“林木深”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5个，建议您升级VIP下载更多相关专利

[发明专利]基于拼音和BERT嵌入的中文语义匹配方法-CN202010197034.X有效
发明人：谢金宝;战岭;范衠;黄书山;林木深;陈小威 -专利权人：哈尔滨理工大学
申请日： 2020-03-19 - 公布日： 2023-09-26 - 主分类号： G06F16/35 文献下载
摘要：本发明提供了一种基于拼音和BERT嵌入的中文语义匹配方法，包括：构建包括数据预处理模块、BERT嵌入层模块、池化层模块和分类器模块的语义匹配模型，并对语义匹配模型进行训练，以利用训练好的语义匹配模型对待匹配语句进行中文语义匹配；数据预处理模块对待匹配的两个中文语句中的每个字进行拼音转换以及拼音切分，得到对应的拼音序列；BERT嵌入层模块根据所得拼音序列的上下文为其中每个拼音进行嵌入向量生成，得到嵌入向量序列；池化层模块将嵌入向量序列聚合成用于分类的一维语义表征向量；分类器模块根据一维语义表征向量进行分类，得到对应于两个中文语句之间语义关系的预测结果。上述方法能够大幅降低预训练所需数据量保证较好的效果。
基于拼音 bert 嵌入中文语义匹配方法

[发明专利]基于机器视觉的智能避障系统及方法-CN202010986659.4有效
发明人：谢金宝;李紫玉;殷楠楠;林木深;赵楠;陈小威;李双庆 -专利权人：哈尔滨理工大学
申请日： 2020-09-18 - 公布日： 2023-04-07 - 主分类号： G05D1/02 文献下载
摘要：本发明涉是一种基于机器视觉的智能避障系统及方法，尤其涉及基于机器视觉的智能避障旅行箱(小车)，属于智能机器人技术领域，目的是解决现有技术中智能跟随旅行箱无法紧急避障，自动行走过程不便捷、不够智能的问题，本发明包括机器硬件驱动和软件数据处理两部分；机器硬件驱动包括于单片机、驱动板和摄像机；软件数据处理包括图像获取模块、摄像机标定模块、图像处理模块和机器视觉实现模块，图像处理自动识别目标实现自动跟随功能，实现自动避障，识别障碍物，使得智能旅行箱(小车)更加便捷，极大地减轻人们出行的负担。
基于机器视觉智能系统方法

[发明专利]一种基于交叉带式分拣结构的智能垃圾分类系统-CN202110223007.X有效
发明人：王玉静;林木深;万方高;卢俊诚;侯梦晨;卢俊宇;康成璐 -专利权人：哈尔滨理工大学
申请日： 2021-02-28 - 公布日： 2022-11-01 - 主分类号： B65F1/00 文献下载
摘要：一种基于交叉带式分拣结构的智能垃圾分类系统，属于垃圾分类技术领域，用以解决现有的垃圾分类系统对于垃圾分类的分拣效率不高的问题。该系统包括：数据采集模块、主控制模块、传送模块、垃圾容纳模块；其中，数据采集模块包括摄像头，摄像头用于采集图像数据；主控制模块包括图像识别子模块和驱动子模块，图像识别子模块用于根据图像数据对垃圾类别进行识别，驱动子模块用于根据垃圾类别信息驱动传送模块进行不同模式的传动；传送模块设置在所述垃圾容纳模块上方，包括传动轴垂直交叉且不相交的两条传送带和电机。本发明系统垃圾传送采用交叉带式结构，相比于人工分类，节约了人力物力成本，且更加智能、分类效率更高。
一种基于交叉分拣结构智能垃圾分类系统

[实用新型]一种交叉带式的垃圾分拣系统-CN202120460942.3有效
发明人：侯梦晨;卢俊宇;林木深;万方高;卢俊诚 -专利权人：侯梦晨;卢俊宇
申请日： 2021-03-03 - 公布日： 2021-12-07 - 主分类号： B65F1/00 文献下载
摘要：本实用新型公开了一种交叉带式的垃圾分拣系统，包括控制器本体、安装耳、控制面板、面盖、出风口、卡扣、安装壳、散热机构、螺丝扣、风扇、显示屏、警报器、轴承、转轴、转筒、导线、温度传感器、温度探头、固定块、夹块一、弹簧、夹块二、按压机构、连接杆和控制开关。本实用新型的有益效果是：可以有效的将可回收垃圾、厨余垃圾、有毒有害垃圾、不可回收垃圾四种垃圾识别并分拣投放到相应垃圾桶内，采用交叉复式传送带，并且传送带可双向传送，很大程度上减少了整个垃圾分拣系统的体积，采用斜坡挡板、挡杆、阻力杆的设计，极大程度上避免了垃圾掉落滚动引起的错误投放，结构简单且维护方便。
一种交叉垃圾分拣系统

[发明专利]一种基于BERT与LSTM、CNN融合的中文情感分析方法-CN201910462751.8在审
发明人：谢金宝;王彦卿;王庆岩;王玉静;林木深;李紫玉;赵楠 -专利权人：哈尔滨理工大学
申请日： 2019-05-30 - 公布日： 2019-10-15 - 主分类号： G06F16/35 文献下载
摘要：本发明提供了一种基于BERT与LSTM、CNN融合的中文情感分析方法。该方法包括：对中文语料数据集中的多条中文语料进行文本预处理，以获得所述多条中文语料对应的多个序列；使用BERT模型提取每个序列的词嵌入；采用BERT、LSTM和CNN对每个序列进行特征提取，以获得每个序列对应的文本深层语义特征；通过使用softmax分类器对所获得的文本深层语义特征进行分类，来对模型进行训练和测试，进而实现情感极性预测分析。本发明的上述技术能够克服现有技术不足，提高对中文文本情感分析的准确率。
情感分析中文语料语义特征文本文本预处理模型提取情感极性数据集中特征提取中文文本融合分类器准确率嵌入测试分类预测分析