一种社交网络上的多模态网络欺凌检测模型

    公开(公告)号:CN111814454B

    公开(公告)日:2023-08-11

    申请号:CN202010662871.5

    申请日:2020-07-10

    Applicant: 重庆大学

    Abstract: 本发明公开了一种社交网络上的多模态网络欺凌检测模型,包括针对多模态数据的编码和针对模态数据的解码,还包括:对数据进行预处理;对视频和/或图像数据进行处理,对每一个视频和/或图像进行打分评价,构成评价标签;针对帖子文本内容,通过双向长短期记忆网络(Bi‑LSTM)和自注意力机制进行训练;针对帖子评论集数据进行双向的GRU分层注意力机制学习;针对图像和/或视频,通过one‑hot编码的方式,然后利用多层感知机进行特征提取;针对不同学习到的向量,通过多层感知机分别进行特征提取,然后将其串联起来整体进行特征提取;本发明将评论数据集的对话形式、具有视觉信息的图像和视频信息进行整合,能够显著提升网络中网络欺凌检测准确度。

    一种工业云服务资源调度匹配组合方法

    公开(公告)号:CN110309983B

    公开(公告)日:2022-08-02

    申请号:CN201910616852.6

    申请日:2019-07-09

    Applicant: 重庆大学

    Abstract: 本发明公开了一种工业云服务资源调度匹配组合方法,包括如下步骤:S1、获取候选服务组合方案,每个候选服务组合包括若干个任务,每个候选服务组合中的每个任务选定了一个候选服务,任意两个候选服务组合中至少有一个任务对应的候选服务不同;S2、获取候选服务间的质量约束条件,基于候选服务间的质量约束条件计算各候选服务组合的适应值;S3、选择适应值最高的候选服务组合作为最终的服务组合。本发明充分考虑了不同任务之间的候选服务的相互影响,从而能够更加准确的计算出各种候选服务组合的适应值,从而匹配得到最优的服务组合。

    神经网络、训练方法、方面级情感分析方法、装置及存储介质

    公开(公告)号:CN114298011A

    公开(公告)日:2022-04-08

    申请号:CN202111659500.2

    申请日:2021-12-30

    Applicant: 重庆大学

    Abstract: 本发明公开了一种神经网络、训练方法、方面级情感分析方法、装置及存储介质,神经网络包括:BERT词嵌入模块获得输入文本的语义信息和输入文本中待分析语句所有单词的词向量;第一全连接层基于语义信息获得语义特征向量;第二全连接层基于词向量获取单词特征向量;潜在狄利克雷分布模块分别提取待分析语句的主题分布和方面情感对的主题分布;特征融合层判断待分析语句是否与方面情感对匹配;解码标注模块在解码序列中标记出目标词语位置获得标记序列;输出层为基于特征融合层输出的判断结果输出情感分析结果。实现多任务输出,通过特征融合层将语义信息与主题分布进行特征融合,学习到特定领域的词汇,提升模型的情感分类任务效果。

    一种基于深度学习的机械装备故障诊断方法

    公开(公告)号:CN111813084A

    公开(公告)日:2020-10-23

    申请号:CN202010662863.0

    申请日:2020-07-10

    Applicant: 重庆大学

    Abstract: 本发明公开了一种基于深度学习的机械装备故障诊断方法,具体包括以下步骤:步骤S1:对机械设备的主要数据源和次要数据源进行数据采集并进行预处理,得到数据集;步骤S2:采用5折交叉验证方法,将数据集分为训练集、验证集和测试集;步骤S3:基于CNN和BD-LSTM建立故障诊断模型,将训练集输入故障诊断模型中提取隐藏特征后进行训练,并输出诊断结果。本发明采用BD-LSTM进行平滑跟踪和预测结果,处理了由于操作和环境干扰引起的不确定性;传感器监测数据采用CNN和BD-LSTM并行提取隐藏特征,两条没有相关性的路径输出都会影响预测,且可根据预测的误差校正网络中的每个参数。

    一种端-边-云协同计算的任务卸载优化方法

    公开(公告)号:CN111240701A

    公开(公告)日:2020-06-05

    申请号:CN201911402857.5

    申请日:2019-12-31

    Applicant: 重庆大学

    Abstract: 本发明公开了一种端-边-云协同计算的任务卸载优化方法,主要步骤为:1)建立移动边缘计算系统模型。2)确定当前迭代轮次j下的任务卸载策略Ωi。3)确定当前迭代轮次j下的资源分配策略。4)量化移动边缘计算系统中能量消耗和传输时延的加权和,保存任务卸载与资源分配策略。5)输出端-边-云协同计算的移动边缘计算系统中最优任务卸载策略与最优资源分配策略。本发明综合考虑任务优先级和设备所剩电量等用户综合因素,给出了任务的最佳卸载位置,同时通过柯西方法给出资源分配策略,很大程度上提高了用户的QOE。

    一种基于微调条件概率的分类数据转换方法

    公开(公告)号:CN110502552A

    公开(公告)日:2019-11-26

    申请号:CN201910770010.6

    申请日:2019-08-20

    Applicant: 重庆大学

    Abstract: 本发明涉及数据预处理的数据挖掘或机器学习领域,本发明提出的一种基于微调条件概率的分类数据转换方法,包括:S1、分类数据的数据采集;S2、数据预处理,清洗分类数据中的缺失数据,噪音数据,以及无效数据;S3、条件概率计算,将清洗以后的分类数据转换为数值向量;S4、微调条件概率,对步骤S3中转换后的数值向量进行数值微调;S5、分类数据的数值嵌入,对步骤S4中进行数值微调以后的数值向量,采用原始的分类数据嵌入或映射为数值数据。本发明可将分类数据集中的分类值转换为高质量的数值向量,转换后的数值数据能保持原始数据的真实分布,保证了数据挖掘任务的可靠性。

    一种基于强化学习的智能鱼缸水质调节方法

    公开(公告)号:CN107156020B

    公开(公告)日:2019-09-13

    申请号:CN201710475184.0

    申请日:2017-06-21

    Applicant: 重庆大学

    Abstract: 本发明公开了一种基于强化学习的智能鱼缸水质调节方法,预先构建水质调节方案数据库,包括以下步骤:为每一个水质调节方案构建一个回报值矩阵R;初始化经验矩阵Q为零矩阵;根据回报值矩阵及状态转移的经验值计算经验矩阵;获取当前水质状态,选出若干能达到水质平衡状态的水质调节方案;采用对应值比较方法,比较各个水质调节方案的经验矩阵Q,选出最大经验矩阵Qmax作为调节当前水质状态的最佳水质调节方案。本发明通过经验矩阵对水质调节方案的优劣性进行了量化,通过比较数据库中大量的水质调节方案,能够快速准确的选择出最佳水质调节方案。

Patent Agency Ranking