专利汇可以提供基于深度学习的车载交互控制算法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种基于 深度学习 的车载交互控制 算法 ,属于车联网智能控制技术领域。该算法包括:多特征融合下的自然语言数据稀疏表示,使词、句子等多层次结构中的词向量与词性、依存关系等语境向量深度融合,且稀疏表示融合生成的词向量;半 监督学习 下的自然语言深度学习模型优化,使深度学习模型与自然语言任务匹配,并按不同训练环境快速切换梯度学习机制;表示学习下的自然语言张量知识图构建与推理,使知识图中的实体、概念、类别以及语义关系转换为同一语义空间的数值向量,利用多列 卷积神经网络 学习获取知识 特征向量 ,通过目标问句向量与知识特征向量的相似度得分计算实现知识推理。本发明能有效应答用户交互的自然语言信息,满足用户的行车需求。,下面是基于深度学习的车载交互控制算法专利的具体信息内容。
1.一种基于深度学习的车载交互控制算法,其特征在于:该算法包括以下步骤:
S1:获取行车过程相关控制命令与行车自然语言的训练文本;
S2:采用词向量表征方式融合多语境描述进行数据稀疏表示;
S3:构建优化型卷积神经网络学习模型;
S4:在同一语义空间中利用相似度得分机制实现知识图推理;
所述步骤S1具体为:由网络爬虫从互联网获取行车自然语言数据;过滤冗余信息并人工整合行车控制命令与行车自然语言数据;获取训练文本;
所述步骤S2具体为:用最大熵依存句法分析器划分文本短语并获取语境量化描述;采用word2vec将其融合成词向量,借助无监督最大释然学习实现所述数据稀疏表示;
所述步骤S3具体为:构造条件函数来优化切换多学习机制;对稀疏表示的训练数据进行无监督学习预训练进而获取其训练权值;按照适当比例将人工知识注入部分训练数据进行再学习构成所述神经网络学习模型;
所述学习模型通过训练文本稀疏表示进行重复迭代训练更新权重至误差在预设的误差范围之内;
所述步骤S4具体为:根据人类知识表征结构构造附有语义信息的三维张量定义知识图三元组;通过多列卷积神经网络生成知识实体与所需答案相关特征向量;通过哈希、卷积、池化和语义映射运算后得到所述答案相关特征向量;
相似度得分机制为:对词嵌入学习得到的知识图三元组数值向量采用Recursive sentence基本表示结构,在稀疏化表示后提交给多列卷积神经网络模型CNN;通过该神经网络模型的哈希、卷积、最大池化和语义映射运算之后得到答案类型、答案路径、答案周围实体三种特征向量;将这三种特征向量分别与问句向量做相似度计算,最终的推理得分由三种相似度求和而得;即,S(q,a)=f1(q)Tg1(a)+f2(q)Tg2(a)+f3(q)Tg3(a);其中,S(q,a)表示推理得分,f1(q)Tg1(a)表示答案类型的相似度,f2(q)Tg2(a)表示答案路径的相似度,f3(q)Tg3(a)表示答案周围实体的相似度。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种移动式供热机组故障诊断方法 | 2020-05-17 | 576 |
一种基于Triple-GAN的分类方法 | 2020-05-11 | 545 |
一种基于层次注意力机制的半监督网络表示学习模型 | 2020-05-13 | 599 |
一种资产配置方法、装置、电子设备及存储介质 | 2020-05-11 | 647 |
一种特征权重自学习的睡眠质量检测关键脑区判定方法 | 2020-05-08 | 88 |
一种基于对抗训练和对抗学习网络的半监督文本分类方法 | 2020-05-18 | 681 |
一种基于卷积神经网络的自动驾驶汽车前方物体检测方法 | 2020-05-17 | 945 |
一种基于半监督学习的多标签语料库文本分类方法 | 2020-05-13 | 481 |
一种图片标记方法、装置、设备及存储介质 | 2020-05-08 | 967 |
一种融合半监督学习和主动学习的搜索引擎用户满意度评估方法 | 2020-05-13 | 482 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。