“甘健侯”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25个，建议您升级VIP下载更多相关专利

[发明专利]一种基于多阶段时序和语义信息增强的自动问题生成方法-CN202310914371.X有效
发明人：周菊香;周明涛;韩晓瑜;甘健侯;徐坚 -专利权人：云南师范大学
申请日： 2023-07-25 - 公布日： 2023-10-10 - 主分类号： G06F40/35 文献下载
摘要：本发明提出基于多阶段时序和语义信息增强的自动问题生成方法，包括：首先获取模型所需的数据信息；构建基于多阶段时序和语义信息增强模型的编码器，将编码器多阶段编码得到的上下文信息进行融合，经过循环神经网络编码后得到增强的答案感知的上下文信息；构建基于多阶段时序和语义信息增强模型的解码器，在解码过程中引入迭代图神经网络，并结合基于注意力机制的循环神经网络、指针复制机制、覆盖机制生成问题。本发明是针对图到序列的问题生成模型编码器的多阶段编码以及解码过程中容易丢失上下文中丰富的序列信息和语义结构信息的弊端而提出的，能改善问题生成的质量，在自动评估指标和人工评价方面均优于序列到序列的问题生成方法。
一种基于阶段时序语义信息增强自动问题生成方法

[发明专利]一种基于关系旋转的知识表示学习方法-CN202310491665.6在审
发明人：王俊;王明杰;刘金生;甘健侯;周菊香;代飞;强振平;李子杰 -专利权人：云南师范大学
申请日： 2023-05-05 - 公布日： 2023-08-22 - 主分类号： G06N5/02 文献下载
摘要：本发明公开了一种基于关系旋转的知识表示学习方法。包括以下步骤：（1）对知识图谱中的实体和关系进行初始化向量表示（2）将训练集中的正样例通过替换头、尾实体以及关系的方法构造一定比例的负样例（3）将步骤（2）中得到的正、负样例代入到模型中，计算正、负损失以及总损失（4）根据步骤（3）中的损失通过Adam优化器来更新实体和关系的向量表示（5）重复步骤（2）~（4），直到迭代次数到达预先设定的最大迭代次数，最后输出实体和关系的向量表示，完成知识表示学习。发明可以有效地建模复杂知识图谱中的各种关系模式，提高链接预测以及知识图谱补全等任务的性能。
一种基于关系旋转知识表示学习方法

[发明专利]基于Transformer问题关键词预测的多样性问题自动生成方法-CN202310331534.1有效
发明人：周菊香;周明涛;李子杰;甘健侯;陈恳;徐坚 -专利权人：云南师范大学
申请日： 2023-03-31 - 公布日： 2023-07-25 - 主分类号： G06F40/284 文献下载
摘要：本发明提出一种基于Transformer问题关键词预测的多样性问题自动生成方法，属于自然语言处理领域。该方法包括：首先对数据集进行编码，然后构建一个基于Transformer的问题关键词预测器，通过增强基于GRU网络的编码器‑解码器模型的输入端，最后在解码器的输出端采取谱聚类和集束搜索的解码方式生成多样性问题。本发明针对商品网站中潜在的商品信息缺失问题进行研究，采用深度学习的方法，自动生成辅助商家识别发布的商品信息缺失的问题，使用生成的多样性问题来提醒商家完善商品的描述信息。实验结果表明，本发明在自动评估方面都优于以往传统的方法。
基于 transformer 问题关键词预测多样性自动生成方法

