-
公开(公告)号：CN109165309B
公开(公告)日：2020-10-16
申请号：CN201810885541.5
申请日：2018-08-06
Applicant: 北京邮电大学
IPC: G06F16/55 , G06F16/583
Abstract: 本发明实施例提供了负例训练样本采集方法和模型训练方法。负例训练样本采集方法包括：对表示向量进行聚类，确定目标向量所属的第一聚类及中心，从而确定候选聚类的目标概率，从候选向量中抽取多个第二聚类，并从每个第二聚类中获取一个负例训练样本。模型训练方法包括：确定多组训练样本；基于训练样本对初始图像检索模型进行训练，在迭代到一定次数时，若模型没有训练完成，重新确定训练样本继续训练，直至模型训练完成。与现有技术相比，应用本发明实施例提供的方案，采集负例训练样本时，可以在兼顾各个不同难度水平的负例训练样本的同时，优先采集“难”的负例训练样本，进而提高基于负例训练样本训练得到的图像检索模型的准确率。
-
公开(公告)号：CN107291822B
公开(公告)日：2020-03-24
申请号：CN201710375175.4
申请日：2017-05-24
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/35 , G06N20/00
Abstract: 本发明公开了一种基于深度学习的问题分类模型训练方法、问题分类方法以及装置。其中问题分类模型训练方法包括：提取问题文本样本中的特征信息样本，并生成对应的第一特征向量样本；对第一特征向量样本进行空间变换，得到第二特征向量样本；将第二特征向量样本输入至多层卷积神经网络中的多个卷积层和多个池化层，以通过叠加卷积操作和池化操作，得到第一融合特征向量样本；将第一融合特征向量样本输入至多层卷积神经网络中的全连接层，得到全局特征向量样本；根据全局特征向量样本对Softmax分类器进行训练，得到问题分类模型。该方法可免去大量人工设计特征的开销，通过该问题分类模型可以得到更加准确的分类结果，提高了标准问题与答案的定位。
-
公开(公告)号：CN109165808A
公开(公告)日：2019-01-08
申请号：CN201810792911.0
申请日：2018-07-18
Applicant: 南瑞集团有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司 , 北京邮电大学 , 南京南瑞信息通信科技有限公司
Inventor： 段寒硕 , 崔丙锋 , 邵苏杰 , 钱锜 , 张少军 , 邢宁哲 , 朱洪斌 , 马跃 , 赵鑫 , 于然 , 于蒙 , 寇晓溪 , 张姣姣 , 赵子兰 , 任建伟 , 文玲锋 , 许鸿飞 , 吕海军 , 李垠韬 , 李雪梅 , 刘昀 , 常海娇 , 吴佳 , 徐鑫 , 王坤乾 , 聂正璞 , 纪雨彤 , 赵阳 , 田宇 , 吴舜 , 李扬 , 陈亮 , 王宁 , 广泽晶 , 施健 , 邓伟 , 杨文轩 , 杨杨
Abstract: 本发明实施例提供一种电力通信网现场运维工单派发方法，包括：基于待派发工单集合与运维人员信息集合，构建工单派发模型；其中，待派发工单集合包括若干个工单和每一工单的工作种类，运维人员信息集合包括若干个运维人员信息，每一运维人员信息包括运维人员完成每一工作种类的历史平均完成质量和历史平均完成时间；工单派发模型由工单完成质量之和最大化函数、工单完成时间之和最小化函数、运维人员利用率最大化函数、工单等待时间之和最小化函数，以及约束条件构成；求解工单派发模型，得到工单派发方案，并根据工单派发方案进行工单派发。本发明实施例提供的方法，解决了运维人员利用率低、工单等待时间长的问题，实现了运维工单的合理派发。
-
公开(公告)号：CN108427714A
公开(公告)日：2018-08-21
申请号：CN201810107829.X
申请日：2018-02-02
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于机器学习的房源重复记录识别方法及系统，其中，方法包括以下步骤：采集房源的房源数据；将房源数据输入算法相似度估算器中，以提取房源的房源特征；将房源特征输入房源重复记录识别模型，以判定房源是否重复记录。该方法通过结合多种相似度估算器和多种算法计算记录间各种类型数据的相似度，并通过房源重复记录识别模型自动识别房源重复记录，从而有效提高房源重复记录识别的准确性。
-
公开(公告)号：CN108345647A
公开(公告)日：2018-07-31
申请号：CN201810049318.7
申请日：2018-01-18
Applicant: 北京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于Web的领域知识图谱构建系统及方法，其中，系统包括：知识建模子系统，用于根据预设的数据资源获取初始知识模型，并接收操作界面的操作指令，以构建知识图谱的数据模式得到知识模型；数据与实体链接子系统，用于根据多种类型数据提取知识，并将提取的知识存入知识图谱；人工辅助标注子系统，用于接收用户标注指令，以根据用户标注指令对知识图谱进行更改；知识可视化子系统，用于可视化呈现知识模型、知识模型与实体间的动态链接和更改后的知识图谱。该系统可以简单便捷地完成知识建模、知识获取和知识可视化工作，极大地降低了领域知识图谱构建的难度，有助于提升领域知识图谱的精确度。
