-
公开(公告)号：CN109919205A
公开(公告)日：2019-06-21
申请号：CN201910136093.3
申请日：2019-02-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多头自注意力机制的卷积回声状态网络时序分类方法，该方法基于编码器与解码器两个组成部分实现。其中，编码器由多头自注意力机制的回声状态网络所构成。输入时间序列首先经由多个回声状态网络进行高维映射编码生成原始的回声状态特征，紧接着基于自注意力机制实现对回声状态特征全局时空信息的再度编码，从而使得重新整合后的高维特征表示更具判别能力。最后由一个浅层的卷积神经网络作为解码器实现高精度分类。该方法建立的分类模型继承了回声状态网络训练高效的特点，通过引入无额外参数的自注意力机制模型实现了对时空特征信息的再度编码，达到了高精度的时间序列分类效果，是一个简单高效的模型。
-
公开(公告)号：CN109919189A
公开(公告)日：2019-06-21
申请号：CN201910085135.5
申请日：2019-01-29
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种面向时间序列数据的深度K均值聚类方法，步骤如下：获取时间序列数据集，并进行预处理，分离出数据的样本信息以及类别信息，并把数据的样本信息输入到模型中去；构建一个编解码器模型，采用卷积-反卷积架构；将K均值聚类损失引入到编解码器模型中，形成面向时间序列数据的深度K均值聚类模型，将提取特征与聚类目标进行融合；利用反向传播算法，训练构建好的模型，指导隐层状态的生成；最后基于训练过程生成的隐层状态表示进行k-means聚类，计算rand index指标。通过将提取特征与聚类目标进行融合，使生成的隐层状态不仅能够重构原来的样本，还有利于簇状结构的形成，从而更好进行聚类的操作，提高聚类的精度。
-
公开(公告)号：CN109918503A
公开(公告)日：2019-06-21
申请号：CN201910084904.X
申请日：2019-01-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于动态窗口自注意力机制提取语义特征的槽填充方法，用于口语对话系统中提取用户话语的语义槽，步骤如下：将文本数据中的句子切分为词；将切分句子得到的词用词嵌入向量表示；选定一个窗口大小，对每个词计算该词需选择当前窗口内的具体信息，进一步得到当前词的上下文特征；对每个词，用该词的上下文特征和词向量，根据自注意力机制计算当前词的融合特征；对于每个词，将当前词的融合特征和当前词向量输入双向循环神经网络中进行分类，输出结果。本发明提出的动态窗口的方法先计算出上下文特征中哪些是不需要的，筛选掉不需要的特征，然后再通过自注意力机制提取剩余更有价值的特征之间的关系，得到最终的输入特征表示。
-
公开(公告)号：CN108182260A
公开(公告)日：2018-06-19
申请号：CN201810004240.7
申请日：2018-01-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于语义选择的多变量时间序列分类方法，时间序列分类作为机器学习热门的一个研究分支拥有广泛的应用前景，例如计算机视觉、金融分析、生物统计学等等。本发明提出的稀疏自适应语义学习网络SA-SLN采用稀疏卷积核同时提取多变量时间序列空间上的语义概念和时间上的短时依赖关系，并提出一种注意力转移方法用于选择语义概念，最后通过LSTMs对序列的长时间依赖关系进行建模。该稀疏自适应语义学习网络SA-SLN基于帧内属性具有相关性的事实，实现了自动提取空间特征和时序依赖多步建模，解决了目前方法所存在的缺陷并在三个公开的数据集上达到了目前最好的结果。
-
公开(公告)号：CN108182259A
公开(公告)日：2018-06-19
申请号：CN201810004117.5
申请日：2018-01-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度长短期记忆神经网络对多变量时间序列分类的方法，该方法通过选择长短期记忆神经元结构作为递归神经网络的隐层神经元结构，对长短期记忆神经元进行堆叠，设计出一种深层的递归神经网络分类框架，以达到提高多变量时间序列数据分类准确率的目的。通过实验对比发现，本发明比已有的分类模型准确度更高，并且在多个领域的时间序列数据集分类任务上具有普适性。
-
Patent Agency Ranking
公开(公告)号：CN108090558A
公开(公告)日：2018-05-29
申请号：CN201810004118.X