[发明专利]一种基于贝叶斯网络迁移的虚拟机服务质量动态预测方法-CN202110286598.5有效
发明人：郝佳;甘健侯;周菊香;王俊 -专利权人：云南师范大学
申请日： 2021-03-17 - 公布日： 2023-05-12 - 主分类号： G06F11/34 文献下载
摘要：本发明涉及一种基于贝叶斯网络迁移的虚拟机服务质量动态预测方法，属于服务质量预测技术领域。本发明首先获取动态改变的虚拟机QoS数据集，并基于前向采样法获取一组辅助迁移数据集。随后，利用当前贝叶斯网络预测上述两个数据集中各实例的QoS，并根据预测结果对各实例权重进行更新，从而得到两个带权数据集。然后，基于带权数据集和当前贝叶斯网络结构，计算贝叶斯网络的参数值，并根据参数值来评估动态改变的虚拟机QoS数据是否与当前贝叶斯网络的结构拟合。若是，则仅需根据贝叶斯网络的参数值来对网络进行更新；否则，则通过爬山法来更新贝叶斯网的结构，并计算其相应参数值。最后，根据迁移后的贝叶斯网络来实现虚拟机服务质量的动态预测。
一种基于贝叶斯网络迁移虚拟机服务质量动态预测方法

[发明专利]一种边端协同环境下基于启发式算法的增强现实任务卸载方法-CN202211356049.1在审
发明人：郝佳;甘健侯;周菊香;王俊;朱璐瑜 -专利权人：云南师范大学
申请日： 2022-11-01 - 公布日： 2023-02-28 - 主分类号： G06F9/48 文献下载
摘要：本发明涉及边端协同环境下基于启发式算法的增强现实任务卸载方法，本发明首先将AR总任务划分为若干个细粒度子任务，并确认每一个AR子任务大小；确定影响AR子任务执行时延的边缘服务器底层环境特征；收集“特征—时延”数据，构建BN并预测AR子任务在边缘服务器上的执行时延；计算AR子任务在移动终端的执行时延，以及卸载至边缘服务器的总时延；利用PSO算法将各AR总任务卸载方案编码，并利用GA加速方案收敛后，给出总时延最短的方案作为AR任务的最终卸载方案。本发明能设计出合理的AR任务卸载策略，能有效降低AR任务的执行总时延，并更快返回用户与场景的交互结果。
一种协同环境基于启发式算法增强现实任务卸载方法

[发明专利]一种基于文本特征融合的英语阅读材料难度判断的方法-CN202211364247.2在审
发明人： 甘健侯;王宇辰;李子杰;周菊香;欧阳昭相;陈恳 -专利权人：云南师范大学
申请日： 2022-11-02 - 公布日： 2023-01-20 - 主分类号： G06F16/33 文献下载
摘要：本发明涉及一种基于文本特征融合的英语阅读材料难度判断的方法，属于自然语言处理相关领域。首先针对英语阅读材料数据集，对输入的英文文本进行编码，将编码后结果输入到预训练语言模型中，计算得到包含语义信息的特征向量。然后对英文文本进行词性标注，将得到的词性序列输入到LSTM中，计算得到包含语法信息的特征向量。针对影响英语阅读材料难易程度的因素，对相关因素进行统计并进行特征提取。将得到的所有特征向量进行拼接后输入全连接层，最后经过sigmoid输出一个0到1的数值用来表示难度。本发明能有效地判断英语阅读材料的难度，更好地辅助英语教学中的各种自适应学习服务。
一种基于文本特征融合英语阅读材料难度判断方法

[发明专利]一种综合学习过程及题目知识点难度特征的知识追踪方法-CN202210383275.2有效
发明人：王俊;甘健侯;刘金生;吴迪;李子杰;谢昊;徐博 -专利权人：云南师范大学
申请日： 2022-04-12 - 公布日： 2022-12-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种综合学习过程及题目知识点难度特征的知识追踪方法，属于教育信息挖掘技术领域。首先收集学习者答题数据，保留数据中每道题的做题起始时间、做题用时、学习者标识、题目涉及的知识点、题目标识、正误标签等信息，并对数据进行预处理操作，然后依据对应知识点计算出每个题目的相对难度，然后生成答题情况数据序列并存储，最后将存储的数据序列输入到深度神经网络模型中，预测学习者后续答题的情况，即预测学习者对题目涉及知识点的掌握情况。
一种综合学习过程题目知识点难度特征知识追踪方法

