基于时序交互图神经网络的文本分类方法、装置及介质

    公开(公告)号:CN114398479A

    公开(公告)日:2022-04-26

    申请号:CN202111343626.9

    申请日:2021-11-13

    Abstract: 本发明公开了一种基于时序交互图神经网络的文本分类方法,该方法包括:获取文本数据以及文本数据对应的标签值,并将文本数据构建为自适应图结构数据;基于自适应距离权重算法对图节点集合和图有向边集合进行处理,得到输入特征矩阵;将所述输入特征矩阵和所述标签值输入到时序交互图神经网络模型中,得到所述文本数据的总损失值;基于总损失值、交叉熵损失函数和梯度下降算法对时序交互图神经网络模型的模型参数进行更新优化,得到训练文本分类模型。本发明还公开了一种文本分类装置和一种介质。本发明能够实现增强图神经网络的特征提取能力,改善图读出器函数对文本数据的表达以及分类,降低图神经网络出现过度平滑问题出现的概率。

    一种适用于多领域的中文命名实体识别方法

    公开(公告)号:CN114048749A

    公开(公告)日:2022-02-15

    申请号:CN202111374828.X

    申请日:2021-11-19

    Abstract: 本发明属于命名实体识别领域,具体涉及一种适用于多领域的中文命名实体识别方法,该方法包括:对中文命名实体数据集进行特定的领域分类;采用样本学习法对领域分类后的数据进行采样,得到数据集,将数据集输入到模型的共享编码表示层;通过域分类器,得到数据的所属领域概率分布,各领域专家层提取领域独有特征,公共专家层根据所属领域概率分布综合各领域专家的特征,将各专家层提取的特征输入到对应的CRF层,得到实体识别结果;本发明将多任务学习技术应用到中文命名实体识别领域中,不同域的数据被单独视为一个训练任务并设计特定的多专家模型结构来提取域独有特征和域共有特征,使不同域之间相互辅助,提升识别效果。

    一种基于局部特征融合的场景图像分割系统

    公开(公告)号:CN118552730A

    公开(公告)日:2024-08-27

    申请号:CN202410693346.8

    申请日:2024-05-31

    Inventor: 张恒瑞 胡珂

    Abstract: 本发明公开了一种基于局部特征融合的场景图像分割系统,涉及图像分割技术领域,有效的提高了场景物体识别的广泛性。本发明根据场景数据集构建出应用场景中的各个场景目标,并从场景数据集中提取出各个场景目标的多源数据,进而将场景目标分类为静态场景目标和动态场景目标,根据静态场景目标和动态场景目标的多源数据构建应用场景的静态场景图像模型和若干个多源动态场景图像模型,并在多源动态场景图像模型上设置多个主要识别点和次要识别点,根据实时场景数据集生成若干个实时场景目标图像模型,将实时场景目标图像模型与多源动态场景图像模型以及静态场景图像模型进行匹配,根据匹配结果对各个实时场景目标图像模型进行识别。

    一种基于自适应变量的差分进化算法的航线规划方法

    公开(公告)号:CN117452952A

    公开(公告)日:2024-01-26

    申请号:CN202311618330.2

    申请日:2023-11-30

    Inventor: 张恒瑞 胡珂

    Abstract: 本发明公开了一种基于自适应变量的差分进化算法的航线规划方法,包括:对海底曲面进行离散点深度探测,运用插值补全算法绘制海底地形三维热图,运用临近值补全算法拟合海底函数;针对需要优化的目标设计求解公式,运用多目标规划,对目标值加权并添加惩罚项,构成目标函数S;搭建差分进化算法,并将算法入口的变量数量(航线数量)由固定数量改为可变参数λ,以目标函数S最小为目标,运用贝叶斯优化算法求解最优参数λ,并求解出该λ条航线数量下的一组最佳航线间隔,即最佳航线设计方案。本发明属于多波束测线的航海探测领域,本发明提出了对海域的探测、分析、规划等一系列步骤,优化了固定变量个数的差分进化算法,使模型求解效果更优。

    基于TPE算法贝叶斯优化模型配电网线路动态参数辨识方法

    公开(公告)号:CN117713059A

    公开(公告)日:2024-03-15

    申请号:CN202311681254.X

    申请日:2023-12-08

    Inventor: 陈昊宇 胡珂

    Abstract: 本发明属于配电网输电线路参数辨识领域,特别涉及一种三相平衡条件下的基于TPE算法(全称为Tree‑structured Parzen Estimator Approach)的动态参数辨识方法:1.将配电网拓扑结构拆解为末梢型、T型、普通型3种等效节点支路;2.采集易测的高低压侧电压、功率等作为输入参数;3.确定变压器与输电线路的电阻、电抗等作为待辨识参数,并设置各个参数的合理的搜索空间;4.搭建各节点辨识方程组,建立输入参数与待辨识参数的关系;5.建立最小二乘残差函数,并使用TPE算法,引入两种概率模型,计算期望改进,即EI(Expected Improvement)本发明大大降低了输电线路、变压器中基础参数的获取成本。可以在三相平衡条件下得到高精度的参数辨识结果,实时监测配电网的输电线路情况。

    一种三相平衡条件下的基于模拟退火算法的动态参数辨识方法

    公开(公告)号:CN117277363A

    公开(公告)日:2023-12-22

    申请号:CN202311201776.5

    申请日:2023-09-18

    Inventor: 刘一凡 胡珂

    Abstract: 本发明属于配电网输电线路参数辨识领域,特别涉及一种三相平衡条件下的基于模拟退火算法的动态参数辨识方法,方法包括将配电网拓扑结构拆解为末梢型、T型、普通型3种等效节点支路,通过搭建各自的节点辨识方程组,建立电压、功率等输入参数与待辨识参数的关系;采集易测的高低压侧电压、功率等作为输入参数;确定变压器的电阻、电抗、电导、电纳与输电线路的电阻、电抗等作为待辨识参数,并根据待测参数的出厂标称值设置各个参数的合理的搜索空间;根据凸优化理论,建立最小二乘残差函数,并使用模拟退火算法加快贝叶斯优化概率模型的计算效率,最终得到待辨识参数的近似最优解。本发明大大减少了对测量仪器的依赖,降低了输电线路、变压器中基础参数的获取成本,不仅可以在三相平衡条件下得到高精度的参数辨识结果,且具有初始值不敏感,收敛速度快的特点,帮助工作人员实时监测配电网的输电线路情况。

    一种基于深度学习的医学影像报告多标签分类方法

    公开(公告)号:CN114398935A

    公开(公告)日:2022-04-26

    申请号:CN202111363669.3

    申请日:2021-11-17

    Abstract: 本发明公开了一种基于深度学习的医学影像报告多标签分类方法,包括:获取医学影像报告的文本数据和医学影像报告中的异常情况的标签数据;根据文本数据和标签数据得到词向量和标签向量;将词向量和标签向量输入多标签分类模型,得到多标签分类任务损失;将词向量、文本数据和标签向量输入辅助任务模型,得到辅助任务损失;根据辅助任务损失和多标签分类任务损失对多标签分类模型进行反向传播优化,得到训练多标签分类模型;获取待检测医学影像报告的待检测文本数据;将待检测文本数据输入训练多标签分类模型,确定待检测医学影像报告的异常问题。本发明能够实现自动提取高阶特征,建立多个标签的关联性的方法,建立不同的神经网络层,来对文本进行多标签分类。

Patent Agency Ranking