“因果”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2634个，建议您升级VIP下载更多相关专利

[发明专利]一种具有宽广时域感受野的高仿真语音合成技术方案-CN202010032255.1在审
发明人：高欢欢;皮从明 -专利权人：上海永力信息科技股份有限公司
申请日： 2020-01-13 - 公布日： 2021-07-30 - 主分类号： G10L13/04 文献下载
摘要：本发明提供了一种具有宽广时域感受野的高仿真语音合成技术方案，涉及到一种WaveNet语音合成技术中，使用改进的扩大的因果卷积层时增加时域感受野的方法与实现。采用本发明的技术，在相同的扩大的因果卷积层的层数下，在第L层，本发明的扩大的因果卷积层的整体时域感受野比文献1中的扩大的因果卷积层的整体时域感受野多一种具有宽广时域感受仿真语音合成技术方案

[发明专利]一种用于鉴别蓝孔雀白羽性状的因果基因及其应用-CN202111439837.2在审
发明人：毛辉荣;任军;晏学明;陈浩;刘少娟;黄建华;胡晓龙;赵力;周明芳;陈开丰;成笛;席苏望;邬崇华;吴康琦;郭志豪 -专利权人：江西农业大学
申请日： 2021-11-30 - 公布日： 2022-01-11 - 主分类号： C12Q1/6888 文献下载
摘要：本发明公开了一种用于鉴别蓝孔雀白羽性状的因果基因及其应用，属于分子遗传育种领域。本发明公开的蓝孔雀白羽性状的因果基因为PMEL基因，PMEL低表达鉴别为孔雀白羽性状。与蓝孔雀相比，白孔雀中PMEL基因在mRNA水平上的表达显著降低(P＝0.013)，PMEL在白羽孔雀中几乎不表达的结果，说明孔雀白羽性状的形成与PMEL的低表达有关，通过白羽因果基因的PMEL表达量来鉴别是否为白羽本发明白孔雀因果基因的鉴别在全球范围内尚属首次，尽管关于蓝孔雀白羽性状的经典遗传研究已有报道，但是鉴别影响白羽性状因果基因尚属首次，填补了该技术领域的空白，这为白羽孔雀的因果基因位点的分子选育技术提供了科学依据
一种用于鉴别孔雀性状因果基因及其应用

[发明专利]一种医疗领域中文文本部首特征获取方法-CN202111561571.9在审
发明人：李晓庆;朱广丽;张顺香;吴厚月;许鑫;苏明星;李健;黄菊;魏苏波;孙争艳;张镇江;赵彤 -专利权人：安徽理工大学
申请日： 2021-12-16 - 公布日： 2022-03-29 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种融合部首信息的医疗领域中文文本因果关系抽取方法，涉及数据挖掘技术领域，包括：通过网络爬虫获取医疗领域中文文本数据集，再对获取到的数据进行预处理，采用谷歌翻译技术将文本中的英文专业名词转化为中文，利用在线新华字典获取所有字符的部首，再利用Word2Vec架构对部首进行增量训练，得到部首特征表示，然后将部首特征向量作为因果关系抽取模型的输入，对数据集进行因果关系抽取，得到因果关系实体。本发明解决了现有对医疗领域中文文本数据进行有效地因果关系抽取问题。通过本发明可以得到医疗领域中文文本数据的因果实体。
一种医疗领域中文文本部首特征获取方法

