-
公开(公告)号：CN117725510A
公开(公告)日：2024-03-19
申请号：CN202311852916.5
申请日：2023-12-29
Applicant: 桂林电子科技大学
IPC: G06F18/2415 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06F18/25 , G06F18/22
Abstract: 本发明公开了一种基于Transformer和图注意力神经网络的工业多变量时间序列异常检测方法及存储介质，所述方法针对工业设备运行实际环境中的状态数据，首先经过数据预处理和滑动窗口方法。然后通过多尺度的Transformer模块来学习数据中不同尺度的特征表示，通过整合多个编码器的输出，使提取到的特征中蕴含更加丰富的时间表征信息。接着从空间维度出发，以特征变量为节点，通过图结构学习生成节点间边关系构建图结构数据，并利用图注意力神经网络来捕获节点间复杂的空间关系。最后构建了一个向量级的时空交互模块，使模型以更加细粒度的方式探索数据中的有效信息，从而可以精确的识别数据存在的微小偏差，提升整体检测性能，尤其是面对高复杂性数据时的检测性能。
-
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
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：CN118887703A
公开(公告)日：2024-11-01
申请号：CN202411061423.4
申请日：2024-08-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于预训练模型的跨模态文本到行人图像检索方法及存储介质，本发明改进了掩蔽语言建模策略，使用全词掩码策略，能够更好的挖掘图像与文本之间的细粒度关系。并且运用文本的属性这一特征，利用交叉模态编码器进行文本与图像之间的融合交互，以此学习更多的信息，进一步还提供了一个基于软注意力模态融合模块，加入此模块可以促进相同语义类别间的模态信息交互，从而达到更好的检索性能。
-
公开(公告)号：CN113392575A
公开(公告)日：2021-09-14
申请号：CN202110532763.0
申请日：2021-05-17
Applicant: 桂林电子科技大学
IPC: G06F30/27 , G06N20/20 , G06F111/08 , G06F113/06
Abstract: 本发明公开了一种基于滑窗特征的风机主轴故障预测方法，主要包括：(1)采用如XGBoost、GBDT、CatBoost、LightGBM算法等模型进行特征的自动选择以及特征的非线性转换；(2)使用原始风机特征训练风机的时序特性问题，对风机时间特征进行提取，并将数据集进行分割切片。(3)基于滑动窗口对故障标签、风机状态特征处理，完成滑窗特征的构造。(4)采用stacking集成策略，对各个模型的预测结果进行加权计算。本发明设计了一系列可以表征当前风机运行状态的滑窗特征，通过构造滑窗特征的方式解决风机特征单一和故障状态缓变特性问题，最后将融合滑窗特征后的模型与使用原始风机特征训练的模型进行对比，显现出预测效果有一定程度的提升。
-
公开(公告)号：CN112801151A
公开(公告)日：2021-05-14
申请号：CN202110060075.9
申请日：2021-01-18
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种风电设备故障检测方法，本发明基于改进的BSMOTE‑Sequence风机故障采样策略，通过对BorderlineSMOTE进行改进而设计的一种风机数据集采样策略模型。BorderlineSMOTE在选择对哪些样本点进行合成时，第一步通过KNN算法选出K′个少数类近邻样本，第二步从这K′个样本中随机选择K″个样本。本发明是将第二步随机选择样本改进为根据时序特征来选择样本，该方式生成新样本综合考虑了空间距离、时序规律，能有效减少噪声点的生成，不仅解决了风机数据集的不平衡问题，而且并未破坏数据集的时序规律。此外，本发明还结合Tomek Links技术，可以有效地过滤数据集中的噪声样本、类间重叠样本，从而提高后续分类器训练的效率及准确率，避免模型过拟合。
-
Patent Agency Ranking
公开(公告)号：CN118747226A
公开(公告)日：2024-10-08
申请号：CN202410889007.7
申请日：2024-07-04
Applicant: 桂林电子科技大学
IPC: G06F16/532 , G06F16/583 , G06V10/40 , G06F18/213 , G06F18/22 , G06F16/332 , G06F16/383
