监督地融合和降维图像的多层次总预训练特征，生成融合图像特征。从而能够充分地利用更多有用的、不同层次的预训练特征，并从中归纳出对图文匹配任务有用的特征和去除无用的特征，减少了噪声特征的干扰。然后即可利用融合图像特征和文本特征在特征空间上的余弦相似度来进行图文匹配。

公开(公告)号：CN109710636B

公开(公告)日：2022-10-21

申请号：CN201811348701.9

申请日：2018-11-13

Applicant: 广东工业大学

Inventor： 蔡瑞初 ,  李梓健 ,  温雯 ,  郝志峰 ,  王丽娟 ,  陈炳丰 ,  许柏炎 ,  李俊峰

IPC: G06F16/245 ,  G06N3/04

Abstract: 本发明公布了一种基于深度迁移学习的无监督工业系统异常检测方法。本发明利用了来自迁移源的有标注的机器传感器序列数据和来自迁移目标的没有标注的传感器序列数据，训练出一个具有良好泛化能力的工业系统异常检测模型，并对其进行训练，测试，最终生成一个训练好的工业系统异常判别模型。利用这个模型，可以对接收到的机器传感器序列数据进行分析并判断是否机器出现异常。

公开(公告)号：CN109145974B

公开(公告)日：2022-06-24

申请号：CN201810915359.X

申请日：2018-08-13

Applicant: 广东工业大学

Inventor： 郝志峰 ,  李俊峰 ,  蔡瑞初 ,  温雯 ,  王丽娟 ,  陈炳丰

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公布了一种基于图文匹配的多层次图像特征融合方法，通过使用预训练网络中的多层特征作为图像的多层次总预训练特征，并且在图文匹配的学习目标指导下，利用多层感知机(Multi‑Layer Perceptron)有监督地融合和降维图像的多层次总预训练特征，生成融合图像特征。从而能够充分地利用更多有用的、不同层次的预训练特征，并从中归纳出对图文匹配任务有用的特征和去除无用的特征，减少了噪声特征的干扰。然后即可利用融合图像特征和文本特征在特征空间上的余弦相似度来进行图文匹配。

公开(公告)号：CN107169031B

公开(公告)日：2020-05-19

申请号：CN201710248113.7

申请日：2017-04-17

Applicant: 广东工业大学

Inventor： 蔡瑞初 ,  李俊峰 ,  郝志峰 ,  温雯 ,  许柏炎 ,  黄俊宁 ,  陈炳丰

IPC: G06F16/9535 ,  G06F16/583 ,  G06N3/08

Abstract: 本发明涉及数据挖掘、机器学习及神经网络技术领域，更具体地，涉及一种基于深度表达的图片素材推荐方法，在基于反向传播技术的神经网络模型下，利用Show And Tell技术、Doc2Vec技术及Image2Vec技术对文章及图片进行深度表达处理，并构建一个用于计算文章和图片匹配度的神经网络并对其进行训练和测试，最终得到一个准确率高的计算文章和图片匹配度的神经网络，将一篇文章和多张图片组成多个组合(D，I)，将多个组合一一输入该神经网络计算出各个组合的匹配度，即能为该篇文章推荐出匹配度最高的一幅图片，减轻使用者的劳动强度，为使用者带来便利。

公开(公告)号：CN107169031A

公开(公告)日：2017-09-15

申请号：CN201710248113.7

申请日：2017-04-17

Applicant: 广东工业大学

Inventor： 蔡瑞初 ,  李俊峰 ,  郝志峰 ,  温雯 ,  许柏炎 ,  黄俊宁 ,  陈炳丰

IPC: G06F17/30 ,  G06N3/08

Abstract: 本发明涉及数据挖掘、机器学习及神经网络技术领域，更具体地，涉及一种基于深度表达的图片素材推荐方法，在基于反向传播技术的神经网络模型下，利用Show And Tell技术、Doc2Vec技术及Image2Vec技术对文章及图片进行深度表达处理，并构建一个用于计算文章和图片匹配度的神经网络并对其进行训练和测试，最终得到一个准确率高的计算文章和图片匹配度的神经网络，将一篇文章和多张图片组成多个组合(D，I)，将多个组合一一输入该神经网络计算出各个组合的匹配度，即能为该篇文章推荐出匹配度最高的一幅图片，减轻使用者的劳动强度，为使用者带来便利。