-
公开(公告)号：CN105425611B
公开(公告)日：2016-08-31
申请号：CN201510760841.7
申请日：2015-11-10
Applicant: 华中科技大学
IPC: G05B17/02
Abstract: 本发明公开了一种水轮发电机组励磁系统参数辨识方法，用于准确获取水轮发电机组励磁系统参数。根据水轮发电机组励磁系统建立仿真模型，然后依据该仿真系统建立采用实际系统输出与辨识系统输出的加权误差平方和作为参数辨识的目标函数，运用本发明设计的优选方法求解目标函数得到最优控制参数。本发明设计的水轮发电机组励磁系统参数辨识方法，采用一种新型启发式优化算法优化目标函数，可以搜索到更小的目标函数值，能得到更精确的辨识参数。更精确的辨识参数使得辨识系统输出与实际系统输出吻合较好。
-
公开(公告)号：CN105425611A
公开(公告)日：2016-03-23
申请号：CN201510760841.7
申请日：2015-11-10
Applicant: 华中科技大学
IPC: G05B17/02
CPC classification number: G05B17/02
Abstract: 本发明公开了一种水轮发电机组励磁系统参数辨识方法，用于准确获取水轮发电机组励磁系统参数。根据水轮发电机组励磁系统建立仿真模型，然后依据该仿真系统建立采用实际系统输出与辨识系统输出的加权误差平方和作为参数辨识的目标函数，运用本发明设计的优选方法求解目标函数得到最优控制参数。本发明设计的水轮发电机组励磁系统参数辨识方法，采用一种新型启发式优化算法优化目标函数，可以搜索到更小的目标函数值，能得到更精确的辨识参数。更精确的辨识参数使得辨识系统输出与实际系统输出吻合较好。
-
公开(公告)号：CN105262145A
公开(公告)日：2016-01-20
申请号：CN201510760557.X
申请日：2015-11-10
Applicant: 华中科技大学
IPC: H02J3/46
CPC classification number: Y02E10/763 , Y02E40/10
Abstract: 本发明公开了一种新能源混合系统控制参数的优选方法，用于在新能源混合系统中对PID控制参数进行优选。根据新能源混合系统建立模型，然后依据该仿真系统建立以PID控制器输入和输出参数为状态量的目标函数，运用本发明设计的优选方法求解目标函数得到最优PID控制参数。本发明设计的新能源混合系统控制参数的优选方法，采用一种新型启发式优化算法优化目标函数，能搜索到更优的目标函数值，得到的解代表更优的PID控制参数。更优的PID控制参数能使新能源混合系统频率偏差更小，调节速度更快，系统响应曲线更加光滑，系统调节品质更高。
-
公开(公告)号：CN101841839A
公开(公告)日：2010-09-22
申请号：CN201010100830.3
申请日：2010-01-22
Applicant: 华中科技大学
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种无线传感器网络仿真系统，仿真系统包括用户界面、底层模块库、节点构件库、仿真环境场景库、运行对象库、参数配置库、节点组成关系库、业务数据库、包信息库、包头信息库、模块注册单元、模块选择单元、模块组装单元、参数设置单元、拓扑数据生成单元、业务调度单元、显示单元和结果统计单元。本发明针对WSN以数据为中心、面向应用的特点，仿真WSN环境下通信协议及各种基于WSN的应用，另外根据需要可以对仿真系统进行模块化扩展。由于具有能量模型，在进行WSN仿真测试时，本发明可同步地统计各个传感器节点的能耗，客观实际地为研究方案提供参考性的技术指标。
-
公开(公告)号：CN118608224A
公开(公告)日：2024-09-06
申请号：CN202410045538.8
申请日：2024-01-11
Applicant: 华中科技大学 , 中国平安财产保险股份有限公司
IPC: G06Q30/0601 , G06N3/0464 , G06N3/09 , G06N3/096
Abstract: 本发明公开了一种结合多级对比学习的多模态物品推荐方法，包括以下步骤：1)通过物品在每个模态下的特征相似性，构建物品‑物品相似性图；2)获得每个模态下的物品‑物品相似性图后，通过Light‑GCN进行图编码，得到每个模态下的多模态特征；3)在每个模态内进行物品对比学习，获得物品在多个模态下的向量表示；4)根据物品在多个模态下的向量表示进行多模态混合后，获得了混合后的物品表示；5)通过计算用户的id表示与物品的混合表示之间的内积得到预测分数，并根据预测结果进行推荐。本发明方法通过在模态内级别和模态间级别分别设计不同的对比学习任务，有效提高多模态推荐的准确率。
-
Patent Agency Ranking
公开(公告)号：CN118312588A
公开(公告)日：2024-07-09
申请号：CN202410237190.2
申请日：2024-03-01
