-
公开(公告)号：CN118635002A
公开(公告)日：2024-09-13
申请号：CN202310616155.7
申请日：2023-05-29
Applicant: 中南大学
IPC: B03D1/01 , B03D101/02
Abstract: 本发明属于矿物浮选领域，具体公开了一种2‑胺基‑4‑羟基‑1,3,5‑三嗪‑6‑硫醇类捕收剂在金属矿浮选中的应用。将2‑胺基‑4‑羟基‑1,3,5‑三嗪‑6‑硫醇类化合物用作浮选捕收剂从铜、铅、镍、钴、锌等矿石中浮选回收有价金属矿物。2‑胺基‑4‑羟基‑1,3,5‑三嗪‑6‑硫醇类捕收剂能有效改善铜、铅、镍、钴、锌等矿物的浮选富集和回收，显著提高有价金属矿浮选回收率，并有良好的浮选选择性。
-
公开(公告)号：CN115183921B
公开(公告)日：2024-07-09
申请号：CN202210833362.3
申请日：2022-07-14
Applicant: 中南大学
IPC: G01L1/25 , G01L5/00 , G06F18/15 , G06F18/2413 , G06N3/0499 , G06N3/08 , G06N3/045
Abstract: 本发明提供一种实时峰位误差反馈的全自动化测量材料残余应力方法，包括如下步骤：获取衍射数据：利用中子应力谱仪控制系统的中子探测器采集衍射数据，并对所采集的衍射数据进行数据转换；基于深度神经网络构建一个用于中子应力谱仪控制系统的中子衍射峰形拟合模型；利用中子衍射峰形拟合模型实时计算峰位误差，并通过峰位误差反馈控制实现材料测点的全自动化切换模式，最终达到全自动化测量材料残余应力的目的。本发明能够在小于衍射峰位误差阈值的前提下，充分获取材料测点的衍射数据，如此形成基于全局信息融合的智能化全流程控制体系，不仅能够加速材料残余应力的测量工作，还能实现中子谱仪在无人操作环境下高度自动化和精准化。
-
公开(公告)号：CN117314892B
公开(公告)日：2024-02-13
申请号：CN202311584711.3
申请日：2023-11-27
Applicant: 中南大学
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/40 , G06N3/0464 , G06N3/084 , G06N3/082
Abstract: 本发明涉及计算机视觉技术领域，具体公开了一种基于增量学习的太阳能电池缺陷检测持续优化方法，其构建缺陷检测模型，对缺陷检测模型持续优化更新，具体是：持续输入缺陷数据，更新特征提取器、辅助分类器、特征融合器和分类器，利用梯度下降法进行增量训练，构建未知缺陷类别范例集并调整已知缺陷类别范例集，基于特征提取器的几何中心对特征提取器进行剪枝，实现大幅减轻灾难性遗忘、新旧任务检测持续优化兼顾的缺陷检测。优点是，少量类别数据集即可启动缺陷检测过程，并只需在各阶段存储旧数据集极小规模范例集和输入训练集，保证对缺陷检测模型持续优化更新，同时降低了存储与(56)对比文件Binyi Su 等.Deep Learning-BasedSolar-Cell Manufacturing Defect DetectionWith Complementary AttentionNetwork.IEEE.2021,全文.谢昭 等.独立子空间中的场景特征增量学习方法.计算机研究与发展.2013,(第11期),全文.
-
公开(公告)号：CN117314892A
公开(公告)日：2023-12-29
申请号：CN202311584711.3
申请日：2023-11-27
Applicant: 中南大学
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/40 , G06N3/0464 , G06N3/084 , G06N3/082
Abstract: 本发明涉及计算机视觉技术领域，具体公开了一种基于增量学习的太阳能电池缺陷检测持续优化方法，其构建缺陷检测模型，对缺陷检测模型持续优化更新，具体是：持续输入缺陷数据，更新特征提取器、辅助分类器、特征融合器和分类器，利用梯度下降法进行增量训练，构建未知缺陷类别范例集并调整已知缺陷类别范例集，基于特征提取器的几何中心对特征提取器进行剪枝，实现大幅减轻灾难性遗忘、新旧任务检测持续优化兼顾的缺陷检测。优点是，少量类别数据集即可启动缺陷检测过程，并只需在各阶段存储旧数据集极小规模范例集和输入训练集，保证对缺陷检测模型持续优化更新，同时降低了存储与计算负荷。
-
公开(公告)号：CN116414867A
公开(公告)日：2023-07-11
申请号：CN202310684479.4
申请日：2023-06-12
Applicant: 中南大学
IPC: G06F16/2453 , G06F16/2455 , G06F18/213 , G06F18/23213 , G06F18/25 , G06F123/02
Abstract: 本发明公开了一种基于量化哈希编码的时空数据检索方法，包括：S1，提取待检索的原始数据的时间信息和空间信息，形成序列化编码。S2，对序列化编码聚类，得到编码矩阵。S3，提取原始数据的原始特征向量，然后核化得到语义特征矩阵。S4，将语义特征矩阵与编码矩阵进行拼接，得到语义融合矩阵。S5，基于min‑hash算法和随机分桶映射，获得哈希检索函数。S6，对语义融合矩阵基于段长来得到下标，然后转换为二进制数并拼接得到语义融合量化码，形成时空量化码。S7，基于哈希检索函数执行检索。本发明通过将时间和空间特征与传统哈希编码融合学习，使得量化码具备了时空特征，从而提高大规模时空检索的检索速度和检索效率。
