-
公开(公告)号：CN110619123B
公开(公告)日：2021-01-26
申请号：CN201910887852.X
申请日：2019-09-19
Applicant: 电子科技大学
IPC: G06F40/30 , G06F40/126 , G06F16/35
Abstract: 本发明公开了一种机器阅读理解方法，其包括以下步骤：S1、得到问题和文章的字符级表示向量；S2、得到编码后的问题向量和文章向量；S3、得到双向注意力模型的输出P1和共同注意力模型的输出P2；S4、得到聚合后的向量P3；S5、得到文本编码向量P4；S6、获取文章内部单词之间的全局交互信息；S7、获取使用自注意力模型后的文本向量P5；S8、根据P4和P5得到聚合后的数据P6；S9、根据P6和P得到文章的上下文语境向量；S10、根据文章的上下文语境向量和编码后的问题向量预测答案位置，完成机器阅读理解。本发明可快速进行文章阅读理解，并从文章中给出问题的答案。
-
公开(公告)号：CN108827314B
公开(公告)日：2020-06-16
申请号：CN201810933487.7
申请日：2018-08-16
Applicant: 电子科技大学
IPC: G01C21/20
Abstract: 本发明公开了一种路径规划方法，其包括以下步骤：S1、在直角坐标系中录入每个目的地的位置；S2、建立同心圆，使每个目的地位于最大圆内；S3、将分布在同一圆环内的目的地连线成封闭的路径；S4、删除相邻两个圆环中两条封闭路径出现交叉的路段；S5、根据每个圆环中相邻两个目的地之间的路径长度是否大于该路径两端目的地与相邻圆环中的最近目的地的连线长度重新选择路径；S6、将非闭合路径的端点与其他非闭合路径的端点连接成一个闭合的路径，完成路径规划。本发明可以有效地规划多个站点之间的路径，不仅会提高行进效率，还会减少行进过程中资源的浪费，特别适用于物流配送等涉及多个站点的任务。
-
公开(公告)号：CN110619123A
公开(公告)日：2019-12-27
申请号：CN201910887852.X
申请日：2019-09-19
Applicant: 电子科技大学
Abstract: 本发明公开了一种机器阅读理解方法，其包括以下步骤：S1、得到问题和文章的字符级表示向量；S2、得到编码后的问题向量和文章向量；S3、得到双向注意力模型的输出P1和共同注意力模型的输出P2；S4、得到聚合后的向量P3；S5、得到文本编码向量P4；S6、获取文章内部单词之间的全局交互信息；S7、获取使用自注意力模型后的文本向量P5；S8、根据P4和P5得到聚合后的数据P6；S9、根据P6和P得到文章的上下文语境向量；S10、根据文章的上下文语境向量和编码后的问题向量预测答案位置，完成机器阅读理解。本发明可快速进行文章阅读理解，并从文章中给出问题的答案。
-
Patent Agency Ranking
公开(公告)号：CN110633713A
公开(公告)日：2019-12-31
申请号：CN201910889843.4
申请日：2019-09-20
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于改进LSTM的图像特征提取方法，包括S1、提取特征向量：将原始图像输入到卷积神经网络中，提取对应的特征向量；S2、获取图像特征：将提取出的特征向量输入到训练好的LSTM模型中，获取图像特征。本发明方法在获取原始图像特征向量后，考虑现有的LSTM模型在生成新单词时存在不符合上下文语境的问题，在解码阶段通过构建具有上文信息的LSTM模型对其进行特征提取，进而提高图像特征提取的准确性。
-
公开(公告)号：CN108827314A
公开(公告)日：2018-11-16
申请号：CN201810933487.7
申请日：2018-08-16
Applicant: 电子科技大学
IPC: G01C21/20
Abstract: 本发明公开了一种路径规划方法，其包括以下步骤：S1、在直角坐标系中录入每个目的地的位置；S2、建立同心圆，使每个目的地位于最大圆内；S3、将分布在同一圆环内的目的地连线成封闭的路径；S4、删除相邻两个圆环中两条封闭路径出现交叉的路段；S5、根据每个圆环中相邻两个目的地之间的路径长度是否大于该路径两端目的地与相邻圆环中的最近目的地的连线长度重新选择路径；S6、将非闭合路径的端点与其他非闭合路径的端点连接成一个闭合的路径，完成路径规划。本发明可以有效地规划多个站点之间的路径，不仅会提高行进效率，还会减少行进过程中资源的浪费，特别适用于物流配送等涉及多个站点的任务。
-
公开(公告)号：CN113408613B
公开(公告)日：2022-07-19
申请号：CN202110676241.8
申请日：2021-06-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于延迟机制的单层图像分类方法，属于图像处理技术领域，其包括以下步骤：S1、构建图像分类模型；S2、采用图像集对图像分类模型进行训练，得到训练完成的图像分类模型；S3、采用训练完成的图像分类模型对图像进行分类，得到图像的类别；图像分类模型包括依次连接的特征提取单元、脉冲延迟编码单元和单层分类器；本发明解决了Tempotron学习算法仅仅依靠调整突触权重，导致学习效果极易受到干扰的问题。
-
公开(公告)号：CN113408613A
公开(公告)日：2021-09-17
申请号：CN202110676241.8
申请日：2021-06-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于延迟机制的单层图像分类方法，属于图像处理技术领域，其包括以下步骤：S1、构建图像分类模型；S2、采用图像集对图像分类模型进行训练，得到训练完成的图像分类模型；S3、采用训练完成的图像分类模型对图像进行分类，得到图像的类别；图像分类模型包括依次连接的特征提取单元、脉冲延迟编码单元和单层分类器；本发明解决了Tempotron学习算法仅仅依靠调整突触权重，导致学习效果极易受到干扰的问题。
-
公开(公告)号：CN109117884A
公开(公告)日：2019-01-01
申请号：CN201810933344.6
申请日：2018-08-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于改进监督学习算法的图像识别方法，包括如下步骤：S1、将图像输入多层脉冲神经网络，编码得到输入脉冲序列；S2、引入延迟策略和噪音阈值对监督学习算法进行改进，并对输入脉冲序列进行学习，得到输出脉冲序列；S3、将输出脉冲序列和目标脉冲序列进行对比，得到误差信号；S4、判断误差信号是否满足要求；S5、调整多层脉冲神经网络模型各层权重和延迟；S6、根据得到的输出脉冲序列，实现图像的识别；本发明解决了现有技术存在的监督学习算法的学习效率低，导致对图像的识别效率无法满足要求，抗噪声能力低，导致在噪音环境下的准确率和效率低，对图像的识别不准确的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
