-
公开(公告)号：CN112966072A
公开(公告)日：2021-06-15
申请号：CN202110263818.2
申请日：2021-03-11
Applicant: 暨南大学
Abstract: 本申请涉及一种案件的预判方法、装置、电子装置和存储介质，其中，该案件的预判方法包括：获取待预判案件的起诉文本；在起诉文本中抽取预设关键信息，并对关键信息进行数据处理，得到起诉文本对应的多条第一向量信息；利用已训练的案件预判模型处理多条第一向量信息，获得多条第一向量信息对应的第一分类标签，其中，已训练的案件预判模型被训练为用于根据起诉文本的向量信息得到与该起诉文本对应的分类标签，分类标签包括该起诉文本对应的法律事实类别及该法律事实所引用法条的引用准确率；根据第一分类标签确定案件的预判结果。通过本申请，解决了相关技术中案件预判准确率不高的问题，实现了案件的高效准确预判。
-
公开(公告)号：CN110245917A
公开(公告)日：2019-09-17
申请号：CN201910514250.X
申请日：2019-06-14
Applicant: 暨南大学
Abstract: 本发明公开基于互联网修改高校考务排考的方法、装置、设备及介质,该方法包括:网络服务端接收一个或多个UE端输入的修改指令和获取输入修改指令的教职工的修改权限值,所述修改指令是指排除为输入修改指令的教职工在特定时间内安排监考任务的指令，所述修改指令包括当前输入的修改指令和网络服务端存储的修改指令列表中的修改指令；在所述的修改权限值大于权限阈值M的情况下,所述网络服务端根据所述的修改指令对存储的初始排考安排表或已排考安排表进行重排；所述网络服务端将重排成功的排考安排表进行存储及显示和/或通过互联网将排考安排表发送至UE端显示。
-
公开(公告)号：CN119646650A
公开(公告)日：2025-03-18
申请号：CN202411669851.5
申请日：2024-11-21
Applicant: 暨南大学
IPC: G06F18/2415 , G06F18/214 , G06F18/25 , G06N7/01 , G06F17/16
Abstract: 本发明提出了基于Dirichlet分布的废旧零部件状态映射模型构建方法，针对废旧零部件质量评估的不确定性问题，构建一种基于Dirichlet分布的损伤‑质量状态映射模型(DBMS)，该模型通过对废旧零部件失效行为分析确定主要失效特征，采用多项分布对零部件损伤量数据进行数学抽象，选取Dirichlet分布作为先验概率分布，结合贝叶斯公式更新得到后验分布参数，从而获得损伤量数据映射到不同质量等级的后验概率期望值。进一步，引入D‑S证据理论融合损伤信息，实现对废旧零部件质量状况的综合评估。为了验证模型的可行性和有效性，以废旧涡轮蜗杆为案例研究对象，并与现有文献方法进行对比，实验结果显示，该模型在预测精度和泛化能力上具有优势。
-
公开(公告)号：CN117517974B
公开(公告)日：2024-11-05
申请号：CN202311513965.6
申请日：2023-11-14
Applicant: 暨南大学 , 内蒙古科学技术研究院
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种表征动力电池循环老化衰退机理的方法，该方法包括以下步骤：孪生数据驱动的动力电池多尺度等效电路模型的构建；多因素耦合影响下动力电池循环老化衰退机理的表征；其中，动力电池循环衰退老化是在多特征工况循环以及多物理场参数耦合的共同作用下产生；形成电池电容多重衰退模型方程式，用以表征动力电池循环老化电容的衰退趋势，从而能够根据方程式所绘制的衰退曲线，来表征动力电池电容随服役周期的变化，通过曲线变化的拐点，作为不同生命周期的切换点，从而清晰的反映动力电池随服役周期变化的电容含量，方便对即将退役的动力电池进行精确的分析，从而选择不同的回收方式进行回收，降低成本和提高电池的利用率。
-
公开(公告)号：CN110458737B
公开(公告)日：2023-09-26
申请号：CN201910766856.2
申请日：2019-08-20
Applicant: 暨南大学
Abstract: 本发明公开基于神经网络修改高校教务安排的方法、装置、设备及介质,该方法包括:根据用户上传的教务安排约束条件生成教务安排误差计算公式;根据教务安排约束条件和/或根据教务安排误差计算公式计算出的教务安排表的误差训练CPPN神经网络;利用CPPN神经网络计算出教务安排表,并通过教务安排误差计算公式计算出教务安排表的误差;在误差不大于误差阈值的情况下,获取该误差对应的教务安排表。本发明的方法不再需要繁琐的修改过程,让教职工和教务处能够很大程度上地节省修改方案的流程,快速完成排课排考的建议提交和修改过程，提高教务处的办事效率。
-
Patent Agency Ranking
公开(公告)号：CN113065480B
公开(公告)日：2023-07-07