[发明专利]基于故障因果图谱的航空故障文本摘要生成方法及其装置-CN202111421783.7在审
发明人：高龙;董洪飞;高魁;陶剑;武铎 -专利权人：中国航空综合技术研究所
申请日： 2021-11-26 - 公布日： 2022-03-22 - 主分类号： G06F40/279 文献下载
摘要：本发明公开了一种基于故障因果图谱的航空故障文本摘要生成方法与装置，其包括以下步骤：步骤一：通过原始故障因果图谱生成目录图谱；步骤二：获取目标文本样本的特征向量；步骤三：使用故障因果图谱模型生成文本候选摘要本方法首先对预先已完成构建的故障因果图谱通过凝聚层次聚类方法从而获取得到目录图谱，进而通过故障因果图谱分别在编码和解码阶段引入预先获取得到的结构化特征，最终生成所需的航空故障文本摘要。本发明利用文档篇章结构进行信息抽取，应用故障因果图谱进行故障逻辑定位，解决了现有生成式摘要模型无法满足篇章目录结构约束的问题。
基于故障因果图谱航空文本摘要生成方法及其装置

[发明专利]因果关系驱动的分层强化学习框架及分层强化学习方法-CN202210700253.4在审
发明人：胡杏;彭少辉;张蕊;郭家明;易琦;张曦珊;杜子东;郭崎;陈天石 -专利权人：中国科学院计算技术研究所
申请日： 2022-06-20 - 公布日： 2022-11-01 - 主分类号： G06N20/00 文献下载
摘要：本发明提出一种基于因果关系驱动的分层强化学习框架，包括：因果关系发现模块，用于获取智能体的强化学习环境中各环境变量之间的因果关系，并构建为因果关系图；子目标分层结构构造模块，用于根据该环境变量的变化函数，构建分层强化学习的子目标集合，选取该环境变量中的可控变量，通过该因果关系图从该子目标集合中选出与该可控变量关联的子目标为可达子目标，以所有该可达子目标的逻辑关系为该分层强化学习的分层关系。还提出一种基于因果关系驱动的分层强化学习方法，以及一种数据处理装置。
因果关系驱动分层强化学习框架学习方法

[发明专利]一种基于智能体图谱的事件因果推断方法、系统和介质-CN202310857404.1在审
发明人：张广志;成立立;于笑博;肖同尧 -专利权人：北京融信数联科技有限公司
申请日： 2023-07-13 - 公布日： 2023-08-11 - 主分类号： G06N5/04 文献下载
摘要：本发明公开的一种基于智能体图谱的事件因果推断方法、系统和介质，其中方法包括：获取初始事件信息；将初始事件和预设数据库进行匹配，得到初始事件和预设数据库中事件的相似值；判断所述相似值是否大于预设相似值阈值，若是，则触发事件因果推断开关；若否，则将初始事件设为新事件并进行存储；将触发事件因果推断开关的初始事件发送至预设关联模型，得到初始事件和预设关联模型中事件的关联度；判断所述关联度是否大于预设关联度阈值，若是，则将预设关联模型中事件设为和初始事件存在因果关系；若否，则不存在因果关系。本发明能够使机器自主对时间顺延上的事件进行因果推断，帮助决策和归因。
一种基于智能图谱事件因果推断方法系统介质

[发明专利]风险评估方法、因果结果发现方法和电子设备-CN202210054993.5在审
发明人：潘征;冯璐 -专利权人：日本电气株式会社
申请日： 2022-01-18 - 公布日： 2023-07-28 - 主分类号： G16H50/30 文献下载
摘要：本公开的实施例涉及风险评估方法、因果结果发现方法和电子设备。例如，风险评估方法可以包括获取基于与多个变量相关联的参考数据而确定的第一因果结果，多个变量包括风险评估值和一组用户变量，第一因果结果包括风险评估值与一组用户变量之间的因果关系以及一组用户变量之间的因果关系此外，该方法可以包括基于采样数据与因果结果确定第一用户的第一风险评估值。本公开的技术方案能够及时、准确地对用户的相关风险进行评估预测并自动制定优化策略，提升了用户体验。
风险评估方法因果结果发现电子设备

