-
公开(公告)号：CN109086270A
公开(公告)日：2018-12-25
申请号：CN201810817519.7
申请日：2018-07-24
Applicant: 重庆大学
Abstract: 本发明公开了一种基于古诗词语料向量化的自动作诗系统及其方法，先将古诗词的字转化为语料向量，搭建LSTM网络模型后训练该模型，输入意象词语至语料处理机构，所述语料处理机构根据语料向量库中对应每个意象词语的语料向量计算得到诗歌备选词，将诗歌备选词输入LSTM网络模型，获得诗词草稿，最后根据诗体的押韵和平仄规律选取诗词草稿中最符合所述规律的诗词，得到定稿诗词，即自动作诗结果。本发明的有益效果：机器能够充分学习诗词中的含义和意境，进而在需要作诗时根据学习后的神经网络直接输入关键字词得到需要的古诗词，利用前人的经验学习获得作诗的能力，满足诗词规律的同时也具有艺术美感。
-
公开(公告)号：CN104504403A
公开(公告)日：2015-04-08
申请号：CN201510023125.0
申请日：2015-01-16
Applicant: 重庆大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于散射变换的旋转机械故障预测方法，该方法主要包括以下步骤：1.信号获取；2.特征变换和故障特征的提取，对原信号进行散射变换得到散射变换系数，然后对散射变换各个子带的系数计算其能量值作为信号区分的特征值；3.故障诊断，采用最小二乘投影双支持向量机作为分类器，进行故障预测。本发明所提供的一种基于散射变换的旋转机械故障预测方法，通过利用采用非下采样对偶双树复小波的散射变换，提高了其平移不变性和弹性形变稳定性，增加了信息冗余度，有利于提取的特征具有较好的表征能力，较好地解决了旋转机械信号的故障预测问题。
-
公开(公告)号：CN109086270B
公开(公告)日：2022-03-01
申请号：CN201810817519.7
申请日：2018-07-24
Applicant: 重庆大学
IPC: G06F40/211 , G06F40/279 , G06F40/216 , G06F16/35 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于古诗词语料向量化的自动作诗系统及其方法，先将古诗词的字转化为语料向量，搭建LSTM网络模型后训练该模型，输入意象词语至语料处理机构，所述语料处理机构根据语料向量库中对应每个意象词语的语料向量计算得到诗歌备选词，将诗歌备选词输入LSTM网络模型，获得诗词草稿，最后根据诗体的押韵和平仄规律选取诗词草稿中最符合所述规律的诗词，得到定稿诗词，即自动作诗结果。本发明的有益效果：机器能够充分学习诗词中的含义和意境，进而在需要作诗时根据学习后的神经网络直接输入关键字词得到需要的古诗词，利用前人的经验学习获得作诗的能力，满足诗词规律的同时也具有艺术美感。
-
公开(公告)号：CN104504403B
公开(公告)日：2018-06-05
申请号：CN201510023125.0
申请日：2015-01-16
Applicant: 重庆大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于散射变换的旋转机械故障预测方法，该方法主要包括以下步骤：1.信号获取；2.特征变换和故障特征的提取，对原信号进行散射变换得到散射变换系数，然后对散射变换各个子带的系数计算其能量值作为信号区分的特征值；3.故障诊断，采用最小二乘投影双支持向量机作为分类器，进行故障预测。本发明所提供的一种基于散射变换的旋转机械故障预测方法，通过利用采用非下采样对偶双树复小波的散射变换，提高了其平移不变性和弹性形变稳定性，增加了信息冗余度，有利于提取的特征具有较好的表征能力，较好地解决了旋转机械信号的故障预测问题。
-
-
-
Search Results
4
records
(took 0.014 seconds)
