公开(公告)号：CN115563316A

公开(公告)日：2023-01-03

申请号：CN202211322568.6

申请日：2022-10-27

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  孙苹苹 ,  杨先一 ,  席广勇 ,  陈锐东

IPC: G06F16/43 ,  G06F16/45 ,  G06F16/483

Abstract: 本发明提供了一种跨模态检索方法以及检索系统，所述检索方法包括：采用CLIP预训练模型对特征进行编码，获得包括原始图像以及文本的原始模态特征；将所述原始模态特征进行注意力对齐处理得到模态对齐数据以实现原始模态互相之间的语义相关；将上述步骤形成的所述模态数据通过权重共享的多层感知机以保持模态的不变性；利用Arc4cmr损失函数将最终得到的特征数据分布到归一化超球面上进行类别边界约束。本发明的跨模态检索方法使得成对的图像与文本的公共表示尽可能相近，实现同时增强类内紧性和类间差异性。

公开(公告)号：CN114692341B

公开(公告)日：2024-03-19

申请号：CN202210430157.2

申请日：2022-04-22

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  尹文强 ,  席广勇

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/0442 ,  G06N3/08 ,  G06F113/06 ,  G06F119/06 ,  G06F119/08

Abstract: 本发明公开了一种基于融合时空图ConvLSTM模型的风机故障预测方法及存储介质，所述方法包括以风电机组工况参数、环境参数和状态参数构成的风机数据集，并通过融合时空图ConvLSTM模型处理后输入到风机故障检测模型中，得到预测结果。本发明针对风机实际环境中的运行数据，首先经过数据预处理和特征工程，然后从风机运行数据的时间和空间两个维度出发，将原始的一维数据转化为二维时空图数据，增强数据对空间关系的表征能力。在所构建的时空图模型基础之上，搭建可适应于二维时空图数据的ConvLSTM模型架构，将二维时空图构建模型与ConvLSTM预测模型深度融合，经过模型的优化训练，有效提升风机在未来一段时间内运行数据的预测准确率，进而提高风机故障预测的准确率。

公开(公告)号：CN114692341A

公开(公告)日：2022-07-01

申请号：CN202210430157.2

申请日：2022-04-22

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  尹文强 ,  席广勇

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F113/06 ,  G06F119/06 ,  G06F119/08

Abstract: 本发明公开了一种基于融合时空图ConvLSTM模型的风机故障预测方法及存储介质，所述方法包括以风电机组工况参数、环境参数和状态参数构成的风机数据集，并通过融合时空图ConvLSTM模型处理后输入到风机故障检测模型中，得到预测结果。本发明针对风机实际环境中的运行数据，首先经过数据预处理和特征工程，然后从风机运行数据的时间和空间两个维度出发，将原始的一维数据转化为二维时空图数据，增强数据对空间关系的表征能力。在所构建的时空图模型基础之上，搭建可适应于二维时空图数据的ConvLSTM模型架构，将二维时空图构建模型与ConvLSTM预测模型深度融合，经过模型的优化训练，有效提升风机在未来一段时间内运行数据的预测准确率，进而提高风机故障预测的准确率。

公开(公告)号：CN116933095A

公开(公告)日：2023-10-24

申请号：CN202310719162.X

申请日：2023-06-16

Applicant: 中国电子科技集团公司第五十四研究所 ,  桂林电子科技大学

Inventor： 王玉峰 ,  王岳萌 ,  李培瑶 ,  陈金勇 ,  席广勇 ,  强保华

IPC: G06F18/22 ,  G06F18/25 ,  G06F40/30 ,  G06F40/284 ,  G06F40/289 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种全交叉视角文本匹配方法，所述方法首先通过分词技术中的字符模式、精确模式、全模式、搜索引擎模式以及Paddle模式共五种语义划分模式提取文本中的字符、词语以及关联短语三种文本粒度信息，每一种划分模式的划分结果为文本的一种表征，针对文本的五种表征进行初始编码，采用双向门循环控制单元初步提取编码中的上下文语义信息。然后将五种表征下的初始编码向量重构为高维编码矩阵，并利用卷积神经网络深度挖掘高维矩阵中的特征信息，有效捕获文本的多表征语义，同时提升各表征之间的信息交互性。最后通过全交叉视角匹配模式将两个文本的多表征卷积矩阵进行交叉余弦匹配，强化多表征信息的匹配力度，进而总体提升文本匹配任务的准确率。

公开(公告)号：CN115345175A

公开(公告)日：2022-11-15

申请号：CN202211083256.4

申请日：2022-09-06

Applicant: 桂林电子科技大学 ,  中国电子科技集团公司第五十四研究所

Inventor： 强保华 ,  席广勇 ,  王玉峰 ,  李宝莲 ,  陈金勇

IPC: G06F40/30 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于孪生交互和微调表示的中文语义匹配方法，首先以RoBERTa‑WWM‑EXT预训练模型完成文本的向量初始化，针对初始特征向量构造内嵌了软对齐注意力机制(SA‑Attention)和BiLSTM训练层的孪生结构，用以增强句对之间的语义交互性。其次将两个待匹配文本连接起来接入RoBERTa‑WWM‑EXT预训练模型进行向量化，将连接的向量化结果输入LSTM‑BiLSTM网络层做增强训练，用以强化句子内部的上下语义关系。然后搭建可微调RoBERTa‑WWM‑EXT初始向量的训练模型，用以产生经过标签监督微调的文本向量，从而进一步增强向量对文本间语义关系的表示力度，最终达到提升中文语义匹配准确率的目的。