-
公开(公告)号：CN111144448B
公开(公告)日：2024-08-20
申请号：CN201911250369.7
申请日：2019-12-09
Applicant: 江南大学
IPC: G06F18/213 , G06F40/284 , G06N3/0464 , G06F18/214
Abstract: 基于多尺度注意力卷积编码网络的视频弹幕情感分析方法，属于自然语言处理、情感分析领域。将多层次结构的注意力机制与卷积神经网络相结合，弥补卷积神经网络难以提取文本的长依赖信息的不足的缺陷。输入的样本与目标词分别进行卷积神经网络的多通道特征学习进行编码，再利用注意力机制提取出句子中与目标词相关部分，将最后的各个部分编码的特征向量拼接得到多尺度的综合特征向量，作为最后的向量输入分类器进行情感分类。
-
公开(公告)号：CN110020437B
公开(公告)日：2023-04-07
申请号：CN201910287517.6
申请日：2019-04-11
Applicant: 江南大学
IPC: G06F40/205 , G06F16/951 , H04N21/488
Abstract: 本发明提供一种视频和弹幕相结合的情感分析及可视化方法，属于自然语言处理和图像处理领域。该方法首先利用爬虫爬取视频和弹幕数据；然后对爬取的数据进行预处理；随后训练Faster R‑CNN模型，识别物体并标注情感值，之后匹配情感词、程度副词、颜文字、否定词、计算弹幕情感值，最后结合视频物体情感值、弹幕情感值计算“情感值(S(t))‑时间(t)”的关系趋势图。本方法适用于各类主题的网络视频弹幕，可用于分析整体或局部不同细粒度的内容情感取向，得出整个视频的情感曲线图。对于网络视频弹幕内容结构多样、符号复杂难处理的问题，本发明还提出了一种网络视频弹幕规范化处理方法。
-
公开(公告)号：CN111144448A
公开(公告)日：2020-05-12
申请号：CN201911250369.7
申请日：2019-12-09
Applicant: 江南大学
IPC: G06K9/62 , G06F40/284 , G06N3/04
Abstract: 基于多尺度注意力卷积编码网络的视频弹幕情感分析方法，属于自然语言处理、情感分析领域。将多层次结构的注意力机制与卷积神经网络相结合，弥补卷积神经网络难以提取文本的长依赖信息的不足的缺陷。输入的样本与目标词分别进行卷积神经网络的多通道特征学习进行编码，再利用注意力机制提取出句子中与目标词相关部分，将最后的各个部分编码的特征向量拼接得到多尺度的综合特征向量，作为最后的向量输入分类器进行情感分类。
-
公开(公告)号：CN109146007A
公开(公告)日：2019-01-04
申请号：CN201810768405.8
申请日：2018-07-13
Applicant: 江南大学
Abstract: 本发明提出一种基于动态深度置信网络的固体废弃物智能处理方法，属于深度学习、固体废弃物智能处理领域。该方法首先提出一种使用动态增减枝算法的DDBN，使DDBN在训练过程中根据当前训练情况增加隐藏层神经元和隐藏层，以及移除冗余神经元，有效的优化DDBN的网络结构。然后，利用DDBN能有效提取原始数据主要特征的优势，使用DDBN对固体废弃物随机、离散、非线性的特征向量进行有效的状态描述，使时间序列的状态特征更加易于鉴别，并确保不丢失原始数据的主要信息。同时，根据提取到的固体废弃物的状态描述，利用DDBN预测适合其状态的优化燃烧行为，减少了盲目燃烧行为对资源的浪费，实现对固体废弃物的智能处理。
-
公开(公告)号：CN102968410A
公开(公告)日：2013-03-13
申请号：CN201210524507.8
申请日：2012-12-04
Applicant: 江南大学
Abstract: 本发明公开了一种基于RBF神经网络算法与语义特征选取的文本分类方法。其中，所述系统中包含了改进RBF神经网络算法和语义特征选取的文本降维处理。网络结构采用RBFLN(径向基链网络)模型，添加输入层对输出层的线性映射，在训练过程中基于最大误差学习样本对资源分配网络(RAN)新性条件进行改动，在不满足新性条件时，采用相似度参数对隐层中心和宽度进行调整；而满足新性条件时，对新增隐层节点也通过类均值的方法做出相应的改进。由于基于词向量空间的文本分类模型很难处理文本的高维特性和语义复杂性，为此本文通过语义特征选取方法对文本输入空间进行语义特征的抽取和降维。本发明的RBF分类系统具有学习速率高，网络结构紧凑，分类效果好的优点。
-
Patent Agency Ranking
公开(公告)号：CN113807611B
