一种基于大模型量化和机器学习的NFT价值评估方法

    公开(公告)号:CN119831736A

    公开(公告)日:2025-04-15

    申请号:CN202411523122.9

    申请日:2024-10-29

    Abstract: 本发明涉及一种基于大模型量化和机器学习的NFT价值评估方法,所述方法构建关联NFT价值和特征的映射关系,采集历史数据,基于大模型对部分特征进行量化后,基于机器学习训练机器学习模型;基于训练后的机器学习模型评估NFT价值。本发明借助大模型的广泛的基础常识,通过微调、知识库检索和思维链等技术显著提升其在专业知识领域的能力;构建统一、可信的方法,对NFT的价值进行客观的评估,有助于减少炒作的发生,易于排查异常的交易行为,有助于交易双方达成价值共识,促进NFT的铸造、流转、收藏的规则性,助力NFT市场健康发展。

    一种基于多粒度兴趣的多行为序列推荐方法及其应用

    公开(公告)号:CN119106185A

    公开(公告)日:2024-12-10

    申请号:CN202411041508.6

    申请日:2024-07-31

    Inventor: 姚信威 何川 李强

    Abstract: 本发明涉及一种基于多粒度兴趣的多行为序列推荐方法及其应用,收集用户多行为历史交互数据,形成历史物品交互序列,构建全连接图并提取高阶多行为依赖表征;基于线性多头自注意力机制提取用户全局行为表征并将多行为依赖表征的序列划分子会话,基于多粒度多头自注意力机制提取所有子会话的多粒度用户兴趣表征,将结果输入非线性激活层表征融合,得到最终嵌入表征;基于最终嵌入表征与候选物品嵌入向量获取该位置用户对物品的预测打分值,进行推荐;应用于用户推荐系统。本发明解决推荐系统数据稀缺问题,挖掘深层次用户兴趣表达和行为模式,解决现有多行为依赖表征不充分的局限性,减少计算复杂度,丰富用户兴趣表达,提供精确的个性化推荐服务。

    基于核密度估计与香农熵的风电机组数据异常检测方法

    公开(公告)号:CN116578927A

    公开(公告)日:2023-08-11

    申请号:CN202310532903.3

    申请日:2023-05-11

    Abstract: 本发明公开了一种基于核密度估计与香农熵的风电机组数据异常检测方法,基于马氏距离,寻找到每个数据点的邻居点,之后利用以高斯函数为核函数的核密度估计方法,对所有的数据进行密度估计。结合邻居点和密度估计值,计算出了以每个点为中心的局部熵值,局部熵值可以用来衡量局部点的密度是否均匀,可以用来更高效地检测集群异常。之后,将每个点的局部熵值除以每个点的密度估计值,得到熵密度比。熵密度比越高,说明局部熵值越高,说明当前局部的密度较为分散,同时,也表明当前点的密度值较小,说明当前点出现的概率低,由此可以判断为异常点。本发明可以精准高效地检测出多维数据集中的异常点。

    一种基于机器视觉的高精度多自由度操作机械臂控制方法

    公开(公告)号:CN110315536B

    公开(公告)日:2021-05-14

    申请号:CN201910526885.1

    申请日:2019-06-18

    Abstract: 本发明涉及一种基于机器视觉的高精度多自由度操作机械臂控制方法,获得指令后启动摄像头,移动机械臂直至摄像头的图像几何中心与二维码中心对准,获得当前机械臂的坐标,以机械臂末端的末端套筒对准操作孔,将末端套筒插入操作孔,若指令有效,则根据指令操作旋转开关,完毕后退出,复位至机械臂收回状态。本发明通过自动高精度操作旋钮开关,代替人工对高危设备进行操作,结合贴在高压开关柜柜身上的二维码,实现高精度定位和自动操作功能,误差小,操作成功率高,利于统一规划及规范,易于把握操作时间。

    一种基于双规则矩阵方向场的指纹图像增强方法

    公开(公告)号:CN112435186A

    公开(公告)日:2021-03-02

    申请号:CN202011315342.4

    申请日:2020-11-20

    Abstract: 本发明公开了一种基于双规则矩阵方向场的指纹图像增强方法,它包括以下步骤:先通过计算图像均值和方差判断点是否在指纹上,获得前景和背景;再设计双规则矩阵,通过双规则矩阵获取指纹方向场特征,并计算方向特征公式来判断前景区像素点是否位于脊线上,若在脊线上,则设置为黑色,否则为白色;再根据各个像素点其邻域去除指纹图形中的毛刺和空洞;最后进行形态学操作,获得最终指纹图像,从而实现指纹的图像增强。本发明实现了基于方向场的指纹图像增强方法,通过提出双正方形法确定方向场特征区域和方向特征公式实现指纹图像增强。

    一种多波束分配功率MAC协议通信方法

    公开(公告)号:CN110650525A

    公开(公告)日:2020-01-03

    申请号:CN201910819578.2

    申请日:2019-08-31

    Abstract: 本发明涉及一种多波束分配功率MAC协议通信方法,通过将2.4 GHz与太赫兹频段通信相结合,控制信息在2.4GHz频段进行传输,不影响太赫兹频段数据传输的稳定性;通过将距离感知的功率分配方法与多波束的太赫兹天线设计相结合,充分利用收发器的有限传输功率,在分布式网络中实现了多输入多输出的太赫兹通信,最大化功率利用率和网络吞吐量。相较于按需分配传输功率的方法,本发明解决了“过度节约”问题,避免了空闲功率的产生;在充分利用单个节点的有限传输功率的同时,将网络的吞吐量最大化。

    一种基于自动编码器和BP神经网络的织物缺陷检测方法

    公开(公告)号:CN110322437A

    公开(公告)日:2019-10-11

    申请号:CN201910535049.X

    申请日:2019-06-20

    Abstract: 本发明涉及一种基于自动编码器和BP神经网络的织物缺陷检测方法,在正常图像样本中加入预设比例的经疵和纬疵图像样本,创建自动编码器训练集后输入自动编码器模型,得到重构图像后分别与正常、经疵和纬疵图像样本作差,预处理作差图;创建BP神经网络模型,以处理得到的数据集作为训练集,得到BP神经网络模型,输入待测样本图像,将待测样本图像与重构图像作差,预处理后得到待测作差图像,输入BP神经网络检测并输出织物缺陷种类。本发明可以高效、准确进行织物缺陷检测,识别率高,满足工厂生产车间织物的检测要求;将被广泛应用、发展非常成熟、对图像处理非常高效的深度神经网络模型应用于织物缺陷检测中,提高织物的生产效率。

Patent Agency Ranking