申请日：2018-01-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于长短期记忆网络的时间序列缺失值自动填补方法，包括以下步骤：获取没有缺失值的原数据集，并进行预处理；按照给定的缺失率随机删除某些值构成含有不同缺失率的缺失数据集；根据深度残差网络与图结构依赖的思想，引入基于图依赖的残差连接到LSTM模型，形成RSU，同时将LSTM模型的每一时刻的隐藏状态和RSU的历史状态信息进行融合与传递；训练构建的新模型，在网络训练前向传播过程中根据数据是否缺失利用RSU的值进行填补。RSU整合了先前的残差和隐藏的状态信息，使得构建的模型能够关联足够多的关于缺失数据历史信息，同时实现了对含缺失值的时序数据可端到端含缺失值训练的过程。
-
公开(公告)号：CN104408072B
公开(公告)日：2017-07-18
申请号：CN201410605262.0
申请日：2014-10-30
Applicant: 广东电网有限责任公司电力科学研究院 , 华南理工大学
IPC: G06F17/30
Abstract: 本发明的目的在于提供一种基于复杂网络理论的适用于分类的时间序列特征提取方法，本方法的步骤包括：首先，将时间序列转化为相应的复杂网络；其次，为了得到适用于分类的特征向量，对所得复杂网络的统计特征进行提取，得到相应的特征向量；最后，将所得特征向量输入分类器，对时间序列进行分类。通过实验验证本发明所提方法的有效性，实验结果表明将该方法所提取特征应用于时间序列分类能够达到较高的准确率。
-
公开(公告)号：CN106153615A
公开(公告)日：2016-11-23
申请号：CN201610464255.2
申请日：2016-06-21
Applicant: 华南理工大学
IPC: G01N21/78
CPC classification number: G01N21/78
Abstract: 本发明公开了一种木糖试纸及其制备方法。所述的制备方法包括以下步骤：配制好显色剂及缓冲溶液，并在此基础上配制不同梯度的木糖标准溶液；将基纸浸渍在配制好的显色剂中，浸匀晾干，上下表层涂覆一层氧化钙；将不同浓度梯度的木糖溶液分别滴加在木糖试上反应显色，拍照制备比色卡，通过对比比色卡能够得知所测样品木糖浓度。本发明的制备方法制备工艺简单，易于操作，适于工业化生产；所得产物能够快速有效对木糖样品进行检测，具有良好的应用前景。
-
公开(公告)号：CN106146899A
公开(公告)日：2016-11-23
申请号：CN201610464253.3
申请日：2016-06-21
Applicant: 华南理工大学
CPC classification number: C08K9/02 , C08J5/18 , C08J2301/04 , C08K3/04 , C08L2203/16 , C08L1/04
Abstract: 本发明属于复合材料薄膜领域，公开了一种氧化石墨烯‑纳米微晶纤维素复合材料薄膜及其制备方法。所述制备方法包括以下步骤：(1)将石墨粉氧化剥离，然后加入纸浆迅速进行水解，继而终止反应，洗涤，过滤至滤饼pH呈中性；(2)滤饼再分散在水中，透析，超滤得氧化石墨烯‑纳米微晶纤维素复合材料薄膜。本发明所述的制备方法操作简单安全，工艺流程短，产品物理性能好，为高物理性能复合材料薄膜的制备提供了简单快捷的新方法。本发明制得的氧化石墨烯‑纳米微晶纤维素复合材料薄膜具有纳米微晶纤维素组分取向规则，排列整齐，薄膜拉伸强度和弹性模量大等优点，在复合材料领域具有广泛的应用前景。
-
公开(公告)号：CN102056189A
公开(公告)日：2011-05-11
申请号：CN200910235895.6
申请日：2009-10-28
Applicant: 中国移动通信集团广东有限公司 , 华南理工大学
Abstract: 本发明提供一种客户网络行为数据重构方法及装置，该方法包括：将客户网络行为数据分为客户主动行为数据和客户被动行为数据；从客户的主动行为数据中提取客户的行为信息并保存到行为信息事实表中；从客户的主动行为数据和被动行为数据中提取客户的位置信息，并利用所述位置信息得到第一有向序列图；所述第一有向序列图中的点表示小区，以第一小区为起点，以第二小区为终点的边表示用户从第一小区移动到第二小区；基于图论对所述第一有向序列图进行分析处理，删除所述第一有向序列图中冗余数据对应的冗余的边和/或点，得到第二有向序列图；将所述第二有向序列图记录的位置信息保存到客户位置信息事实表。本发明压缩了数据的存储空间，提高了数据的质量。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.031 seconds)
