一种基于知识图谱与迁移学习的企业安全风险预测方法.pdf
长春****主a
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于知识图谱与迁移学习的企业安全风险预测方法.pdf
本发明提供了一种基于知识图谱与迁移学习的企业安全风险预测方法,所述方法包括建立企业生产安全知识图谱、预训练基于迁移学习的灰色聚类算法、根据企业生产安全知识图谱获取事故发生数据并微调迁移学习的灰色聚类算法、根据微调后迁移学习的灰色聚类算法分析现场行为安全数据、计算生产现场安全风险等级、根据灰关联分析方法计算行为指标关联度追踪关键行为指标、根据企业生产安全事故知识图谱路径推理算法识别关键行为指标相关危险位置。本方法利用知识图谱构建算法,建立知识库,通过在已有数据预训练模型,提升模型的准确率和挖掘信息的能力,有
一种基于偏好迁移的知识图谱推荐方法.pdf
本发明属于推荐系统技术领域,提供一种基于偏好迁移的知识图谱推荐方法。注意力嵌入传播主要由注意力嵌入传播层、偏好迁移层、预测层组成。其中注意力嵌入传播层递归的在协作知识图谱上传播节点的邻居的嵌入以细化节点的嵌入,并通过知识感知注意机制学习传播过程中每个邻居的权重,最后聚合来自所有层的用户和项目表示;偏好迁移层通过其设置的阈值找到属于冷启动的用户,然后在用户逻辑交互空间上基于图卷积网络架构对冷启动用户的邻居用户进行二次传播,并使用归一化的交并比来表示每个邻居用户的权重;预测层通过最终得到的用户和项目表示,输出
一种基于迁移学习的时空序列预测方法.pdf
本发明公开了一种基于迁移学习的时空序列预测方法,属于时空序列预测领域和迁移预测领域;具体为:首先,收集待预测城市的无线业务流量,作为时空序列源数据,基于时空预测模型的局部卷积网络和残差网络,学习时空特征;同时提取外部信息源数据,基于局部卷积学习外部信息特征;然后,将时空特征输入对抗生成网络,学习得到时空共性特征;通过融合时空特征、时空共性特征和外部信息特征,得到时空预测模型的预测值;并通过最小化预测损失函数,优化预测模型的参数。最后,将该时空预测模型迁移到与源数据具备同时空的共性特征的目标域数据,得到目标
一种基于迁移学习的绘画情感预测方法.pdf
本发明属于图像情感计算技术领域,一种基于迁移学习的绘画情感预测方法,解决绘画情感的自动预测。具体为:将绘画图像由RGB颜色空间转换成HSV模型,保留对绘画情感影响较大的H和S分量作为颜色特征图像。采用局部二值模式提取局部纹理特征。在AlexNet网络上采用迁移学习的方法,保留原始网络中全部卷积、池化和一个全连接的部分,并新增了5个全连接层。在对新模型进行参数微调时,将模型的前5层卷积层和第6层全连接层的网络参数作为目标模型的参数,新增全连接层(7‑11层)的参数采用随机初始化。将颜色分量H、S和LBP纹理
一种基于知识图谱的安全风险等级评定方法及系统.pdf
本发明适用于计算机领域,提供了一种基于知识图谱的安全风险等级评定方法及系统,通过获取企业内部与安全风险等级评定相关的数据信息,将数据信息中的有效信息进行结构化,进而构建企业安全知识图谱;当开展新的项目时,获取新项目资料信息;逆向运用溯源知识图谱,提取新项目资料信息中涉及安全风险控制信息的内容,并导入到溯源知识图谱中;根据溯源知识图谱分析新项目存在的安全风险原因,并对新项目的安全风险等级进行评定,得出新项目所处的安全风险等级;将新项目存在的安全风险原因以及新项目所处的安全风险等级反馈给评测端。能够自动对新项