[发明专利]教与学行为数据支持下因果驱动的教学资源动态组织方法-CN202211233241.1在审
发明人：黄琼浩;黄昌勤;王译;李明;涂雅欣 -专利权人：浙江师范大学
申请日： 2022-10-10 - 公布日： 2023-01-31 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种教与学行为数据支持下因果驱动的教学资源动态组织方法及系统，方法包括：获取在线教与学行为数据，所述在线教与学行为数据包括教学活动数据、学生学习数据及在线教育资源信息；根据所述在线教与学行为数据，对资源访问动态时序因果进行建模，确定在线教育资源访问的因果信息；根据所述因果信息，通过神经网络预测在线教育资源访问热度；根据预测得到的在线教育资源访问热度，构建文件级的教与学行为数据支持下因果驱动的教学资源动态组织流程，以实现教与学行为数据支持下因果驱动的教学资源动态组织。
行为数据支持因果驱动教学资源动态组织方法

[发明专利]基于图卷积网络和对比学习的因果关系识别方法及装置-CN202210945377.9在审
发明人：张俊丰;谭真 -专利权人：中国人民解放军国防科技大学
申请日： 2022-08-08 - 公布日： 2022-11-08 - 主分类号： G06F16/33 文献下载
摘要：本申请涉及一种基于图卷积网络和对比学习的因果关系识别方法及装置。模型对包含事件对的句子进行关系表征学习，得到隐藏关系表征；根据对比学习方法对关系表征进行增强表示将隐藏关系表征和增强后的关系表征进行融合，利用全连接层及SoftMax层对融合关系表征进行计算，得到事件对中是否存在因果关系的初始概率；根据初始概率和预先标注的事件对中真实的因果关系构建交叉熵损失函数，利用交叉熵损失函数对因果关系识别模型进行训练再对待识别的文本进行因果关系识别。采用本方法能够提高事件对因果关系准确率。
基于图卷网络对比学习因果关系识别方法装置

[发明专利]基于预训练语言模型的因果图像生成方法、装置及设备-CN202311118770.1在审
发明人：李晓川;李仁刚;赵雅倩;范宝余;郭振华;王丽 -专利权人：浪潮电子信息产业股份有限公司
申请日： 2023-09-01 - 公布日： 2023-10-03 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于预训练语言模型的因果图像生成方法、装置及设备，涉及生成式人工智能技术领域，以解决因果图像难以生成的问题，该方法包括：获取待预测图像和问题文本；根据待预测图像和问题文本，利用预训练语言模型编码器，得到图文推理特征；根据待预测图像和图文推理特征，利用图像生成器，生成因果推理图像；本发明通过根据待预测图像和问题文本，利用预训练语言模型编码器，得到图文推理特征，利用预训练语言模型的因果推理能力，生成图文推理特征来指导图像生成器的图像生成计算，以弥补图像生成器不具备推理能力的缺陷，实现多模态输入的因果图像生成，从而能够以图像模态直观且具体地描述因果推理结果。
基于训练语言模型因果图像生成方法装置设备

[发明专利]识别数据元素之间的关联和演变模式的系统和方法-CN201410643814.7有效
发明人：张霓;胡卫松;潘征 -专利权人：日本电气株式会社
申请日： 2014-11-11 - 公布日： 2020-06-02 - 主分类号： G06F16/2455 文献下载
摘要：提供了一种用于识别多元时序列数据的数据元素之间的关联和演变模式的系统，所述系统包括：预处理单元，被配置为对采集到的数据进行预处理，得到处理后的数据序列；关联发现单元，被配置为使用Granger因果图模型从预处理后的数据中发现多元时序列数据的数据元素之间的关联，得到因果图序列；以及演变模式发现单元，被配置为对得到的因果图序列进行聚合，从而发现因果关系的演变模式。采用本发明，能够有效地识别多元时序列数据的数据元素之间的因果关系以及演变模式，而且因果关系的识别会更加准确。
识别数据元素之间关联演变模式系统方法

