一种基于DCGAN和分形理论的双子叶植物叶脉建模方法

    公开(公告)号:CN115511702A

    公开(公告)日:2022-12-23

    申请号:CN202211258379.7

    申请日:2022-10-14

    Abstract: 本申请提供了一种基于DCGAN和分形理论的双子叶植物叶脉建模方法,首先,根据真实植物叶片照片将叶片叶脉进行多级划分,分析植物叶脉状态特征并确定分形规则,根据形状得到叶脉的分形维数;其次,对真实双子叶植物叶片使用阈值分割方法提取主叶脉与一级支脉的叶脉形状曲线;之后,使用DCGAN对主叶脉和一级支脉的叶脉形状曲线进行学习,得到该类植物的相邻等级叶脉生成规则;对难以提取的高等级叶脉,利用分形系统推演法则融合低等级叶脉生成规则产生;最后结合叶脉分形规则,生成精细叶脉形状。本发明的方法适合于双子叶植物叶脉的快速精细生成,能够更科学、快速的生成双子叶植物叶脉形状。

    强化注意力的实体关系抽取模型及其构建方法、存储介质

    公开(公告)号:CN117235286B

    公开(公告)日:2024-01-23

    申请号:CN202311496506.1

    申请日:2023-11-10

    Abstract: 本发明涉及自然语言处理领域,提供了一种强化注意力的实体关系抽取模型及其构建方法、存储介质,该方法包括:对样本语句进行实体标注,并根据样本语句中的实体位置获取样本语句的实体位置向量;将实体标注后的样本语句输入ERNIE3.0预训练模型进行预训练,获得与样本语句对应的第一动态词词向量;将样本语句的实体位置向量输入预设的特制注意力机制模型,获得第二动态词词向量;将第二动态词词向量输入双向BiGRU模型,获得突出样本语句上下文关联信息的第三动态词词向量;将第三动态词词向量输入TextCNN‑CBAM模型,最终获得样本语句中的实体关系分类结果。本发明在考虑到实体位置的强(56)对比文件李枫林 等.基于深度学习框架的实体关系抽取研究进展《.情报科学》.2018,(第03期),171-178.

    强化注意力的实体关系抽取模型及其构建方法、存储介质

    公开(公告)号:CN117235286A

    公开(公告)日:2023-12-15

    申请号:CN202311496506.1

    申请日:2023-11-10

    Abstract: 本发明涉及自然语言处理领域,提供了一种强化注意力的实体关系抽取模型及其构建方法、存储介质,该方法包括:对样本语句进行实体标注,并根据样本语句中的实体位置获取样本语句的实体位置向量;将实体标注后的样本语句输入ERNIE3.0预训练模型进行预训练,获得与样本语句对应的第一动态词词向量;将样本语句的实体位置向量输入预设的特制注意力机制模型,获得第二动态词词向量;将第二动态词词向量输入双向BiGRU模型,获得突出样本语句上下文关联信息的第三动态词词向量;将第三动态词词向量输入TextCNN‑CBAM模型,最终获得样本语句中的实体关系分类结果。本发明在考虑到实体位置的强化的基础上,根据注意力机制对无关信息进行掩码减小了模型的计算量。

    基于样本轮廓系数识别伪类型样本的不平衡数据采样算法

    公开(公告)号:CN118114129A

    公开(公告)日:2024-05-31

    申请号:CN202311833784.1

    申请日:2023-12-28

    Abstract: 本发明公开了一种基于样本轮廓系数识别伪类型样本的不平衡数据采样算法,具体步骤为:首先基于马氏距离计算所有样本的样本轮廓系数值,通过设置正样本和负样本轮廓系数阈值θ+和θ‑筛选出伪类型样本(低于对应类别阈值的样本,包括伪负和伪正样本);针对其中的伪负样本,将其与最优正样本(轮廓系数最大的正样本)进行以不平衡比(IR)为插值参数的线性插值,在插值点上生成新正样本,并将伪负样本删除;针对伪正样本,同样计算出线性插值点,并移动到该插值点上。应用该算法对不平衡数据进行混合采样,不改变原数据集数据规模,并形成更加清晰的分类边界,可有效提升对不平衡数据集的分类性能。

    一种基于ERNIE3.0_Att_IDCNN_BiGRU_CRF的命名实体识别算法

    公开(公告)号:CN117610567A

    公开(公告)日:2024-02-27

    申请号:CN202311539422.1

    申请日:2023-11-17

    Abstract: 一种基于ERNIE3.0_Att_IDCNN_BiGRU_CRF的命名实体识别算法,包括以下步骤:步骤1:利用百度发布的大语言模型预训练模型——ERNIE3.0,作为语义表征模型;步骤2:将上一步利用ERNIE3.0表征出来的语义词向量加入Att(注意力机制)强化实体前后的序列;步骤3:将步骤二输出结果嵌入到IDCNN(膨胀卷积神经网络)之中,以获取句子中的实体序列的局部特征;步骤4:将IDCNN的输出连接在BiGRU(双向门控循环单元);步骤5:最后加上分类层与CRF(条件随机场)得到最终结果。基于命名实体识别任务的MSRA、Weibo、人民日报三个中文数据集进行了一系列实验验证了ERNIE3.0_Att_IDCNN_BiGRU_CRF模型的有效性。

    一种烟叶生产用烘干装置

    公开(公告)号:CN219762448U

    公开(公告)日:2023-09-29

    申请号:CN202320331037.7

    申请日:2023-02-28

    Inventor: 荆晓娜

    Abstract: 本实用新型公开了一种烟叶生产用烘干装置,涉及烟叶生产领域,包括烘干箱,烘干箱的内腔中固定安装有滑杆,滑杆的外壁滑动安装有滑动柱,滑动柱的外壁可拆卸安装有固定杆,烘干箱的内腔中固定安装有输气管,输气管的外壁固定安装有喷气管,烘干箱的外壁固定安装有加热箱,加热箱的内壁固定安装有加热管,输气管的外壁固定安装有和自身内腔连通的导管,导管的另一端插接至加热箱的内腔中,输气管在烘干箱的内腔中固定安装有多个,通过设置密封筒、密封盖和压力柱,来调节烘干机内腔中的热量,使烘干机内部的热量适宜烟叶的烘干,避免温度过高对烟叶造成损坏,增加了烟叶烘干的稳定性,进一步提高了烟叶烘干的效率。

Patent Agency Ranking