公开(公告)号：CN116701582A

公开(公告)日：2023-09-05

申请号：CN202310468927.7

申请日：2023-04-27

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 ,  滕可亮 ,  王岳萌 ,  李培瑶 ,  陈金勇 ,  强保华

IPC: G06F16/332 ,  G06F16/335 ,  G06F16/9535 ,  G06F40/35 ,  G06F40/279 ,  G06F40/211 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种智能问答方法，所述方法包括基于所选专业领域问题的问答数据构建意图识别数据集和语义匹配数据集，基于意图识别数据集构建意图识别模型以及基于语义匹配数据集构建语义匹配模型。本发明采用对比学习技术拉近正样本对之间的距离并拉远负样本对之间的距离，提高了意图识别的准确性；采用图卷积神经网络技术将句法特征与BERT获得的文本特征进行融合，提升了模型对问题文本的语义表征能力，提高了语义匹配效果。

公开(公告)号：CN114818904B

公开(公告)日：2024-03-15

申请号：CN202210422554.5

申请日：2022-04-21

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  谢元 ,  滕可亮

IPC: G06F18/241 ,  G06F18/211 ,  G06F30/27 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/044 ,  G06N3/094 ,  G06N5/01 ,  G06N20/20 ,  G06Q50/06

Abstract: 本发明提供了一种基于Stack‑GANs模型的风机故障检测方法，所述方法包括以风电机组工况参数构成的风机数据集，并通过Stack‑GANs模型处理后输入到风机故障检测模型中，得到检测结果。本发明利用Stack‑GANs算法在处理风机数据不平衡问题上的有效性，减少数据集类别不平衡对风机故障检测带来的负面效果，提高了风机故障检测的效率和准确度。

公开(公告)号：CN114818904A

公开(公告)日：2022-07-29

申请号：CN202210422554.5

申请日：2022-04-21

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  谢元 ,  滕可亮

IPC: G06K9/62 ,  G06F30/27 ,  G06N3/04 ,  G06Q50/06

Abstract: 本发明提供了一种基于Stack‑GANs模型的风机故障检测方法，所述方法包括以风电机组工况参数构成的风机数据集，并通过Stack‑GANs模型处理后输入到风机故障检测模型中，得到检测结果。本发明利用Stack‑GANs算法在处理风机数据不平衡问题上的有效性，减少数据集类别不平衡对风机故障检测带来的负面效果，提高了风机故障检测的效率和准确度。