申请号：CN202110382382.9
申请日：2021-04-09
Applicant: 暨南大学
IPC: G06V30/22 , G06V30/16 , G06V30/162 , G06V30/146 , G06V30/164 , G06V30/18 , G06V30/19 , G06V10/764 , G06V10/34
Abstract: 本申请涉及书法作品风格的识别方法、装置、电子装置和存储介质，其中，该书法作品风格的识别方法包括：通过获取待识别的书法作品图像；对书法作品图像进行预处理，并对预处理后的图像进行书法字定位裁剪，得到至少一幅字图像，其中，预处理包括：中值滤波降噪处理、二值化处理、腐蚀膨胀的形态学图像处理；利用胶囊网络模型处理至少一幅字图像，获得每一幅字图像对应的第一分类标签，其中，胶囊网络模型被训练为用于根据字图像得到与该字图像对应的分类标签；根据第一分类标签确定书法作品图像的风格识别结果。通过本申请，解决了相关技术中书法作品风格的识别准确率低、效率不高的问题，实现了书法作品风格的快速准确识别。
-
公开(公告)号：CN113239639B
公开(公告)日：2022-08-26
申请号：CN202110728541.6
申请日：2021-06-29
Applicant: 暨南大学
Abstract: 本申请涉及策略信息生成方法、装置、电子装置和存储介质，其中，该策略信息生成方法包括：从预设仿真模型中，获取对应的生产运行状态数据，其中，预设仿真模型用于表征工业生产线的运行；对生产运行状态数据进行处理，得到工业生产线的设备所对应的设备状态信息及第一动作策略信息，其中，第一动作策略信息用于指示设备按预设的运行参数进行工作；在接收到策略信息生成请求的情况下，获取工业生产线当前设备状态信息，并通过预设的强化训练模型对当前设备状态信息进行处理，生成对应的策略信息。通过本申请，解决了相关技术中对包括离散任务的生产线自动化优化配置效果差的问题，实现了利用人工智能进行各类不同生产线的优化策略。
-
公开(公告)号：CN114936783A
公开(公告)日：2022-08-23
申请号：CN202210620696.2
申请日：2022-06-02
Applicant: 暨南大学
Abstract: 本发明提供了一种基于MMDDPG算法的RGV小车调度方法及系统，属于人工智能技术领域。本发明基于银行家算法，并利用结合熵正则化器的MMDDPG算法对生产过程中的多辆RGV小车进行协同调度，其中对每个RGV小车的调度都考虑其他RGV小车的调度策略，同时，引入不可抢占式最低松弛度优先算法，以最大限度缩短任务等待响应的时间。本发明所提出的基于MMDDPG算法的RGV小车调度方法及系统考虑了多RGV小车存在时的RGV小车的协作关系，对多个RGV小车进行统一调度，保证了多个RGV小车整体效率的最大化。
-
公开(公告)号：CN114580937A
公开(公告)日：2022-06-03
申请号：CN202210237299.7
申请日：2022-03-10
Applicant: 暨南大学
Abstract: 本发明涉及用于数据处理方法技术领域，具体涉及一种基于强化学习和注意力机制的智能作业调度系统；包括：从给定的由机器矩阵MO和工时矩阵TO描述的调度实例，生成包含动态事件的由新的机器矩阵MO′和新的工时矩阵TO′描述的调度实例，并将其作为当前交互环境；调度系统与环境进行交互，收集经验并训练；提取特征，输入D3QPN得到当前状态下不同动作的Q值；根据Q值表进行作业调度。本发明通过注意力机制有效提取出关键信息，并使用强化学习算法选择最优的调度策略解决动态作业车间问题，以此解决实际智能制造中作业的动态变化问题，让智能调度作业系统在动态作业调度环境下依然拥有不错的性能。
-
公开(公告)号：CN114066232A
公开(公告)日：2022-02-18
申请号：CN202111349982.1
申请日：2021-11-15
Applicant: 内蒙古北方重工业集团有限公司 , 暨南大学 , 内蒙古工业大学
Abstract: 本发明属于工业物联网技术领域，公开了基于分布式强化学习和边缘计算的工厂调度方法及系统。所述系统包括本地动作模型、边缘设备、云端数据存储器和云端策略模型。方法为：初始化本地动作模型和边缘设备；本地动作模型实时生成适配不同流水线的调度规则；边缘设备对实时产生的生产信息进行编码，生成两参数元组和五参数元组分别发送至本地动作模型和云端数据存储器；云端策略模型对云端存储的数据进行优先级采样、重要性排序和更新；同步云端策略模型和本地动作模型。本发明将边缘计算与分布式强化学习算法结合应用于工业生产，实现了数据实时传输和工业生产实时调度，并通过本地设备与云端设备的交互，不断提高模型准确性，优化工业生产效率。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.027 seconds)
