-
公开(公告)号：CN112464655A
公开(公告)日：2021-03-09
申请号：CN202011356716.7
申请日：2020-11-27
Applicant: 绍兴达道生涯教育信息咨询有限公司 , 杭州电子科技大学
IPC: G06F40/284 , G06F40/216 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种中文字符和拼音相结合的词向量表示方法、装置、介质。该方法包括步骤：S11：将待转换为词向量表示的中文文本中每个中文字符转化为拼音；S12：针对中文文本中每个中文字符，利用预训练的中文字符词嵌入模型，得到中文字符的词向量表示；S13：针对中文文本中每个中文字符的拼音，利用预训练的拼词嵌入模型，得到拼音的词向量表示；S14：针对中文文本中每个中文字符，融合两种词向量表示得到字符融合表示向量。本发明通过中文字符和拼音相合的方法，在可区分同音字的基础上，建立了同音字之间的关系信息，从而能够很好地处理同音字噪声。本发明可以用于但不限于不良信息的过滤。
-
公开(公告)号：CN113987171A
公开(公告)日：2022-01-28
申请号：CN202111222503.X
申请日：2021-10-20
Applicant: 绍兴达道生涯教育信息咨询有限公司 , 杭州电子科技大学
IPC: G06F16/35 , G06F16/951 , G06F40/205 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于预训练模型变种的新闻文本分类方法及系统，属于文本分类领域。本发明采用BERT和RNN复合模型对数据集中的特征进行有效提取，对于已经经过预训练的BERT模型，其广泛适用于下游任务的各个集合，不需要利用重复数据进行训练，同时基于self‑attention机制可以有效的可以不仅可以得到源端与目标端词与词之间的依赖关系，同时还可以有效获取源端或目标端自身词与词之间的依赖关系。在此基础上，引入了RNN模型，用于捕捉长距离文本依赖上信息丢失的问题，对结果进行特征融合，在新闻文本分类上取得了较为理想的效果。
-
公开(公告)号：CN110197218A
公开(公告)日：2019-09-03
申请号：CN201910439037.7
申请日：2019-05-24
Applicant: 绍兴达道生涯教育信息咨询有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于多源卷积神经网络的雷雨大风等级预测分类方法。该方法采用多源卷积神经网络模型对多普勒气象雷获得的多种数据图像进行特征提取，能够融合更多的气象数据信息，提高了对差异性特征的提取；同时方法结合了支持向量机中的分类方法，在中小样本的气象数据训练集上获得的模型有很好的雷雨大风等级预测分类效果。
-
公开(公告)号：CN112395163A
公开(公告)日：2021-02-23
申请号：CN202011356702.5
申请日：2020-11-27
Applicant: 绍兴达道生涯教育信息咨询有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于键盘和鼠标操作的计算机是否运行游戏的监测方法，属于计算机应用技术领域。本发明是针对现有检测计算机是否运行游戏的方法缺乏灵活性以及准确率较低的现状，提供了一种通过键盘和鼠标行为来进行判断的方法。本发明方法主要包含三个部分：(1)击键数据的特征提取；(2)BP神经网络模型的构建与训练；(3)实时监测。击键数据的特征提取为BP神经网络模型的训练和实时监测提供数据。本方法可以很好的发现游戏操作的共性特征，具有很好的泛化能力和鲁棒性，在对游戏识别上有极高的准确率，减少了以往方法对于计算机资源的开销以及省去了维护游戏黑名单的成本。同时误检率低，整体表现优异。
-
公开(公告)号：CN110197218B
公开(公告)日：2021-02-12
申请号：CN201910439037.7
申请日：2019-05-24
Applicant: 绍兴达道生涯教育信息咨询有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于多源卷积神经网络的雷雨大风等级预测分类方法。该方法采用多源卷积神经网络模型对多普勒气象雷获得的多种数据图像进行特征提取，能够融合更多的气象数据信息，提高了对差异性特征的提取；同时方法结合了支持向量机中的分类方法，在中小样本的气象数据训练集上获得的模型有很好的雷雨大风等级预测分类效果。
-
Patent Agency Ranking
公开(公告)号：CN110674820A
公开(公告)日：2020-01-10
申请号：CN201910882245.4
申请日：2019-09-18
Applicant: 绍兴达道生涯教育信息咨询有限公司
