-
公开(公告)号：CN119129611A
公开(公告)日：2024-12-13
申请号：CN202411264320.8
申请日：2024-09-10
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于全向注意力机制的翻译方法，涉及自然语言处理的技术领域，包括，收集和处理平行语料数据，通过知识蒸馏生成蒸馏数据集，利用蒸馏数据集训练自回归翻译模型并解决多模式问题，将自回归模型转换为非自回归模型并进行训练直至收敛，本发明通过引入全向注意力机制和课程学习策略，有效的解决了非自回归翻译模型中出现的多模式问题，显著提升了翻译质量和训练效率，从而实现了更准确的翻译输出效果。
-
公开(公告)号：CN117152736A
公开(公告)日：2023-12-01
申请号：CN202311139529.7
申请日：2023-09-05
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/20 , G06V10/26 , G06V10/82 , G06V10/762 , G06N3/006 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及人工智能采摘技术领域，且公开了一种深度学习和群智能算法的水果采摘优化模型的方法，包括以下步骤：S1、收集自然环境下的水果果实图片作为训练数据，并对数据进行预处理；S2、设计一种改进U‑Net模型的CA U‑Net语义分割网络，将U‑Net模型的主干网络VGG16更换为轻量化的MobileNet‑V3结构；S3、将MoblieNet‑v3主干特征网络中的SE注意力机制模块替换为Coordinate Attention注意力机制。该深度学习和群智能算法的水果采摘优化模型的方法，通过利用计算机视觉技术实现图像分割的果实采摘顺序算法，提高了果实采摘效率和果实定位精度，解决了现有技术中采摘过程中的浪费和伤害，同时还能够避免果实的腐烂和损坏，无法提高果实的保质期和市场价值的问题。
-
公开(公告)号：CN116258573A
公开(公告)日：2023-06-13
申请号：CN202310123335.1
申请日：2023-02-07
Applicant: 安徽农业大学
Abstract: 本发明公开了一种农产品供应链信用风险识别与演化预测方法，属于供应链信用风险预测技术领域；方法包括如下步骤：对农产品供应链中节点的连续时间动态关系进行建模；建立异步传输连续时空感知图神经网络模型；训练模型，并基于模型生产预测，给出节点信用风险等级评估及未来演化方向。通过构建连续时间动态农产品供应链关系图，并采用连续时空感知图神经网络，可以更全面提取企业领域的信息，进行更好的信用风险及其演化分析，为企业形成对最终决策提供参考，较传统决策方法更全面，可行度更高。
-
公开(公告)号：CN115860875A
公开(公告)日：2023-03-28
申请号：CN202211671672.6
申请日：2022-12-26
Applicant: 安徽农业大学
IPC: G06Q30/0601 , G06F18/25 , G06F18/241
Abstract: 本发明涉及人工智能技术领域，且公开了一种基于双线性池化的多模态知识融合的商品推荐方法，包括提取用户在电商平台的行为数据，对收集的用户行为数据进行预处理，以及分析评估，用深度学习的图像特征采集器、文本特征采集器、时间序列特征采集器、音频特征采集器和视频特征采集器对收集的数据抽取特征，根据各种单模态特征采集器的特征利用双线性池化的多模态知识融合抽取模态交互的深层特征，通过对抽取的多模态融合的深层特征信息。该基于双线性池化的多模态知识融合的商品推荐方法，可以通过深度利用海量的多模态的用户数据，利用分层次双线性池化融合多模态特征，精准判断消费者的喜好准确推送意向商品。
-
公开(公告)号：CN117456279B
公开(公告)日：2025-04-22
申请号：CN202311623115.1
申请日：2023-11-30
Applicant: 安徽农业大学
IPC: G06V10/764 , G06V20/00 , G06N5/022 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合知识图谱与图像识别的垃圾分类方法，包括：1、构建知识图谱，捕捉垃圾实体与种类之间的关系2、利用Ac自动机树，提取问题中的垃圾实体名；3、利用TransR模型提取垃圾实体的文本向量；4、设定疑问词列表，提取问题中的疑问词，根据疑问词是否在疑问词列表中和问题中是否有垃圾实体名来对问题进行分类；5、针对不同类型的问题，返回不同的答案模板；6、构建图像识别模型，获取垃圾图片的向量；7、将垃圾实体的文本向量和图片向量，结合注意力机制将相互对应的向量进行拼接，得到垃圾实体的融合向量后，最终返回垃圾的类别。本发明融合了知识图谱和图像识别，能更稳定、更便捷、更高效的实现垃圾分类。
-
Patent Agency Ranking
公开(公告)号：CN117059261A
公开(公告)日：2023-11-14
