-
公开(公告)号：CN117139380A
公开(公告)日：2023-12-01
申请号：CN202311102955.3
申请日：2023-08-29
Applicant: 攀钢集团攀枝花钢铁研究院有限公司 , 电子科技大学
Abstract: 本发明提供了一种基于调控经验自学习的镰刀弯控制方法，适用于热连轧粗轧板形控制技术领域。该方法通过准确设定每个道次轧制中的辊缝倾斜量参数，实现镰刀弯弯曲量的降低。具体方法为：1.确定采集数据；2.对数据进行预处理；3.处理后数据按时序排列；4.建立数据集；5.使用梯度提升树算法建立辊缝倾斜量值调控值预测模型，对模型进行训练以获取最优参数；6.在测试集上验证性能。该热连轧粗轧镰刀弯控制方法利用自学习辊缝倾斜调控数据中的有效经验，相对于现有仅依赖历史镰刀弯轧制状态的方法，本方法综合考虑了辊缝倾斜量调控值与粗轧中其他工艺设定参数之间的适应性，提高了辊缝倾斜量的设定精度，提升了粗轧板形轧制质量和生产稳定性。
-
公开(公告)号：CN117075557A
公开(公告)日：2023-11-17
申请号：CN202311102867.3
申请日：2023-08-29
Applicant: 攀钢集团攀枝花钢铁研究院有限公司 , 电子科技大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于深度强化学习的镰刀弯控制策略生成方法，包括：收集热粗轧带钢轧制过程中的中间坯数据作为样本数据并进行数据预处理；建立并训练基于XGBoost算法的镰刀弯弯曲量预测模型，用以搭建镰刀弯控制策略生成模型的智能体环境；建立基于深度确定性策略梯度算法的镰刀弯控制策略生成模型；镰刀弯控制策略生成模型的训练与模型参数保存；将热粗轧带钢轧制中间坯数据输入训练好的镰刀弯控制策略生成模型，输出中间坯镰刀弯调整策略。本发明通过自动控制，可以有效避免当前依赖人工经验带来的控制误差，并减少人工干预，降低劳动强度。同时，控制粗轧板坯的平直性，为精轧生产的稳定性提供了有力的保障。
-
公开(公告)号：CN119167084A
公开(公告)日：2024-12-20
申请号：CN202411196074.7
申请日：2024-08-29
Applicant: 电子科技大学
IPC: G06F18/214 , G06F18/2431 , G06F40/242 , G06F40/30
Abstract: 本发明涉及小样本事件检测技术领域，提出了一种面向小样本事件检测的多尺度对比预训练方法。该方法旨在解决现有事件检测方法对大量带注释数据的依赖，以及在低资源环境下对新事件类型检测效果不佳的问题。主要方案包括构造事件类型标签概念字典，利用自动AMR解析器获取句子集的AMR结构，创建触发器语义增强编码器和句子语义信息编码器，以及事件类型信息编码器。通过对比学习，该方法在句子‑触发器级别信息和句子‑事件类型级别信息两个维度上分别构建编码器，丰富输入文本信息和事件类型信息的语义表示，从而提高事件检测模型在低资源场景下的性能。本发明用于提升小样本事件检测的准确性和鲁棒性。
-
公开(公告)号：CN117131344A
公开(公告)日：2023-11-28
申请号：CN202311099630.4
申请日：2023-08-29
Applicant: 电子科技大学
IPC: G06F18/20 , G06N3/0442 , G06N3/048 , G06N3/047 , G06F18/213 , G06F18/22 , H04L41/14
Abstract: 本发明公开了一种基于多维知识属性的通信对象预测方法及系统，属于通信网络用户行为分析技术领域。主旨在于解决用户通信过程建模单一、信息利用不充分的问题，主要方案是基于包含了多维知识属性的用户历史通信记录，首先根据历史通信记录及其多维知识属性，生成对应的高维空间表示与通信对象重要度序列；其次，从不同层级出发，拼接相应高维空间表示得到对应层级的特征序列，再利用注意力机制，从特征序列中抽取出对应的兴趣度；然后，引入基于多维知识属性的兴趣结合机制，结合不同层级的兴趣度与通信对象重要度，形成通信目标全局特征表示；最后，结合通信对象局部特征表示，实现对用户呼叫对象的预测。
-
公开(公告)号：CN116597815A
公开(公告)日：2023-08-15
申请号：CN202310465365.0
申请日：2023-04-26
Applicant: 电子科技大学
IPC: G10L15/02 , G10L15/16 , G10L15/06 , G10L15/18 , G10L15/187 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/09
Abstract: 本发明公开了一种融合拼音和字符信息的端到端非自回归中文语音识别方法，该方法同时学习拼音和字符信息，并将其应用于三个组件中，首先是基于wav2vec2的编码器模块，该模块将原始音频信号编码为语音特征向量；其次是一个基于注意力机制的帧‑字对齐模块，该模块将音频向量和预期输出文字对齐；最后是基于拼音音素预训练的BERT解码器模块，该模块将上一步得到的拼音和字符级特征向量融合输入BERT解码器中解码，输出文字。与现有技术相比，本发明从中文特点入手，引入拼音级别的特征向量，并使用基于大规模拼音音素预训练的BERT解码器，加强语音表征，有效提升了中文语音识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN115393012A
