-
公开(公告)号：CN115762147A
公开(公告)日：2023-03-07
申请号：CN202211386613.4
申请日：2022-11-07
Applicant: 重庆邮电大学
IPC: G08G1/01 , G06F30/27 , G06F119/02
Abstract: 本发明请求保护一种基于自适应图注意神经网络的交通流量预测方法，旨在预测中长时间交通车流量，属于城市交通规划及流量预测技术领域。包括：步骤1：提取道路的流量数据，通过注意力机制以及时空数据嵌入的方法对流量数据进行预处理，得到预处理后的数据序列；步骤2：在此基础上，对得到的数据序列提取时空特征；步骤3：在经过多个网络层进行提取后，使用改进多头注意力机制进行了收敛，并经过全连接层得到预测的结果。以上所述方法采用多模块并行处理，改进了卷积的方式，以减少训练时间。本发明的方法能够进行更准确的交通流量预测，可以更好的完成预测任务。
-
公开(公告)号：CN112463956B
公开(公告)日：2022-08-23
申请号：CN202011351699.8
申请日：2020-11-26
Applicant: 重庆邮电大学
IPC: G06F16/34 , G06F40/126 , G06F40/211 , G06F40/284 , G06F40/295 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明请求保护一种基于对抗学习和分层神经网络的文本摘要生成系统和方法，属于自然语言处理的文本摘要领域，系统包括：判别器模块、预处理模块、词嵌入模块、句嵌入模块、生成模块和对抗学习模块，本发明在编码器‑解码器模型(Seq2Seq)基础上，提出一种层级划分的新模型。将Seq2Seq的编码器部分划分为词嵌入层和句嵌入层，并在每个层级引入增强记忆机制，使模型能够更好的理解文本含义，同时在解码时引入对抗学习，设置一个识别器将标准表示与模糊表示进行识别，缩小两者的距离，同时监督学习阻止他们接近，形成对抗，对抗平衡时，找到最优的生成结果，提高了文本摘要生成的准确率。
-
公开(公告)号：CN112463956A
公开(公告)日：2021-03-09
申请号：CN202011351699.8
申请日：2020-11-26
Applicant: 重庆邮电大学
IPC: G06F16/34 , G06F40/126 , G06F40/211 , G06F40/284 , G06F40/295 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明请求保护一种基于对抗学习和分层神经网络的文本摘要生成系统和方法，属于自然语言处理的文本摘要领域，系统包括：判别器模块、预处理模块、词嵌入模块、句嵌入模块、生成模块和对抗学习模块，本发明在编码器‑解码器模型(Seq2Seq)基础上，提出一种层级划分的新模型。将Seq2Seq的编码器部分划分为词嵌入层和句嵌入层，并在每个层级引入增强记忆机制，使模型能够更好的理解文本含义，同时在解码时引入对抗学习，设置一个识别器将标准表示与模糊表示进行识别，缩小两者的距离，同时监督学习阻止他们接近，形成对抗，对抗平衡时，找到最优的生成结果，提高了文本摘要生成的准确率。
-
-
-
Search Results
4
records
(took 0.019 seconds)