[发明专利]一种基于循环一致性生成式对抗网络的民族服饰草图提取方法-CN202111548331.5在审
发明人： 甘健侯;吴迪;李子杰;吴峥;王俊;周菊香;徐博;邹伟 -专利权人：云南师范大学
申请日： 2021-12-17 - 公布日： 2022-11-18 - 主分类号： G06T7/13 文献下载
摘要：本发明涉及一种基于循环一致性生成式对抗网络的民族服饰草图提取方法，属于图像翻译技术领域。本发明利用基于循环一致性生成式对抗网络来对民族服饰图像进行草图自动生成，对少数民族服饰图像的边缘及轮廓特征进行提取，从而自动的生成民族服饰草图。在输入到生成器网络之前，需要对源图像进行双边滤波的降噪处理与颜色量化处理，优化源图像的质量帮助最终的民族服饰草图生成。本发明能够有效的自动生成少数民族服饰草图，实现民族服饰灰图像草图自动生成。
一种基于循环一致性生成对抗网络民族服饰草图提取方法

[发明专利]一种阅读理解问题的自动生成方法-CN202211014514.3有效
发明人：徐坚;甘健侯;王俊;吴迪;周菊香;张利明;姚贤明 -专利权人：云南师范大学
申请日： 2022-08-23 - 公布日： 2022-11-11 - 主分类号： G06F16/332 文献下载
摘要：本发明提出一种阅读理解问题的自动生成方法，属于自然语言处理的问题生成领域，该方法包括：通过对RACE数据集进行数据过滤和应用一种答案标记方法进行答案单词标记，重建了一个QG数据集RACE4QG；构建一个端到端的QG模型，QG模型中编码器的GRU以单词嵌入、答案标记和GAT生成的向量的拼接作为输入；编码器的隐藏状态通过门控自注意力机制，得到最终的通道‑答案表示，并输入解码器；进行问题生成模型的解码。本发明针对英语教师手动生成阅读理解问题时周期过长、耗时费力的弊端，采用深度神经网络的方法自动生成阅读理解问题。实验结果表明，本发明在机器自动评价和人工评价方面都优于传统的方法。
一种阅读理解问题自动生成方法

[发明专利]基于卷积神经网络和注意力机制的佤语孤立词汇识别方法-CN202211209083.6在审
发明人：王俊;刘金生;吴迪;陈恳;甘健侯;周菊香 -专利权人：云南师范大学
申请日： 2022-09-30 - 公布日： 2022-11-04 - 主分类号： G10L15/16 文献下载
摘要：本发明涉及基于卷积神经网络和注意力机制的佤语孤立词汇识别方法，属于语音识别领域。本发明对收集的原始佤语孤立词汇语音进行预处理并提取Fbank音频特征，然后使用卷积网络提取音频的深度特征信息，再输入到BiLSTM中充分学习音频序列在时间维度上的上下文信息，最后将BiLSTM层的输出特征输入到注意力层计算目标损失并输出结果，实现对佤语孤立词汇语音到中文词汇的建模，解决识别佤语孤立词汇识别率低的问题。本发明使用的网络结构简洁，在本方法所构建的数据集上可以达到88%的识别准确率。
基于卷积神经网络注意力机制孤立词汇识别方法

[发明专利]一种基于Q-learning的虚拟机细粒度资源自适应管理办法-CN202210440238.0在审
发明人：郝佳;甘健侯;周菊香;王俊;朱璐瑜 -专利权人：云南师范大学
申请日： 2022-04-25 - 公布日： 2022-07-01 - 主分类号： G06F9/455 文献下载
摘要：本发明涉及一种基于Q‑learning的虚拟机细粒度资源自适应管理办法，属于虚拟机动态管理技术领域。本发明首先利用Linux性能监测工具实时搜集硬件计数器数据后，结合LightGBM算法来预测应用的响应时间是否满足SLO。当预测结果超出SLO规定范围时，则基于强化学习框架Q‑learning，来动态调整CPU、内存、硬盘、网络带宽和末级缓存(Last Level Cache,LLC)这些细粒度资源。使得用户应用在满足SLO指标的同时，还能最大化细粒度资源的使用效率。
一种基于 learning 虚拟机细粒度资源自适应管理办法

