公开(公告)号：CN111667306A

公开(公告)日：2020-09-15

申请号：CN202010461695.9

申请日：2020-05-27

Applicant: 重庆邮电大学

Inventor： 张焱 ,  冯乔琦 ,  韦航 ,  黄庆卿 ,  郭京龙

IPC: G06Q30/02 ,  G06Q30/06 ,  G06F16/33 ,  G06F16/332 ,  G06F16/35 ,  G06F40/289 ,  G06F40/30

Abstract: 本发明属于信息处理技术领域，涉及一种面向定制化生产的客户需求识别方法、系统及终端；所述需求识别方法包括RPA管理平台调用RPA机器人采集客户需求信息，并将客户需求信息存入客户需求信息数据库；调用数据库接口接收客户需求信息数据；对采集到的客户需求信息进行至少包括去停用词的预处理；对预处理后的数据采用基于词表的分词方式进行分词；计算出分词后的文本数据的词向量并作为数据特征；对得到的数据特征输入到预设的需求分类模型中，识别出该客户需求信息的分类结果；本发明能对批量采集到的客户定制化需求信息进行一系列分析预处理，结合深度学习模型，对客户定制化需求进行了需求识别与分类，用较小的交互，获得准确的客户需求。

公开(公告)号：CN111562109A

公开(公告)日：2020-08-21

申请号：CN202010423267.7

申请日：2020-05-19

Applicant: 重庆邮电大学

Inventor： 张焱 ,  韦航 ,  黄庆卿 ,  邓钦元 ,  冯乔琦

IPC: G01M13/045 ,  G06N20/00

Abstract: 本发明涉及一种机械设备深度学习状态识别与诊断方法，属于故障诊断领域。针对机械设备状态监测与诊断这一问题，首先，对监控的振动信号数据进行时频变换得到信号时频幅值谱。其次，对多个自编码器以及Softmax分类器进行堆栈构成深度自编码神经网络，在代价函数中加入网络参数非负约束限制项，利用训练样本数据对深度自编码网络进行训练和参数优化。利用深度非负自编码网络模型对实时监控数据进行状态识别与诊断分析，得到具体的分类识别结果。最后使用试验平台上测取的真实数据进行验证，验证结果说明该方法能有效的进行状态监测与诊断。