-
公开(公告)号：CN110532471B
公开(公告)日：2022-07-01
申请号：CN201910796504.1
申请日：2019-08-27
Applicant: 华侨大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/08
Abstract: 本发明公开了一种基于门控循环单元神经网络的主动学习协同过滤方法，包括：获取用户评分数据集将其用户对商品评分矩阵转化为成时间序列数据，设置对应的门控循环单元神经网络结构；采用改进MinRating主动学习算法动态采样数据，主动选择合适的训练集，输入用户的时间序列数据到门控循环单元神经网络输入层进行训练，并将门控循环单元神经网络输出与目标值进行损失计算，根据迭代算法adma进行参数的更新；利用训练得到的神经网络模型进行协同过滤推荐，实现TopN推荐。本发明方法在短时预测成功率、召回率、项目覆盖和用户覆盖上优于传统协同过滤算法；主动学习部分能够帮助模型快速建立，在一定程度上解决推荐系统的冷启动问题。
-
公开(公告)号：CN109903553B
公开(公告)日：2021-07-09
申请号：CN201910123126.0
申请日：2019-02-19
Applicant: 华侨大学
IPC: G08G1/01
Abstract: 本发明提供一种多源数据挖掘的公交车上下车站点识别和检验方法，包括根据常规公交的IC刷卡及运营车辆数据，进行基于聚类和关联分析的IC刷卡乘客上车站点识别；根据常规公交、BRT和地铁的IC刷卡及运营车辆数据，进行基于常规公交、BRT、地铁组成的IC刷卡乘客出行链下车站点识别；对未识别下车站点的数据进行基于历史乘车记录的IC刷卡乘客下车站点识别；对仍未识别下车站点的数据进行基于贝叶斯后验最大似然估计的IC刷卡乘客下车站点识别；对匹配上车站点的数据进行基于配对样本t检验的IC刷卡乘客上车站点识别检验；对匹配下车站点的数据进行基于换乘行为识别的IC刷卡乘客下车站点识别检验。本发明方法适用范围广、站点识别精度高。
-
公开(公告)号：CN112364973B
公开(公告)日：2023-08-01
申请号：CN202010777756.2
申请日：2020-08-05
Applicant: 华侨大学
IPC: G06N3/096 , G06N3/0464 , G06N3/065 , G06F18/214 , G06F17/18 , G06N3/048
Abstract: 本发明提出了一种基于神经网络和模型迁移学习的不相关多源频域载荷识别方法，具体包括：S1：利用频率点的历史数据对不相关多源载荷识别的多输入多输出神经网络模型进行训练；S2：将S1中的神经网络模型的模型参数迁移到相邻的目标频域的神经网络中作为网络权值的初值；S3：利用目标频率的历史数据对目标频域的神经网络进行二次训练，从而得到目标频率的不相关多源频域载荷识别模型；S4：将目标频率下训练好的神经网络的模型参数迁移到下一个相邻频率的模型；S5：循环该过程直到建立所有频率点的神经网络模型。本发明提出了一种基于神经网络和模型迁移学习的不相关多源频域载荷识别方法，通过迁移学习得到的神经网络多源载荷识别模型得到较好的神经网络模型的初始权重，有效减少训练时间，并得到更高的识别精度。
-
公开(公告)号：CN112364994A
公开(公告)日：2021-02-12
申请号：CN202010777752.4
申请日：2020-08-05
Applicant: 华侨大学
Abstract: 本发明提出一种MMD和TSP的频域载荷识别的模型迁移学习源域选择方法，首先利用MMD距离度量不同频率下样本数据间的差异，得到不同频率间MMD距离矩阵D；其次，通过遗传算法求解访问所有频率所需MMD距离总和的最小代价，求解MMD距离矩阵的TSP问题；最后，利用遗传算法得到迁移顺序频率序列进行频域载荷识别神经网络模型的迁移学习。本发明提出一种MMD和TSP的频域载荷识别的模型迁移学习源域选择方法，通过进行迁移顺序的选择，可以得到更好的神经网络模型，有效提高模型精度，减少训练时间、得到更高的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN110398331A
公开(公告)日：2019-11-01
申请号：CN201910661629.3
申请日：2019-07-22
Applicant: 华侨大学
IPC: G01M7/02