Abstract: 本发明公开了一种目标级跨模态图文检索方法及存储介质，所述方法构建了图像‑目标信息成对数据，并在特征提取过程中将目标的位置信息集成到文本标题特征中，有效学习了图像中目标和文本的关联关系，提升了图文检索的准确性和可解释性；通过将跨模态鸿沟分布添加到图像特征中并结合鸿沟余弦损失函数最大化图像特征和目标特征的相似性，解决了图文数据的模态鸿沟问题；利用二次训练模块对错误检索数据进一步训练，获得训练完备的一种目标级跨模态图文检索模型，进一步提升了模型的性能。
-
公开(公告)号：CN117854108A
公开(公告)日：2024-04-09
申请号：CN202410024047.5
申请日：2024-01-08
Applicant: 桂林电子科技大学
IPC: G06V40/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种轻量化可实现多人全身关键点的检测方法以及装置，包括如下步骤：从MPII人体姿态数据集中获取脸部关键点、手部关键点以及脚部关键点的预测坐标，并将所述预测坐标与身体关键点坐标相结合形成真实标签，利用上述标记好的个人数据形成全身关键点检测数据集；将残差50卷积块注意力网络的前22层设计为全身关键点检测网络的主干网络，使其与N个轻量级强大的关键点检测子网络相结合形成全身关键点检测网络；然后将上述检测网络在所述全身关键点检测数据集上进行训练，并使用两种损失函数标签损失和蒸馏损失进行辅助训练，训练后的模型部署后进行实时检测和识别。本发明的检测方法具有高准确度、低参数量的检测性能。
-
公开(公告)号：CN112801151B
公开(公告)日：2022-04-12
申请号：CN202110060075.9
申请日：2021-01-18
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种风电设备故障检测方法，本发明基于改进的BSMOTE‑Sequence风机故障采样策略，通过对BorderlineSMOTE进行改进而设计的一种风机数据集采样策略模型。BorderlineSMOTE在选择对哪些样本点进行合成时，第一步通过KNN算法选出K′个少数类近邻样本，第二步从这K′个样本中随机选择K″个样本。本发明是将第二步随机选择样本改进为根据时序特征来选择样本，该方式生成新样本综合考虑了空间距离、时序规律，能有效减少噪声点的生成，不仅解决了风机数据集的不平衡问题，而且并未破坏数据集的时序规律。此外，本发明还结合Tomek Links技术，可以有效地过滤数据集中的噪声样本、类间重叠样本，从而提高后续分类器训练的效率及准确率，避免模型过拟合。
-
公开(公告)号：CN119514534A
公开(公告)日：2025-02-25
申请号：CN202411608235.9
申请日：2024-11-12
Applicant: 桂林电子科技大学
IPC: G06F40/284 , G06F40/30 , G06F18/2433 , G06F18/25 , G06N3/0455 , G06N3/0442
Abstract: 本发明提供了一种基于字词特征和指针网络的中文事件抽取方法及系统，所述方法包括如下步骤：将原始中文序列输入到BERT模型中，进行切分并编码转换成高维向量以实现分字处理，并采用jieba分词工具对文本进行分词处理；将字符级向量和词级别向量分别输入到BiLSTM网络中进行字词特征提取，通过注意力机制进行字词特征融合；利用双序列指针网络分别识别触发词和论元的起始位置，实现从文本中抽取。本发明的中文事件抽取方法在于解决中文事件抽取中存在的语义表征不充分、角色重叠和论元嵌套等问题，提高事件抽取模型的准确率和泛化能力。
-
公开(公告)号：CN118673133A
公开(公告)日：2024-09-20
申请号：CN202410654697.8
申请日：2024-05-24
Applicant: 桂林电子科技大学
IPC: G06F16/34 , G06F40/211 , G06F17/16 , G06N3/0455 , G06N3/08 , G06N3/0464 , G06N3/042
Abstract: 本发明提供了一种BERT向量化和依存句法的生成式摘要方法及系统，生成式摘要方法包括：将原文文本和摘要文本接入BERT预训练模型，获取句子特征向量；将原文文本和摘要文本采用LTP模型进行句法依存分析，构建依存类型矩阵和邻接矩阵；将依存类型矩阵和邻接矩阵进行注意力权重计算，与所述获取的句子特征向量融合得到多粒度特征语义中间向量；以句子特征向量作为输入序列，采用网络结构为BiLSTM模型的编码器编码得到输出序列；将所述多粒度特征语义中间向量与所述输出序列拼接输入BiLSTM模型的解码器生成结果序列，采用集束搜索生成最终的文本摘要。本发明的生成式摘要方法方法简单，能够更好的捕捉关键信息。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.02 seconds)