公开(公告)日：2022-11-25
申请号：CN202211018277.8
申请日：2022-08-24
Applicant: 电子科技大学
IPC: G06Q30/06 , G06N3/04 , G06F16/9535
Abstract: 本发明提出了一种基于双通道注意力加权网络的会话推荐方法，属于会话推荐技术领域。本发明基于一次会话中的用户交互序列，其中用户交互序列包括物品名称序列、物品类别序列与用户操作序列，首先根据用户交互序列分别生成物品、类别、操作的高维空间表示；然后，利用注意力机制，从三种表示的结合中分别提取出融合操作信息的用户‑物品兴趣度与用户‑类别兴趣度；最后，建立基于双通道注意力加权的兴趣融合机制，形成用户兴趣表征，实现对用户下一刻点击物品的预测；本发明所述方法融合了物品类型和用户操作信息，从用户与物品交互在不同粒度下的兴趣特征出发，能够从不同粒度对用户兴趣建模，解决了用户兴趣建模不准确、不合理的问题。
-
公开(公告)号：CN113326425A
公开(公告)日：2021-08-31
申请号：CN202110425642.6
申请日：2021-04-20
Applicant: 中国电子科技集团公司第五十四研究所 , 电子科技大学
IPC: G06F16/9535 , G06F40/35 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于结构和语义注意力堆叠的会话推荐方法及系统，属于会话推荐技术领域。本发明所述方法是基于用户物品点击序列，首先通过建立基于语义、时序结构、空间结构的注意力机制模型，从不同角度出发强化有关物品对用户全局兴趣表征的重要程度、弱化无关物品对用户全局兴趣表征的干扰，建立三种角度下的用户全局兴趣；然后，建立三种用户全局兴趣融合模型，形成多角度下的用户全局兴趣表征；最后，结合基于GRU循环神经网络生成的用户局部兴趣表征，建立用户兴趣表征，实现对用户下一刻点击物品的预测。
-
公开(公告)号：CN112528161A
公开(公告)日：2021-03-19
申请号：CN202110178084.8
申请日：2021-02-07
Applicant: 电子科技大学
IPC: G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于物品点击序列优化的会话推荐方法，属于会话推荐技术领域。本发明所述方法利用最短路径方法提炼用户最感兴趣的物品序列，能够剔除长序列中多条兴趣路径对用户兴趣表征的干扰；本发明所述方法从最短路径物品序列的长度分布与用户点击的兴趣强弱出发，定义了三种用户兴趣类型，能够捕获不同类型下物品点击行为随时间变化的用户兴趣，可有效建模长序列的用户兴趣。
-
公开(公告)号：CN117131873B
公开(公告)日：2024-09-06
申请号：CN202311096357.X
申请日：2023-08-29
Applicant: 电子科技大学
IPC: G06F40/30 , G06F40/295 , G06F40/242 , G06F16/35 , G06N3/08
Abstract: 本发明公开了一种基于对比学习的双编码预训练小样本关系抽取方法，属于小样本关系抽取技术领域。本发明所述方法基于维基百科构建的知识库，利用双编码器架构分别将文本信息和关系信息(类型标签、描述)映射到相同的向量表示空间；通过对比学习最大限度提高文本语义表示及其对应关系表示之间的相似性，以促进文本信息编码器和关系信息编码器之间的相互学习，进而生成更好的语义表示，提升小样本关系抽取性能。此外，预训练的两个编码器也适用于不需要任何特定数据集训练的零样本关系抽取领域。
-
公开(公告)号：CN118175647A
公开(公告)日：2024-06-11
申请号：CN202410284545.3
申请日：2024-03-12
Applicant: 电子科技大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于感知增强网络的自适应干扰资源分配方法，属于深度强化学习技术领域。本发明所设计的感知增强网络包括状态识别网络和动作价值网络，其中状态识别网络用于识别通信方的状态价值，增强对通信方抗干扰状态的感知能力，然后将状态价值反馈给动作价值网络以选择最优干扰动作，从而帮助模型更精准地匹配最优干扰资源分配策略。并且，构建了一个双目标优化奖励函数，通过调整两个归一化后的奖励函数的相对重要性权重，达到干扰成功和资源节约之间的最佳平衡。此外，设计了动态修正的优先经验回放机制，以实现对数据样本的高效利用并确保策略的快速收敛。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.041 seconds)