公开(公告)日：2023-04-14
申请号：CN202111182722.X
申请日：2021-10-11
Applicant: 江南大学
IPC: G06Q10/04 , G06Q10/063 , G06F30/25 , G06N3/006 , G06F111/04
Abstract: 本发明公开了一种基于解可信度与双档案群智优化的作业车间调度方法，包括，初始化参数，并根据订单参数获取约束条件以及搜索空间；随机产生粒子初始位置，并获取初始解，建立优化率档案O与精英档案E；从优化率档案O与精英档案E中选取榜样指导种群学习，并根据解可信度D对搜索策略进行调整；更新种群，并更新种群中每个粒子的历史最优适应值以及精英档案E和优化率档案O；根据历史最优适应值选取全局最优个体并通过编码获得当前解；判断是否满足结束条件，若满足则输出最小完工时间；若不满足则重新计算解可信度D；本发明能有效解决复杂作业车间调度问题，实现车间生产的排产与调度管理，提高企业的生产效率。
-
公开(公告)号：CN110619121B
公开(公告)日：2023-04-07
申请号：CN201910880164.0
申请日：2019-09-18
Applicant: 江南大学
IPC: G06F40/295 , G06F40/211 , G06F16/33 , G06F16/35 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进深度残差网络和关系词注意力机制的实体关系抽取方法，包括如下步骤：通过对远程监督实体关系数据集的处理，将英文转换为词向量；获取关系词，并计算余弦相似度提取句子的关系词权重；分别引入分段和门控机制，形成分段的具有门模块的残差网络，采用分段门控残差网络对特征通道进行分段；在残差网络的后段最大池化层的基础上拼接平均池化层形成双池化层，用于保留句子结构特征；得到模型最终的句子特征；将得到的句子特征进行关系分类，得到输出实体关系。本发明将深度残差网络应用到关系提取的远程监督数据集上，通过加深网络层数，有效提高模型降噪能力，同时，提出了分段门控残差模块，有效提高了深度残差网络的性能。
-
公开(公告)号：CN109214513B
公开(公告)日：2021-08-13
申请号：CN201811234832.4
申请日：2018-10-23
Applicant: 江南大学
Abstract: 一种基于自适应深度置信网络的固液废弃物智能耦合处理方法，属于深度学习、固液废弃物智能耦合处理领域。本方法利用ADBN对固废以及液废随机、离散、非线性的特征向量进行有效的状态描述，并确保不丢失原始数据的主要信息。同时根据提取的固废的状态描述和液废处理过程中产生的可燃气体，利用ADBN预测适合其状态的燃烧行为和处理过程中产生的余热，极大减少盲目焚烧对资源的浪费，并使用该余热为液废处理系统提供热量；并且根据提取到的液废的状态描述和固废处理过程中产生的余热，利用ADBN预测适合其状态的处理行为和产生的可燃气体，将这些气体作为固废焚烧的助燃剂，减少其他燃料的供给，实现对固液废弃物高效的智能耦合处理。
-
公开(公告)号：CN111078895A
公开(公告)日：2020-04-28
申请号：CN201911306495.X
申请日：2019-12-18
Applicant: 江南大学
IPC: G06F16/36 , G06F40/211 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 基于去噪卷积神经网络的远程监督实体关系抽取方法，属于自然语言处理、实体关系抽取领域。本发明提出了一种去噪卷积神经网络的模型来进行实体的关系进行抽取。使用特征缩放层对词向量在各语义空间进行有效缩放，同时通过对卷积网络中各卷积核进行注意力权重计算，使网络可以自己学习到不同卷积核的重要性，进而进一步降低噪声的影响，达到改善模型抽取能力的目的。
-
公开(公告)号：CN111047102A
公开(公告)日：2020-04-21
申请号：CN201911306510.0
申请日：2019-12-18
Applicant: 江南大学
Abstract: 基于精英驱动粒子群算法的快递配送路线优化方法，属于机器学习与物流技术结合领域。本发明通过设置快递端参数以确定运输的前置条件，通过电子地图获取路网数据以获取现有的路径信息，根据订单数据、配送要求来制定用于限定物流方案的约束条件，通过枚举法来确定配送方案的解的空间，最后通过PSO-ED搜索出满足各个需求的最优物流配送计划。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.028 seconds)