-
Patent Agency Ranking
公开(公告)号：CN108108924A
公开(公告)日：2018-06-01
申请号：CN201810118082.8
申请日：2018-02-06
Applicant: 北京邮电大学
Abstract: 本发明公开了一种影响房产估价的特征因素体系的量化方法及系统，其中，方法包括以下步骤：采集房产的房产数据；将房产数据输入特征因素体系中，以提取房产数据的房产特征，并量化房产特征得到房产特征向量；将房产特征向量输入到房产评估模型中，以得到房产估价。该方法能够避开估价人员的主观因素影响，为今后批量评估研究中指标量化方法提供参考，从而有效提高估价的客观性和准确性，适用性强。
-
公开(公告)号：CN107315772A
公开(公告)日：2017-11-03
申请号：CN201710375610.3
申请日：2017-05-24
Applicant: 北京邮电大学
CPC classification number: G06F16/3329 , G06F17/2785
Abstract: 本发明公开了一种基于深度学习的问题匹配方法以及装置。其中方法包括：获取用户的输入问题，并对输入问题进行语义分析以得到输入问题的词语；获取输入问题与标准问题中词语之间的相似度匹配矩阵，并基于相似度匹配矩阵进行分层卷积以获取输入问题与标准问题之间的语义粒度匹配特征；基于卷积神经网络，根据输入问题中的特征信息和标准问题的特征信息对输入问题与标准问题进行精确匹配，以获取输入问题与标准问题之间的细粒度匹配特征；根据语义粒度匹配特征和细粒度匹配特征获取输入问题与标准问题之间的匹配程度。该方法可以使得提取到的特征更加符合实际需求，同时免去了大量人工提取特征的开销，提高匹配结果的精确度。
-
公开(公告)号：CN107291822A
公开(公告)日：2017-10-24
申请号：CN201710375175.4
申请日：2017-05-24
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于深度学习的问题分类模型训练方法、问题分类方法以及装置。其中问题分类模型训练方法包括：提取问题文本样本中的特征信息样本，并生成对应的第一特征向量样本；对第一特征向量样本进行空间变换，得到第二特征向量样本；将第二特征向量样本输入至多层卷积神经网络中的多个卷积层和多个池化层，以通过叠加卷积操作和池化操作，得到第一融合特征向量样本；将第一融合特征向量样本输入至多层卷积神经网络中的全连接层，得到全局特征向量样本；根据全局特征向量样本对Softmax分类器进行训练，得到问题分类模型。该方法可免去大量人工设计特征的开销，通过该问题分类模型可以得到更加准确的分类结果，提高了标准问题与答案的定位。
-
公开(公告)号：CN102684854B
公开(公告)日：2015-01-14
申请号：CN201110054034.5
申请日：2011-03-07
Applicant: 北京邮电大学
Abstract: 本发明公开了一种MAC层ARQ参数的自适应调整方法，所述自适应调整方法包括步骤：S1：根据发送端接收到的NACK与ACK的比值将网络状况分为好、中和差三种情况；S2：在连接建立时，发送端根据物理层调制编码方式和服务质量QoS优先级，按照网络为好的情况来设置ARQ参数，发送DSA-REQ请求建立新的服务流；S3：在数据传输过程中，发送端启动一个定时器Tmonitor，统计预定时段内收到的NACK与ACK的个数，根据NACK与ACK的比值来估计网络状况，若网络状况或物理层调制编码方式发生改变，则通过DSC重新协商ARQ参数。根据本发明所采用的方法，可避免ARQ参数与网络状况及物理层调制编码方式失配的情况下，带来的性能急剧下降，提高了MAC层的吞吐量，使整个网络的性能达到最佳。
-
公开(公告)号：CN115469399B
公开(公告)日：2025-04-22
申请号：CN202111416416.8
申请日：2021-11-25
Applicant: 北京邮电大学
IPC: G02B6/122
Abstract: 本发明提供一种辅助薄层型端面耦合器，包括硅衬底、埋氧层和二氧化硅包层，所述二氧化硅包层内设有：输入段波导，包括条形中心波导以及多个辅助薄层波导，各所述辅助薄层波导在垂直于其延伸方向上的横截面形状均为长条状矩形，且各辅助薄层波导在延伸方向上各横截面的长边尺寸逐渐减小，多个辅助薄层波导的第一端端面的长边围成闭合方形，条形中心波导的第二端端面及各辅助薄层波导的第二端端面均位于端面耦合器的第二端端面内侧，且各辅助薄层波导与条形中心波导之间均间隔有预设距离；输出段波导，输出段波导的第一端与条形中心波导的第二端相接，输出段波导垂直于其延伸方向上的横截面面积沿延伸方向逐渐增大。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.037 seconds)