IPC: G06K9/34 , G06K9/03 , G06N3/04 , G06N3/08 , G06F16/2458
Abstract: 本发明公开了一种基于卷积神经网络的车牌校准识别方法、系统及电子设备，包括获取车辆轮廓信息；获取某个车辆的多帧图像，对多帧图像的车牌号进行识别；将相邻帧的车牌号识别结果进行比对，得到车牌一致性结果；对一致性结果进行检验，确定某个车辆的车牌信息。遇到车辆很快的情况，能够对图像进行清晰化选取，从而得到最优的图像来识别出正确的车牌号，另外，如果连续图像当中的车牌被识别出不同的结果，结合卷积神经网络对车辆的轮廓信息进行联网查询，可以有效避免车牌识别出错。
-
公开(公告)号：CN110632418A
公开(公告)日：2019-12-31
申请号：CN201910882252.4
申请日：2019-09-18
Applicant: 绍兴达道生涯教育信息咨询有限公司
Abstract: 本发明公开了一种基于CNN和RNN的机器状态获取方法、系统及电子设备，将机器进行固定在特定设备上，在该设备上对机器位置进行动态调整；对机器处于不同位置时提取数据；对提取数据进行在线和离线分析，从而得到机器状态数据。RNN网络将所述不同位置时的测试声音片段与训练好的标准声音序列进行比对，若所述不同位置时的测试声音片段均在标准范围内，表明机器处于稳定序列，反之，则机器状态处于不稳定序列；测试过程中，多次将给定的多种测试声音到机器当中，判断是否稳定，若连续三次判断机器状态处于稳定序列，则认为机器状态稳定，评判标准唯一，可对不同机器进行统一化检测标准。
-
公开(公告)号：CN110599859A
公开(公告)日：2019-12-20
申请号：CN201910972608.3
申请日：2019-10-14
Applicant: 绍兴达道生涯教育信息咨询有限公司
IPC: G09B19/06
Abstract: 本发明公开了一种用于英文时态学习的教学装置及其方法，属于教学设备领域。本发明通过机械传动结构的设计，使得不同的英文时态标签能够被搭载于转盘上，通过齿轮和齿条带动转轴进行转动随机选择英文时态标签开展教学工作，摆脱了常规英文时态教学过程中枯燥乏味的缺陷，能够在教学过程中增强学生们自己动手的能力和参与感，提高学习的乐趣。而且在本发明的机械传动结构中，通过转动第一把手带动丝杆进行转动，丝杆与移动板螺纹连接，带动移动板向远离转轴的方向进行移动，再推动第二把手，使得滑动板回复原位，然后再反向转动第一把手，使得齿条再一次与齿轮啮合，这种结构能够使得转盘的转动控制更为容易，同时可重复操作。
-
公开(公告)号：CN118262139A
公开(公告)日：2024-06-28
申请号：CN202311773501.9
申请日：2023-12-21
Applicant: 杭州电子科技大学 , 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/0442 , G06N3/0455
Abstract: 本发明公开了一种基于双源注意力动态神经网络的短临降雨预报方法及系统。方法主要包括如下步骤：对雷达灰度图像和降雨量灰度图像进行预处理，划分出训练样本集和验证样本集；构建并训练双源注意力动态神经网络，对雷达样本和降雨量样本根据时序进行划分，雷达数据和降雨量数据依次通过编码器进行编码，再通过解码器进行解码，通过多层神经网络前向传播，并利用反向传播来更新双源注意力动态神经网络中的权重，多次训练得到最佳的神经网络模型；利用训练好的双源注意力动态神经网络以及处理好的历史雷达和降雨量数据进行预测，得到未来时刻的降雨量图像序列。本发明能够对未来降雨量进行有效的预测，为短临降雨预报提供了更有效的技术支持。
-
公开(公告)号：CN119722839A
公开(公告)日：2025-03-28
申请号：CN202411763238.X
申请日：2024-12-03
Applicant: 杭州电子科技大学
IPC: G06T11/00 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于语义对齐和文本融合的文本生成图像方法，其分别提取真实图像与生成图像的语义特征，通过判别器中的语义对齐模块对两者的高层语义进行比对和调整，并根据判别器的输出结果对生成器的参数进行更新，确保生成图像在语义层面和细节处理与真实图像保持一致，弥补文本描述的不足，从而提升了整个生成模型的表现；同时，本发明通过星模块卷积层能够更加全面地捕捉文本描述中隐含的细微差异，从而显著增强了图像的细节表现力和生成质量；此外，本发明在生成器添加可变形卷积，有效地保留了复杂的细节信息，使得生成图像在视觉上更加真实，且增强了模型在不同情境和风格下的适应性和一致性。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.039 seconds)