Abstract: 本发明提供了一种多源载荷未知条件下基于偏最小二乘的多点频域振动响应的预测方法和装置。该方法将已知测点的频域振动响应作为输入，多个未知测点的频域振动响应作为输出，先利用历史数据训练该偏最小二乘模型。在多源载荷未知的工作状况下，将已知测点的频域振动响应作为训练好的偏最小二乘模型的输入，输出即实现了对多个未知测点的频域振动响应的预测。该装置包括多个振动源以及多个振动响应传感器；所述多个振动源产生不相关平稳随机激励；所述振动传感器固设于结构上，记录结构的振动。本发明的优点在于：实现了在多源载荷未知的工作状况下，对多个测点的频域振动响应进行预测。
-
公开(公告)号：CN112364973A
公开(公告)日：2021-02-12
申请号：CN202010777756.2
申请日：2020-08-05
Applicant: 华侨大学
Abstract: 本发明提出了一种基于神经网络和模型迁移学习的不相关多源频域载荷识别方法，具体包括：S1：利用频率点的历史数据对不相关多源载荷识别的多输入多输出神经网络模型进行训练；S2：将S1中的神经网络模型的模型参数迁移到相邻的目标频域的神经网络中作为网络权值的初值；S3：利用目标频率的历史数据对目标频域的神经网络进行二次训练，从而得到目标频率的不相关多源频域载荷识别模型；S4：将目标频率下训练好的神经网络的模型参数迁移到下一个相邻频率的模型；S5：循环该过程直到建立所有频率点的神经网络模型。本发明提出了一种基于神经网络和模型迁移学习的不相关多源频域载荷识别方法，通过迁移学习得到的神经网络多源载荷识别模型得到较好的神经网络模型的初始权重，有效减少训练时间，并得到更高的识别精度。
-
公开(公告)号：CN112364994B
公开(公告)日：2023-06-27
申请号：CN202010777752.4
申请日：2020-08-05
Applicant: 华侨大学
IPC: G06N3/126 , G06N3/0464 , G06N3/065 , G06N3/08 , G06F18/214 , G06N3/096
Abstract: 本发明提出一种MMD和TSP的频域载荷识别的模型迁移学习源域选择方法，首先利用MMD距离度量不同频率下样本数据间的差异，得到不同频率间MMD距离矩阵D；其次，通过遗传算法求解访问所有频率所需MMD距离总和的最小代价，求解MMD距离矩阵的TSP问题；最后，利用遗传算法得到迁移顺序频率序列进行频域载荷识别神经网络模型的迁移学习。本发明提出一种MMD和TSP的频域载荷识别的模型迁移学习源域选择方法，通过进行迁移顺序的选择，可以得到更好的神经网络模型，有效提高模型精度，减少训练时间、得到更高的识别精度。
-
公开(公告)号：CN110532471A
公开(公告)日：2019-12-03
申请号：CN201910796504.1
申请日：2019-08-27
Applicant: 华侨大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/08
Abstract: 本发明公开了一种基于门控循环单元神经网络的主动学习协同过滤方法，包括：获取用户评分数据集将其用户对商品评分矩阵转化为成时间序列数据，设置对应的门控循环单元神经网络结构；采用改进MinRating主动学习算法动态采样数据，主动选择合适的训练集，输入用户的时间序列数据到门控循环单元神经网络输入层进行训练，并将门控循环单元神经网络输出与目标值进行损失计算，根据迭代算法adma进行参数的更新；利用训练得到的神经网络模型进行协同过滤推荐，实现TopN推荐。本发明方法在短时预测成功率、召回率、项目覆盖和用户覆盖上优于传统协同过滤算法；主动学习部分能够帮助模型快速建立，在一定程度上解决推荐系统的冷启动问题。
-
公开(公告)号：CN109903553A
公开(公告)日：2019-06-18
申请号：CN201910123126.0
申请日：2019-02-19
Applicant: 华侨大学
IPC: G08G1/01
Abstract: 本发明提供一种多源数据挖掘的公交车上下车站点识别和检验方法，包括根据常规公交的IC刷卡及运营车辆数据，进行基于聚类和关联分析的IC刷卡乘客上车站点识别；根据常规公交、BRT和地铁的IC刷卡及运营车辆数据，进行基于常规公交、BRT、地铁组成的IC刷卡乘客出行链下车站点识别；对未识别下车站点的数据进行基于历史乘车记录的IC刷卡乘客下车站点识别；对仍未识别下车站点的数据进行基于贝叶斯后验最大似然估计的IC刷卡乘客下车站点识别；对匹配上车站点的数据进行基于配对样本t检验的IC刷卡乘客上车站点识别检验；对匹配下车站点的数据进行基于换乘行为识别的IC刷卡乘客下车站点识别检验。本发明方法适用范围广、站点识别精度高。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
