一种母线槽在线监测系统
    1.
    发明公开

    公开(公告)号:CN117761416A

    公开(公告)日:2024-03-26

    申请号:CN202310932690.3

    申请日:2023-07-27

    Abstract: 本发明公开了一种母线槽在线监测系统,母线槽数据采集模块,用于采集母线槽的当前数据,并发送当前数据至监测终端;监测终端,用于对当前数据进行数据清洗和编码,得到编码数据并发送编码数据至云平台;云平台,用于根据编码数据,基于预设的训练好的LSTM模型进行母线槽运行状态的实时监测,得到检测结果;发送检测结果至监测终端进行分析预警。通过母线槽数据采集模块、监测终端和云平台的配合,实现了母线槽数据的精准采集,基于LSTM模型进行母线槽运行状态的实时监测,整体预测精度高,稳定性高。

    一种疲劳驾驶的检测识别方法、装置及系统

    公开(公告)号:CN113807181A

    公开(公告)日:2021-12-17

    申请号:CN202110936693.5

    申请日:2021-08-16

    Abstract: 本发明公开了一种疲劳驾驶的检测识别方法,包括以下步骤:获取人脸区域关键点图像信息、车辆驾驶行为信息;将所述人脸区域关键点图像信息输入面部状态识别模型,获得面部状态检测结果;将所述车辆驾驶行为信息输入行驶状态识别模型,获得行驶状态检测结果;将所述面部状态检测结果和行驶状态检测结果输入置信度判定模型,输出最终检测结果。本发明提高了驾驶员疲劳检测的准确性。

    基于多头注意力机制与多模型融合的短文本情感分析方法

    公开(公告)号:CN117764084A

    公开(公告)日:2024-03-26

    申请号:CN202311859328.4

    申请日:2023-12-30

    Abstract: 一种基于多头注意力机制与多模型融合的短文本情感分析方法,首先利用BERT获得输入文本的上下文向量表示,然后用TextCNN分别提取文本全局特征和局部特征,通过特征融合方法构建文本特征向量,通过LSTM网络将这些文本向量提取出文本特征,最后将分类器应用到特征提取模块获得的文本特征进行端到端的训练,综合分类器和特征信息得到最终的预测结果;本发明针对短文本情感分析中的情感语义表达不足以及上下文语义挖掘不充分的问题,通过词嵌入和多头注意力机制对文本特征进行提取,然后预测估计出该文本的情感极性,并搭建预处理、迁移训练以及特征提取识别的情感分析预测仿真应用系统来进行测试验证,大大提高了方法的精度和鲁棒性。

    基于LSTM模型及用户画像的交易风险预测方法和系统

    公开(公告)号:CN115936709A

    公开(公告)日:2023-04-07

    申请号:CN202211555924.9

    申请日:2022-12-06

    Abstract: 本发明公开基于LSTM模型及用户画像的交易风险预测方法和系统,交易风险预测方法包以下步骤:S1:采集用户信用卡历史交易数据;S2:将数据拆分成训练数据集和测试数据集;S3:构建并训练LSTM网络模型,得到交易异常概率预测模型;S4:基于测试数据集对交易异常概率预测模型进行测试,若测试结果符合预测精度,则进入步骤S5,若测试结果不符合预测精度,则返回步骤S3;S5:获取用户当前消费数据,采用交易异常概率预测模型基于预处理后的用户当前消费数据预测用户当前交易异常概率;S6根据用户的消费习惯数据对用户进行画像分析,并为每一类型用户赋予对应的异常交易发生概率;S7:基于用户交易异常概率和异常交易发生概率计算得到用户交易风险值。

Patent Agency Ranking