[发明专利]一种工业控制多回路振荡行为稀疏因果分析方法-CN201611194148.9有效
发明人：谢磊;孙雅婷;苏宏业 -专利权人：浙江大学
申请日： 2016-12-21 - 公布日： 2020-02-21 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种工业控制多回路振荡行为稀疏因果分析方法，包括：采集各个待分析的控制回路的过程输出时间序列信号；对各个过程输出时间序列信号进行去余弦趋势预处理，得到相应的子信号；对各个控制回路的子信号建立稀疏多变量向量自回归模型；基于稀疏多变量自回归模型进行格兰杰因果分析，得到任意两个控制回路间的格兰杰因果指标；对格兰杰因果指标进行统计显著性判断，若结果显著，则认为在相应显著水平下，该格兰杰因果指标表示的相应控制回路间的因果关系成立
一种工业控制回路振荡行为稀疏因果分析方法

[发明专利]基于堆叠残差因果卷积神经网络的锂电池健康状态检测方法-CN202010689054.9有效
发明人：秦威;孙衍宁;庄子龙;吕慧春 -专利权人：上海交通大学
申请日： 2020-07-17 - 公布日： 2021-07-13 - 主分类号： G01R31/367 文献下载
摘要：一种基于堆叠残差因果卷积神经网络的锂电池健康状态检测方法，通过传感器采集锂电池的工况数据，经预处理得到输入特征；通过传感器采集锂电池的工况数据，经预处理得到输入特征；根据输入特征设计堆叠残差因果卷积神经网络，训练该堆叠残差因果卷积神经网络后，利用训练得到的堆叠残差因果卷积神经网络对锂电池的健康状态进行估计；堆叠残差因果卷积神经网络，该网络将残差网络和长短期记忆网络的输入门结构有机地集成到因果卷积网络中。
基于堆叠因果卷积神经网络锂电池健康状态检测方法

[发明专利]一种因果模型的电气火灾检测方法及系统-CN202010365721.8有效
发明人：杨凯;余捻宏;王炜;罗耀峰;袁红海;李兴海;马丽丽;郭宇翔;张平;李正华;张涧林;余兴国;刘春;曾茂 -专利权人：深圳市前海用电物联网科技有限公司
申请日： 2020-04-30 - 公布日： 2021-10-08 - 主分类号： G08B17/06 文献下载
摘要：本发明涉及电气火灾的检测技术领域，具体涉及一种因果模型的电气火灾检测方法及系统。所述电气火灾检测方法包括建立电气火灾隐患因果模型，所述电气火灾隐患因果模型包括线路温度数据、环境温度数据和后门标准；控制环境温度数据，根据电气火灾隐患因果模型对线路温度数据进行判断，获取火灾隐患的风险情况发明的有益效果在于，与现有技术相比，本发明通过因果模型的电气火灾检测方法，将线路温度数据、环境温度数据，结合因果模型的算法，提高火灾隐患检测的准确度，实现快速检测，同时精准性高，降低外部影响因数的影响。
一种因果模型电气火灾检测方法系统

[发明专利]一种基于因果校验数据生成的全科多疾病预测系统-CN202210547826.4有效
发明人：李劲松;王丰;张航;池胜强;田雨;周天舒 -专利权人：之江实验室
申请日： 2022-05-20 - 公布日： 2022-09-23 - 主分类号： G16H50/30 文献下载
摘要：本发明公开了一种基于因果校验数据生成的全科多疾病预测系统，本发明针对全科场景，从因果性的角度出发，提出了基于全科倾向性得分网络的倾向性得分计算方法；相较于传统生成式对抗网络可解释性差的问题，本发明提出了基于因果校验的生成式对抗网络，使得生成的数据更加符合真实的因果逻辑；针对现有图卷积神经网络仅从相关性角度建模的问题，本发明提出了基于全科因果图卷积神经网络的全科多疾病预测模型，融入因果效应值以提升全科多疾病预测系统对疾病的预测性能
一种基于因果校验数据生成全科多疾病预测系统