-
公开(公告)号：CN119014835A
公开(公告)日：2024-11-26
申请号：CN202411276778.5
申请日：2024-09-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种身体状态检测方法和装置、智能镜，包括：步骤S1、获取人脸图像；步骤S2、根据人脸图像，得到用户心率值和疲劳度；步骤S3、根据检测血液流动导致光强变化，得到用户血压值。采用本发明的技术方案，能够通过身体状态检测实时监测用户健康状况。
-
公开(公告)号：CN112948716B
公开(公告)日：2023-02-28
申请号：CN202110245049.3
申请日：2021-03-05
Applicant: 桂林电子科技大学
IPC: G06F16/9537 , G06F16/9536 , G06N20/00 , G06Q50/00
Abstract: 本发明的一种基于多头注意力机制的连续兴趣点包推荐方法，其包括以下步骤：一、获取用户打卡历史信息，将打卡数据组成序列；二、将打卡数据组成序列组；三、将序列组推送给模型进行训练；通过编码器与多头注意力机制得到序列中的兴趣点变化信息，将得到的信息输入解码器中进行拟合，解码器结构与编码器对称，经过管道搜索的方式学习出适应该区域用户的最优超参数；四、将训练模型部署在多个服务器中，输入区域内用户近一周的访问序列，将后续一周内的行程安排建议打包推送给用户；五、记录用户接下来一周内的打卡地点序列以及对访问兴趣点的评价。本发明能为用户提供一周内的后续行程安排建议。
-
公开(公告)号：CN114637911A
公开(公告)日：2022-06-17
申请号：CN202210157793.2
申请日：2022-02-21
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/9537 , G06K9/62 , G06N3/04
Abstract: 本发明涉及计算机兴趣点推荐技术领域，涉及一种注意力融合感知网络的下一个兴趣点推荐方法，包括获取用户历史签到数据；将数据组成序列组；划分为长期签到序列数据和短期签到序列数据；分别送到模型进行训练，通过不同神经网络捕获用户不同偏好表示，构建偏好预测单元，利用注意力机制有机结合偏好，经过随机搜索方式学习最优参数，输出排名前K的兴趣点；将训练模型部署在多个服务器中；记录用户下一签到地点以及相对应的类别信息。本发明能够实现更加准确、高效的下一个兴趣点推荐。
-
公开(公告)号：CN113779105A
公开(公告)日：2021-12-10
申请号：CN202110921144.0
申请日：2021-08-11
Applicant: 桂林电子科技大学
IPC: G06F16/2458 , G06F16/26 , G06K9/62
Abstract: 本发明涉及轨迹数据技术领域，涉及一种分布式轨迹流伴随模式挖掘方法，包括以下步骤：一、数据预处理：根据地理区域的划分将数据划分为多个区域，得到分区边界，输出分区编号；二、监测不断到达的数据流；三、当前快照创建时间窗口，窗口大小为当前快照时间；四、根据分区编号执行Keyby算子，利用哈希函数分发到不同的节点；五、每个节点对接收到的当前分区的数据执行基于方向的密度聚类，并得到当前分区的密度聚类簇集合；六、进行聚类合并，输出合并后簇的集合；七、执行模式挖掘，与候选伴随集合取交集，生成新的候选伴随，并输出当前快照的伴随模式结果。本算法具有更快的处理速度。
-
公开(公告)号：CN112948716A
公开(公告)日：2021-06-11
申请号：CN202110245049.3
申请日：2021-03-05
Applicant: 桂林电子科技大学
IPC: G06F16/9537 , G06F16/9536 , G06N20/00 , G06Q50/00
Abstract: 本发明的一种基于多头注意力机制的连续兴趣点包推荐方法，其包括以下步骤：一、获取用户打卡历史信息，将打卡数据组成序列；二、将打卡数据组成序列组；三、将序列组推送给模型进行训练；通过编码器与多头注意力机制得到序列中的兴趣点变化信息，将得到的信息输入解码器中进行拟合，解码器结构与编码器对称，经过管道搜索的方式学习出适应该区域用户的最优超参数；四、将训练模型部署在多个服务器中，输入区域内用户近一周的访问序列，将后续一周内的行程安排建议打包推送给用户；五、记录用户接下来一周内的打卡地点序列以及对访问兴趣点的评价。本发明能为用户提供一周内的后续行程安排建议。
