“彭姿容”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]基于双门LSTM的社交网络双语的五分类情感分析方法-CN201910596187.9有效
发明人：王永利;彭姿容;雷吉成;杨辉;刘森淼;卜凡;郭相威;朱亚涛;朱根伟;张伟;罗靖杰 -专利权人：南京理工大学;中电科大数据研究院有限公司
申请日： 2019-07-03 - 公布日： 2022-10-14 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种基于双门LSTM的社交网络双语的五分类情感分析方法。该方法为：使用人工标注好的数据集作为初始训练数据集，对测试数据集进行数据清洗以及分词处理；构建双门LSTM网络模型，训练已标注好的五分类训练数据集，并构建英汉双语情感词词典，对数据集进行向量化处理，进而训练双门LSTM网络模型，对分词处理过的测试数据集进行情感特征分类，使用分类器选出情感置信度高的数据加入已标注的测试数据集中，作为新的训练数据集用于训练分类器，循环迭代，直至对所有未标注的测试数据集完成文本情感分类；使用训练好的网络模型，对输入文本进行感情特征分析。本发明能够对社交网络上用户的中英文评论信息进行准确的情感信息抽取和分析。
基于 lstm 社交网络双语分类情感分析方法

[发明专利]一种基于机器阅读理解的智能交互导诊咨询系统-CN201910517682.6有效
发明人：王永利;刘森淼;张伟;罗靖杰;卜凡;彭姿容;郭相威;朱亚涛;朱根伟 -专利权人：南京理工大学
申请日： 2019-06-14 - 公布日： 2022-08-16 - 主分类号： G16H40/20 文献下载
摘要：本发明公开了一种基于机器阅读理解的智能交互导诊咨询系统。该系统包括自然语言理解模块、阅读理解模块和对话管理模块，其中自然语言理解模块分析用户输入的自然语言语句，判断语句的意图，并且抽取语句中的关键信息；阅读理解模块根据自然语言理解模块抽取的相关信息，判断用户应该选择的科室；对话管理模块管理对话流程，生成系统回答语句，引导用户导诊。本发明能够为患者提供导诊服务，方便了患者选择科室，提高了医院效率，导诊准确率高，系统交互性强，方便用户使用。
一种基于机器阅读理解智能交互导诊咨询系统

[发明专利]一种城市行驶工况智能分析方法-CN201911312807.8有效
发明人：王永利;罗靖杰;卜凡;张伟;刘森淼;彭姿容;郭相威;朱亚涛;朱根伟 -专利权人：南京理工大学
申请日： 2019-12-18 - 公布日： 2022-08-16 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种城市行驶工况智能分析方法。该方法为：对采集的汽车行驶时间速度数据进行小波分析降噪，并划分为短行程片段；对已划分的短行程片段进行k‑means聚类，划分出三大类短行程，得到短行程片段的外部状态序列；对短行程片段内部进行划分，分为加速、匀速、怠速3个状态，得到短行程片段的内部状态序列；对短行程片段建立双层马尔科夫链，得到双层马尔科夫模型，使用双层马尔科夫模型构建汽车行驶工况曲线，评估汽车行驶工况曲线误差，选取误差最小的曲线作为最终的汽车行驶工况曲线。本发明减少了汽车行驶工况分析的误差，提高了汽车行驶工况分析的准确性。
一种城市行驶工况智能分析方法

[发明专利]基于改进分层时间记忆网络的CDN流量异常检测装置及方法-CN201910684025.0有效
发明人：王永利;郭相威;刘聪;赵宁;张伟;卜凡;朱亚涛;罗靖杰;刘森淼;彭姿容;朱根伟 -专利权人：南京理工大学
申请日： 2019-07-26 - 公布日： 2021-11-09 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于改进分层时间记忆网络的CDN流量异常检测装置及方法。该装置包括数据采集模块、数据预处理模块、数据存储模块、系统调度模块、异常检测模块和展示模块。方法为：数据采集模块对原生日志进行数据采集，转化为json格式发送至数据预处理模块；进行特征提取，得到CDN流量时间序列表示，数据存储模块对数据采集模块的日志数据和数据预处理模块的CDN数据进行存储；异常检测模块通过系统调度模块获取流量时间序列数据，输入至基于改进分层时间记忆网络的时间序列异常检测模型中进行在线学习，完成异常可能性计算，输出异常可能性判断的检测结果，展示模块对关键过程进行可视化呈现。本发明具有检测速度快、准确率高的优点。
基于改进分层时间记忆网络 cdn 流量异常检测装置方法

[发明专利]一种基于区块链智能合约的通用游戏道具交易系统及方法-CN201811068414.2在审
发明人：王永利;罗靖杰;胡煊峰;张伟;刘森淼;彭姿容;郭相威;朱亚涛;朱根伟 -专利权人：镇江纳兰随思信息科技有限公司
申请日： 2018-09-13 - 公布日： 2019-03-08 - 主分类号： A63F13/71 文献下载
摘要：本发明提出公开了一种基于区块链智能合约的通用游戏道具交易系统及方法。该系统包括用户权限管理、挂售道具管理、订单管理和服务器通知四个模块。方法为：编译游戏交易的智能合约的源代码，获取智能合约a；编译判断卖方游戏道具情况的智能合约的源代码，获取智能合约b；交易系统获取卖方信息，进行智能合约部署，对挂售的游戏道具进行判断，满足要求后写入智能合约区块链中；交易系统获取买方信息和购买的游戏道具信息；通过智能合约a、卖方游戏代号进行智能合约的部署，得到卖方的智能合约地址，然后以卖方信息和出售的游戏道具信息，买方信息和购买的游戏道具信息为参数完成交易，写入区块链中。本发明使游戏道具的交易更加的安全可靠。
游戏道具智能交易系统区块源代码卖方买方信息卖方信息编译写入交易用户权限管理服务器通知订单管理通用游戏购买部署道具管理

[发明专利]基于改进U-net卷积神经网络模型的癌细胞识别方法-CN201811068427.X在审
发明人：王永利;郭相威;孙淑荣;刘冬梅;刘森淼;彭姿容;罗靖杰;朱亚涛;朱根伟;张伟 -专利权人：镇江纳兰随思信息科技有限公司
申请日： 2018-09-13 - 公布日： 2019-02-05 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于改进U‑net卷积神经网络模型的癌细胞检测方法。该方法为：获取癌细胞的医学图像，对于医学图像进行处理，对医学图像中的癌细胞进行标注，构成带有标注的数据集，并将数据集分为训练集、验证集、测试集三个部分；构建U‑net卷积神经网络模型，确定U‑net卷积神经网络模型的参数，在U‑net卷积神经网络模型中载入测试集和验证集，通过深度学习方法从图像上进行特征学习，采用测试和验证相结合的方式，得到训练好的U‑net卷积神经网络模型；将训练好的U‑net卷积神经网络模型进行部署，用于对测试集中的癌细胞进行自动检测。本发明利用底部特征，直接从图像上进行特征学习，有较高的运行效率和自动检测准确度。
卷积神经网络医学图像癌细胞特征学习自动检测测试集数据集验证集标注图像癌细胞检测癌细胞识别测试和验证运行效率准确度训练集构建改进载入测试部署学习