[发明专利]一种基于细粒度语义级的民族服饰灰度图像着色方法-CN202011259558.3有效
发明人： 甘健侯;吴迪;邹伟;周菊香;王俊 -专利权人：云南师范大学
申请日： 2020-11-12 - 公布日： 2022-03-25 - 主分类号： G06V10/26 文献下载
摘要：本发明涉及一种基于细粒度语义级的民族服饰灰度图像着色方法，属于灰度图像自动着色技术领域。本发明利用服饰不同部位语义来辅助民族服饰灰度图像着色。一般全自动的着色方法并不会考虑图像的语义信息，而对于民族服饰而言，不同服饰部位颜色分布差异较大，本发明是将服饰细粒度级的语义信息和灰度图像信息同时作为条件输入到生成器，其中最重要的是利用服饰不同部位的语义信息，来解决服饰图像空间一致性等问题。
一种基于细粒度语义民族服饰灰度图像着色方法

[发明专利]基于模糊语义推理的炼焦过程耗热量影响因素优化方法-CN201810170875.4有效
发明人： 甘健侯;周菊香;唐晓宁;文斌;王俊;邹伟 -专利权人：云南师范大学
申请日： 2018-03-01 - 公布日： 2022-03-22 - 主分类号： G06F30/20 文献下载
摘要：本发明涉及基于模糊语义推理的炼焦过程耗热量影响因素优化方法，属于冶金智能控制、冶金自动化技术领域。本发明根据AFS公理模糊集理论，针对炼焦过程中耗热量的影响因素，挖掘内在的模糊语义，通过语义的评价和重要性因子的计算，提取各影响因素的关键简单语义，并对耗热量影响因素的参数范围进行设定，完成炼焦过程耗热量影响因素优化。本发明对炼焦过程耗热量影响因素优化，实现在实际生产过程中确保焦炭质量合格的同时使得耗热量较低的目标。
基于模糊语义推理炼焦过程耗热量影响因素优化方法

[发明专利]一种基于注意力机制与图关系网络的服饰属性预测方法-CN202111434529.0在审
发明人： 甘健侯;吴迪;欧阳昭相;李金绪;王俊;周菊香;郝佳 -专利权人：云南师范大学
申请日： 2021-11-29 - 公布日： 2022-02-08 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于注意力机制与图关系网络的服饰属性预测方法，属于多任务图像分类领域。本发明利用双分支注意力网络模块与图关系网络来对服饰属性的特征进行学习和识别分类，利用卷积神经网络编码器对服饰图像信息进行特征初步提取，将提取的结果输入到双分支注意力模块中的任务注意力模型和空间注意力模型进行特征的进一步提取和学习、增强，再使用增强后的特征输入任务图上下文推理模块，模块会基于特征来建立模型，输出有用的相关信息。最后依赖于模块输出的相关信息，多任务服饰属性分类器会输出最终的分类结果。本发明能够有效的对服饰特征信息进行提取，实现服饰特征的提取、增强、预测和分类。
一种基于注意力机制关系网络服饰属性预测方法

[发明专利]一种改进的基于IWO的无线传感器网络定位方法-CN201910260400.9有效
发明人：张亚明;甘健侯;刘燕;穆向阳;陈恳 -专利权人：云南师范大学;西安石油大学
申请日： 2019-04-02 - 公布日： 2021-10-08 - 主分类号： H04W64/00 文献下载
摘要：本发明涉及一种改进的基于IWO的无线传感器网络定位方法，属于无线传感器网络技术领域。本发明首先将网络中各无线传感器节点完成定位前的数据交互，再对未知节点的位置进行区域性估计，得到估计区域，接着以该估计区域为可行解搜索空间，通过改进算法初始种群的随机分布和杂草分布标准差，在估计区域内完成最优解的搜索，最后以最优解作为未知节点的最佳位置估计，输出定位结果。本发明可以在提高算法收敛速度、降低算法计算成本的同时有效提高算法定位精度。
一种改进基于 iwo 无线传感器网络定位方法

1
2
下一页»
尾页
共 25 条