专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果92个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于混合图神经网络的POI推荐方法及系统-CN202210987178.4有效
  • 刘志中;孟令强;李林霞;初佃辉;马菲菲 - 烟台大学
  • 2022-08-17 - 2023-09-22 - G06F16/9536
  • 本发明属于位置推荐技术领域,提供了一种基于混合图神经网络的POI推荐方法及系统,本发明为了充分地挖掘用户对POI的正向偏好与反向偏好,构建了标号二部图,采用标号二部图神经网络学习带有用户对POI偏好信息的用户特征和带有用户偏好信息的POI特征;同时,为了充分挖掘POI之间的转移信息,根据用户的POI签到记录构建POI有向转移图,采用门控图神经网络学习带有POI转移信息的POI特征;最后,通过分别对不同用户特征和不同POI特征的拼接,得到用户的最终特征和POI的最终特征,将用户的最终特征与POI的最终特征做乘积,通过Sigmoid函数得到用户对于POI的偏好程度,依据偏好程度向用户推荐POI序列。
  • 一种基于混合神经网络poi推荐方法系统
  • [发明专利]一种基于动态信任感知的群体观点预测方法及系统-CN202310412337.2有效
  • 刘志中;贺琴;初佃辉;赵美悦;尚领 - 烟台大学
  • 2023-04-12 - 2023-09-19 - G06F16/9536
  • 本发明提出了一种基于动态信任感知的群体观点预测方法及系统,涉及观点动力学领域,具体方案包括:为社交网络建模,得到初始的社交网络;基于社会相似性、结构相似性和社交关系强度,构建完整信任网络;计算个体间的影响权重,根据不同的影响权重预测群体观点,判断群体观点是否达到稳定,不稳定则利用个体间的观点相似性和个体间的信任度,对社交网络进行演化,得到新的社交网络,进行基于新的社交网络的观点演化过程;本发明将社交关系强度引入到信任传播过程中,考虑个体间的观点相似性和个体间的信任度对观点演化的影响,特别是非邻节点对自身观点演化的影响,提高了观点演化趋势预测的准确性。
  • 一种基于动态信任感知群体观点预测方法系统
  • [发明专利]一种面向服务需求变化的组合服务动态重构方法及系统-CN202310692061.8在审
  • 刘志中;郑禾丹;张晓君;初佃辉;庞李鑫 - 烟台大学
  • 2023-06-12 - 2023-09-12 - G06F18/22
  • 本发明属于互联网服务技术领域,提供了一种面向服务需求变化的组合服务动态重构方法及系统,针对在组合服务的执行过程中,用户的服务需求随用户所处情景的变化而发生变化,使得构建好的组合服务在运行时无法满足用户变化后的服务需求,从而导致组合服务失效,极大地影响了用户的满意度与服务资源的利用率的问题,首先基于事例链推理方法主动感知用户服务需求的变化;然后,依据服务需求与组件服务间的映射关系,确定服务需求变化后组合服务需要重构的区域;最后,依据重构所需服务的规模,设计了一种组合服务自适应重构策略,从而完成组合服务的动态重构。并通过大量的模拟实验,验证了本文所提方法的有效性。
  • 一种面向服务需求变化组合动态方法系统
  • [发明专利]随机群组POI推荐方法、系统、设备及存储介质-CN202310115682.X有效
  • 刘志中;孟令强;李林霞;初佃辉;宋笑宇 - 烟台大学
  • 2023-02-14 - 2023-09-12 - G06F16/9535
  • 本发明公开了随机群组POI推荐方法及系统;方法包括:依据群组成员对兴趣点POI的签到序列,计算群组成员的初始影响权重;确定最终影响权重;基于最终影响权重,得到随机群组的拟合特征;依据群组成员对兴趣点POI的签到序列,构建群组成员与兴趣点POI的标号二部图,从二部图中,提取出含有群组成员POI交互偏好的POI特征表示;依据群组成员的兴趣点POI转移序列,构建POI有向转移图,从有向转移图中,提取出含有群组成员POI转移偏好的POI特征表示;将两种特征表示进行特征融合;基于融合特征与随机群组的拟合特征,计算出随机群组对每个POI的预测评分,根据预测评分为随机群组推荐感兴趣的POI列表。
  • 随机poi推荐方法系统设备存储介质
  • [发明专利]面向不确定模态缺失的多模态情感分析方法及系统-CN202310081044.0有效
  • 刘志中;周斌;初佃辉;孟令强;孙宇航 - 烟台大学
  • 2023-01-31 - 2023-08-15 - G06F40/30