-
Patent Agency Ranking
公开(公告)号：CN107403390B
公开(公告)日：2020-06-02
申请号：CN201710652321.3
申请日：2017-08-02
Applicant: 桂林电子科技大学
IPC: G06Q50/00 , G06F16/9535 , G06F16/9536
Abstract: 本发明公开一种融合贝叶斯推理和图上随机游走的好友推荐方法，其通过计算用户社交置信度构造随机游走转移概率矩阵，继而将随机游走正向搜索与局部反向搜索结合起来，并与一种贝叶斯用户潜在好友关系推理模型相融合，充分开采了社交网络结构信息和用户属性信息，提供了社交网络好友推荐的建议，具有准确性高的特点。
-
-
公开(公告)号：CN103176139A
公开(公告)日：2013-06-26
申请号：CN201310074148.5
申请日：2013-03-08
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为动力电池非光滑迟滞特性补偿的电荷状态估算方法及系统，本法第一步采集电池输出电压和电流，由电池等效电路模型得到各参数的关系式构建神经网络OCV(k)预估模型，求解其中参数，对开路端电压OCV(k)在线估计。第二步SDH模型和RBF2串联组成动态迟滞混合模型。SDH模型以第一步所得OCV(k)为输入，其输出的y(k)和OCV(k)、OCV(k-1)为RBF2的输入，RBF2加权学习间接调整SDH模型的参数，逼近实际的复杂迟滞关系，最终输出在线估算的SOC(k)。本系统由微处理器和安装于电池电路的电流、电压传感器等构成，存储执行本方法的程序，得SOC（k）估算值。本发明借鉴神经网络，补偿了动力电池复杂非光滑迟滞非线性特性，提高SOC(k)在线估算精度。
-
公开(公告)号：CN119474528A
公开(公告)日：2025-02-18
申请号：CN202411454600.5
申请日：2024-10-17
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06N3/092 , G06N5/022 , G06N3/0442 , G06N3/045 , G06Q50/20
Abstract: 本发明涉及数据挖掘推荐技术领域，具体公开了一种基于大语言模型嵌入的图注意力强化学习学习路径推荐方法、系统、设备及存储介质，包括如下步骤：数据预处理；大语言模型嵌入表示；DKT模型预训练；根据大语言模型嵌入表示及数据集原始的先决关系，构建数据知识图谱；用图注意力算法更新图谱内容，用多头注意力稳定学习过程，更新知识点嵌入表示；通过得到的知识点嵌入表示，结合学生历史学习信息，为学生依次推荐出一条学习路径。本发明引入大语言模型对知识点进行嵌入表示，加入图注意力算法及强化学习方法，挖掘了知识点之间的相关性，能够实现快速，合理的为学生推荐学习路径。
-
公开(公告)号：CN117911208A
公开(公告)日：2024-04-19
申请号：CN202311661886.X
申请日：2023-12-05
Applicant: 桂林电子科技大学
IPC: G06Q50/20 , G06F16/735 , G06F16/9535 , G06F16/901 , G06N3/042 , G06N3/0895
Abstract: 本发明公开了一种基于双重感知图的学习个性化推荐方法、装置及介质，包括如下：数据预处理，将数据去噪之后分别从数据中提取出项目的模态信息和用户的行为信息，定义辅助行为和目标行为；通过用户与项目的交互信息，构建用户与项目的行为感知和模态感知交互图；基于不同感知交互图将用户对项目的模态感知信息融合到用户行为感知信息的嵌入表示，得到具有个性化兴趣偏好的用户建模；使用对比损失函数和贝叶斯排序损失函数训练模型中的参数。本发明基于用户对项目的模态感知信息来辅助增强用户的行为感知信息，与传统推荐算法相比，更好地对用户进行个性化建模。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.037 seconds)