-
Patent Agency Ranking
公开(公告)号：CN116304061A
公开(公告)日：2023-06-23
申请号：CN202310551919.9
申请日：2023-05-17
Applicant: 中南大学
IPC: G06F16/35 , G06F18/2415 , G06N3/0464 , G06N3/042
Abstract: 本发明公开了基于层次文本图结构学习的文本分类方法、装置及介质，所述方法包括如下步骤：步骤S1：将训练集文本按照三种语言学特征进行预处理，得到三种图结构矩阵；步骤S2：进行边级别图结构学习，得到三种边向量；步骤S3：去冗余，得到三种文本边向量；步骤S4：加权求和，得到文本图结构表示；步骤S5：采用图卷积神经网络进行处理，再经过图池化层生成图级别文本表示；步骤S6：进行softmax分类，概率最大的类别为最终分类结果。优点是，本发明采用三种语言学特征对训练集文本进行预处理，将文本分类问题转化为图分类问题；本发明通过多粒度的图结构学习，将不同的图结构进行了整合，防止后续学习过程中出现图结构语义丢失。
-
公开(公告)号：CN115828931A
公开(公告)日：2023-03-21
申请号：CN202310085688.7
申请日：2023-02-09
Applicant: 中南大学
IPC: G06F40/30 , G06F40/211 , G06F18/22
Abstract: 本发明公开了一种面向段落级文本的中英文语义相似度计算方法，其分别对中文段落和英文段落进行段落表征向量提取，从主题词、句子和段落三个层次对段落文本进行建模，并基于图注意力网络在各个层次内部和各个层次信息之间进行信息交互，然后融合主题词、句子和段落三个层次的信息得到段落表征向量，通过计算段落表征向量的距离得到中文段落和英文段落的语义相似度。该方法通过融合主题词、句子和段落三个层次的信息得到高质量的段落表征向量，能实现中英跨语言段落语义相似度的高精度计算。
-
公开(公告)号：CN115658862A
公开(公告)日：2023-01-31
申请号：CN202211291535.X
申请日：2022-10-19
Applicant: 中南大学
IPC: G06F16/332 , G06F16/335 , G06F16/36 , G06F40/295
Abstract: 本发明提供了一种科技文献推荐方法通过采集科技文献相关数据构建科技文献知识图谱，同时收集并处理用户在系统产生的交互数据，设计融合用户行为特征与知识表示的推荐模型。相较于现有推荐模型，一方面基于用户面向科技文献资源提出的自然语言查询，分析用户偏好对科技文献知识图谱产生的语义影响，提取隐含在用户信息中的关系语义特征，建立融入关系语义的知识表示学习模型，用以提高科技文献等知识的语义表征；另一方面基于用户的历史行为交互数据，结合知识表示学习模型深入分析关系与实体对用户偏好的语义影响，建立多层次偏好感知的推荐模型，用以提高用户与科技文献之间的语义关联。
-
公开(公告)号：CN111099346B
公开(公告)日：2021-05-14
申请号：CN201911364426.4
申请日：2019-12-26
Applicant: 中南大学
IPC: B65G47/91
Abstract: 本发明公开了一种自动上料设备及方法，包括齿片隔离机构和取料机构；齿片隔离机构包括齿片隔离座套；齿片隔离座套通过第一移动装置实现移动，以更换工位；上料工位的齿片隔离座套与振动盘的支架对接，振动盘内的齿片通过振动沿着支架上的轨道定向到达齿片隔离座套；取料机构包括吸盘；取料机构安装在第二移动装置上；所述第二移动装置带动取料机构移动至吸盘位于装有齿片的齿片隔离座套上方，升降装置带动吸盘运动，将齿片从齿片隔离座套上取出；通过角度检测装置对吸附在吸盘上的齿片角度进行检测，当检测到齿片角度不是预设角度时，控制旋转装置带动吸盘旋转，使得齿片呈预设角度输出。本发明能用于生产整体锡林时齿片的自动上料。
-
公开(公告)号：CN110795134A
公开(公告)日：2020-02-14
申请号：CN201911045711.X
申请日：2019-10-30
Applicant: 中南大学 , 长沙数达智能科技有限公司
Abstract: 本发明公开了一种基于开源软件包依赖特征的标签推荐方法、模型及系统，该方法包括：从软件的README描述文本中提取长度固定的主题分布特征向量；提取软件依赖包的标签信息，并输出为长度固定的标签独热向量；利用神经网络对特征的整合能力，将主题分布特征向量和标签独热向量拼接组合成开源软件的特征向量，将开源软件的特征向量作为输入特征，建立基于神经网络的标签预测模型，输出预测的软件标签分布分数；根据软件标签及其对应的软件标签分布分数，通过机器学习方法，按照软件标签分布分数的数值大小将软件标签降序排列后，对开源软件的标签进行推荐或对开源软件自动加标签。本发明引入包依赖信息，构建开源软件特征提取模型，利用神经网络预测标签，性能表现良好。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.039 seconds)