  • 本发明提出了面向不确定模态缺失的多模态情感分析方法及系统,涉及数据处理技术领域,具体方案包括:获取带有不确定缺失的多模态数据,包括三种模态:文本、视觉和音频;通过训练后的多模态情感分析网络处理所述三种模态数据,以生成并输出最终的情感分类;本发明基于模态翻译模块,将视觉和音频模态翻译成文本模态,提高视觉和音频模态质量并且能够捕获不同模态之间的深层交互;通过对完整模态进行预训练,得到完整模态的联合特征来指导缺失模态的联合特征向完整模态的联合特征逼近,不需要考虑有哪种模态缺失,只需要向完整模态的联合特征向量逼近即可,具有更强的通用性。
  • 面向不确定缺失多模态情感分析方法系统
  • [发明专利]一种动态多目标优化方法、装置、设备和计算机可读介质-CN202211129049.8有效
  • 刘志中;张杰;初佃辉;尚领;孟令强 - 烟台大学
  • 2022-09-16 - 2023-07-21 - G06F30/27
  • 本发明公开了一种动态多目标优化方法、装置、设备和计算机可读介质,属于计算机技术领域。方法包括:获取多目标优化事件的事件信息,包括:环境信息和历史信息;建立多目标优化事件的事件模型;根据环境信息检测多目标优化事件的环境是否变化;若多目标事件的环境发生变化,则根据历史信息和环境信息,基于两种预测策略计算事件模型的原始帕累托最优集;将原始帕累托最优集输入至社会学习优化模型进行学习训练,计算事件模型的目标帕累托最优集,目标帕累托最优集为多目标事件的最优集。本发明实施例公开的技术方案提高了动态多目标优化方法对环境变化的适应能力,在环境变化后仍能准确获得解决方案。
  • 一种动态多目标优化方法装置设备计算机可读介质
  • [发明专利]一种基于动态信任感知的视频推荐方法及系统-CN202111311681.X有效
  • 刘志中;孟令强;初佃辉;海燕;贾卫华 - 烟台大学
  • 2021-11-08 - 2023-07-18 - G06F16/735
  • 本发明属于偏好估计技术领域,提供了一种基于动态信任感知的视频推荐方法及系统,获取所有用户对某视频的初始真实偏好和初始交流偏好;将所有用户的初始真实偏好和初始交流偏好输入基于动态信任感知的偏好演化模型,得到所有用户对该视频的最终真实偏好;根据所有用户对该视频的最终真实偏好,向所有用户进行视频推荐;所述基于动态信任感知的偏好演化模型通过动态异质交互偏好接受度和动态异构信任度,依次对用户的真实偏好、交流偏好、公开偏好和估计偏好进行演化,进而提高了偏好演化的精确度,为用户推荐更加感兴趣的视频。
  • 一种基于动态信任感知视频推荐方法系统
  • [发明专利]一种居家健身智能辅助系统-CN202310116843.7在审
  • 初佃辉;胡鑫;金宇哲;方海男;倪丽;田思润;郝乐川;贾泽西;钟世融;张华;涂志莹 - 哈尔滨工业大学(威海)
  • 2023-02-14 - 2023-06-27 - G06V40/20
  • 本申请提供一种居家健身智能辅助系统,包括采集单元、特征提取单元、标准动作特征构造单元、评估单元、数据库及显示单元,述采集单元用于采集至少一个运动对象的实时三维位置信息;所述实时动作特征提取单元基于所述实时三维位置信息提取至少一个运动对象的实时动作特征序列;所述标准动作特征构造单元用于构造至少一种运动类型的标准动作特征序列并保存在数据库中;所述评估单元基于所述实时动作特征序列和标准动作特征序列识别至少一个运动对象的运动类型及运动效果;所述显示单元用于显示所述实时三维位置信息、运动类型及运动效果。本申请的技术方案,能够精确地识别运动对象的运动类型并评估对应的运动效果。
  • 一种居家健身智能辅助系统
  • [发明专利]基于对比学习的多模态意图识别方法及系统-CN202310256990.4在审
  • 刘志中;吴宇轩;初佃辉;孟令强;孙宇航 - 烟台大学
  • 2023-03-14 - 2023-06-23 - G06F18/25
  • 本发明属于意图识别技术领域,提供了基于对比学习的多模态意图识别方法及系统,首先,与以往的工作相比,改进了跨模态Transformer模型,通过最大化多模态特征与标签之间的互信息以及最小化多模态特征与输入之间的互信息的方式过滤掉单模态表示中的噪声信息实现多模态特征的充分融合,改进后的模型减少了多模态融合过程中的冗余信息,增大了有效信息占比,更有利于多模态特征的充分融合。其次,针对用于训练的标记数量不足的问题,引入了对比学习的学习任务,通过数据增强获得增强样本,原始样本与增强样本之间拉近相似样本,推远不同样本,帮助模型在训练过程中学习到更多意图相关的特征,提高模型提取和融合多模态数据特征的能力。
  • 基于对比学习多模态意图识别方法系统

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top