Applicant: 华中科技大学 , 中国平安财产保险股份有限公司
IPC: G06F16/332 , G06F40/205 , G06V10/25 , G06V10/40 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于目标检测的中间过程监督策略的视觉问答方法，包括以下步骤：1)通过卷积神经网络对视觉图像提取图像特征；2)利用一个编码器‑解码器网络模型将带回答的问题解析为程序树；3)通过程序执行网络获得每个执行步骤对应的中间监督信号；图像特征和L层的程序树，程序执行从第1层到第L层进行逐步推理，基于图像特征获取答案。本发明从问题中解析出执行程序，然后在场景图上执行逐步推理，生成完整的中间结果。本发明利用中间结果对视觉问答模型进行中间过程监督。本发明为推理过程提供了更全面的监督信号，从而提高了答案预测性能。
-
公开(公告)号：CN117407760A
公开(公告)日：2024-01-16
申请号：CN202311130508.9
申请日：2023-08-31
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06F18/241 , G16H50/20
Abstract: 本申请提供了早期SARDs分类模型的处理方法、装置以及处理设备，用于针对早期SARDs的分类目标，提供一套操作便捷且高精度的早期SARDs分类模型的处理架构，从而可以为SARDs的临床工作还有医学研究，提供具有较佳实用价值的工具支持。方法包括：收集大于预设数量的早期SARDs病历的实验室指标检测结果，作为样本数据；分别通过全身性红斑狼疮、类风湿关节炎、全身性硬化症、干燥综合症、混合结缔组织病以及炎症性肌病的实验室指标检测结果，进行初始模型集合中多个模型的训练，以训练得到每一种早期病例对应的多个分类模型；依次针对每一种SARDs类型，在每一种早期病例对应的多个分类模型中，选择取得最优分类性能的模型作为最终采用的分类模型，得到早期SARDs分类模型。
-
公开(公告)号：CN117171307A
公开(公告)日：2023-12-05
申请号：CN202310897709.5
申请日：2023-07-20
Applicant: 支付宝(杭州)信息技术有限公司 , 华中科技大学
IPC: G06F16/332 , G06F16/33 , G06F40/35 , G06N20/00 , G06N3/04
Abstract: 本说明书实施例提供基于多视图超图的用户偏好学习方法、对话推荐方法及系统。在进行用户偏好学习时，使用用户交互信息、物品信息和用户社交信息，构建多视图超图，所构建的多视图超图包括喜欢视图、不喜欢视图和朋友视图；以及基于多视图超图执行针对用户节点的图学习，以学习出用户偏好表示。
-
公开(公告)号：CN116415592A
公开(公告)日：2023-07-11
申请号：CN202310033114.5
申请日：2023-01-10
Applicant: 华中科技大学
IPC: G06F40/30 , G06F40/284
Abstract: 本发明公开了一种方面情感三元组抽取方法，该方法包括以下步骤：1)对现有文本中的每一跨度进行标注；1.1)定义三种角色维度：方面项、观点项和情感片段；所述情感片段为包含一个匹配的(方面,观点)对，且共享其边界的文本片段；1.2)基于上述三种角色维度对文本中的每一跨度进行标注；2)将文本序列输入情感三元组抽取模型，进行方面情感三元组抽取；所述情感三元组抽取模型包括：编码层，用于建模跨度信息生成跨度表征；分类器，用于基于上述跨度表征预测出相应的标注结果；推理层，用于依据标注结果得到对应的方面情感三元组。本发明方法能够突破现有基于词级别标注方法的局限性，有效提高方面情感三元组抽取的性能。
-
公开(公告)号：CN115170218A
公开(公告)日：2022-10-11
申请号：CN202210230703.8
申请日：2022-03-10
Applicant: 华中科技大学
IPC: G06Q30/06 , G06F16/2458 , G06N3/04
Abstract: 本发明公开了一种融合图神经网络和多层级对比学习的神经网络序列推荐方法，包括以下步骤：1)基于所有用户的物品点击序列构建用户‑物品图、用户‑用户图和物品‑物品图；2)根据构建的图，采用图编码器初始化得到用户的特征表示矩阵以及物品的特征表示矩阵；3)序列视角下用户的兴趣表示；4)协同视角下用户的兴趣表示；5)兴趣层级的对比学习；6)获取最终特征层级的对比学习损失；8)在从序列视角和对比视角计算得到用户的兴趣表示之后，将它们进行结合得到用户的最终的兴趣表示，根据用户的最终的兴趣表示确定选择用户当前的兴趣；9)根据用户的当前的兴趣表示从所有候选集中选择top‑N个物品。本发明方法能提高序列推荐预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.033 seconds)