申请号：CN202311055533.5
申请日：2023-08-21
Applicant: 安徽农业大学
IPC: G16H50/20 , G06F40/295 , G06F16/36 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/08 , G06N5/022
Abstract: 本发明涉及多模态知识图谱的畜禽疾病诊断技术领域，且公开了一种基于多模态知识图谱的畜禽疾病诊断方法，包括以下步骤：S1、面向畜禽疾病的命名实体识别方法：所述面向畜禽疾病的命名实体识别是指利用若干个畜禽疾病文本、图像、声音和视频识别的相关疾病实体。该基于多模态知识图谱的畜禽疾病诊断方法，通过将命名实体识别和知识图谱构建技术引入畜禽疾病诊断领域，可以为畜禽疾病的诊断和治疗提供更加全面和准确的参考，从而提高畜禽疾病治疗的效果和治愈率；同时，畜禽疾病知识图谱的构建可以帮助人们更好地了解畜禽疾病的发生规律和传播途径，为畜禽疾病的预防和控制提供科学依据。
-
公开(公告)号：CN115937689B
公开(公告)日：2023-08-11
申请号：CN202211721125.4
申请日：2022-12-30
Applicant: 安徽农业大学
Abstract: 本发明涉及人工智能技术领域，且公开了一种农业害虫智能识别与监测技术，通过利用公开知识图谱和私有数据构建多模态农业病虫害知识图谱，收集多类别害虫图片作为训练数据，并对数据进行预处理，利用训练数据训练一个卷积视觉模型和一个视觉注意力模型，然后将训练完成的模型保存，冻结模型后，使用融合模块融合两个模型，利用多模态知识图谱推理出输入害虫图片的相关粗粒度的属性特征，利用编码器对推理的属性特征进行编码。该农业害虫智能识别与监测技术，可以利用粗粒度多模态知识图谱辅助混合视觉模型对害虫进行识别和监测，提高了对害虫种类的识别准确度。
-
公开(公告)号：CN115937689A
公开(公告)日：2023-04-07
申请号：CN202211721125.4
申请日：2022-12-30
Applicant: 安徽农业大学
Abstract: 本发明涉及人工智能技术领域，且公开了一种农业害虫智能识别与监测技术，通过利用公开知识图谱和私有数据构建多模态农业病虫害知识图谱，收集多类别害虫图片作为训练数据，并对数据进行预处理，利用训练数据训练一个卷积视觉模型和一个视觉注意力模型，然后将训练完成的模型保存，冻结模型后，使用融合模块融合两个模型，利用多模态知识图谱推理出输入害虫图片的相关粗粒度的属性特征，利用编码器对推理的属性特征进行编码。该农业害虫智能识别与监测技术，可以利用粗粒度多模态知识图谱辅助混合视觉模型对害虫进行识别和监测，提高了对害虫种类的识别准确度。
-
公开(公告)号：CN115269864A
公开(公告)日：2022-11-01
申请号：CN202210746863.8
申请日：2022-06-28
Applicant: 安徽农业大学
IPC: G06F16/36 , G06F16/23 , G06F16/27 , G06F16/28 , G06F40/295 , G06Q10/06 , G06Q30/02 , G06Q50/02 , H04L67/1097
Abstract: 本发明公开了一种基于区块链的农业众包知识图谱的构建方法及系统，本发明在农业知识图谱的构建中引入了众包和区块链技术，将农业知识图谱构建环节任务交给众包完成，将区块链技术引入众包农业知识图谱的构建流程中，提出融合区块链智能合约的众包农业知识图谱构建策略，并将众包构建知识图谱的过程上链，实现数据的不可篡改、可追溯、可信任；基于众包构建的农业知识图谱数据，采取联合抽取法和多种补全方式，提高了对众包数据三元组信息的抽取效率和知识图谱完整性；建立众包工人信用评价体系，有效提高了众包完成质量和专业领域人员长期参与积极性；本发明有效解决了农业知识图谱构建中数据易泄露、可信度低、构建效率低、质量难评估等问题。
-
公开(公告)号：CN113988786A
公开(公告)日：2022-01-28
申请号：CN202111233057.2
申请日：2021-10-22
Applicant: 安徽农业大学 , 安徽安宠宠物用品有限公司
Abstract: 本发明公开了一种基于双层异构图神经网络的企业协同制造决策方法，采用图神经网络对产业链以及企业内部工作关系进行建模，并利用企业数据进行训练。相较于传统的针对单一领域的工作流建模方法，本发明可获得应用范围更广，覆盖多个产业流程的关系模型。采用双层异构图神经网络，首先将产业链模型训练产生粗粒度的生产决策，然后将粗粒度决策与企业内部协同网络进行耦合，进一步产生细粒度的生产决策。采用双层异构图神经网络方法可直接对其中复杂企业关系和企业内部关系进行耦合分析,针对所做出的决策，将其输入决策评价系统进行分析，得到决策的综合质量评估，形成对最终决策结果的反馈优化，较传统人工决策和单一行业决策更全面，可行度更高。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.037 seconds)
