-
公开(公告)号：CN112182576A
公开(公告)日：2021-01-05
申请号：CN202011095534.9
申请日：2020-10-14
Applicant: 桂林电子科技大学
Abstract: 本发明提供的一种基于深度学习中特征碰撞的投毒攻击方法，涉及人工智能领域，包括建立识别模型；获取健康数据集，将所述健康数据集分割为训练集和测试集，从所述测试集中选取一数据，作为目标样本，从后门类别中选取一类别，作为后门样本；将所述后门样本初始化，作为投毒样本，将所述投毒样本进行预处理；将所述投毒样本和所述目标样本拟合，获得所述识别模型的神经网络中瓶颈层的欧几里得距离；将所述投毒样本和所述后门样本拟合，获得所述识别模型的神经网络中输入层的弗罗贝尼乌斯距离；所述投毒样本拟合到最优时，获取最终的所述投毒数据。即使对数据进行扩增操作，攻击方也能实现投毒攻击。
-
公开(公告)号：CN110608884B
公开(公告)日：2021-01-05
申请号：CN201910728620.X
申请日：2019-08-08
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06N3/08
Abstract: 本发明公开了一种基于自注意力神经网络的滚动轴承状态诊断方法，包括：使用振动加速传感器采集不同电机负载下不同状态的滚动轴承振动加速度的时序信号，得到振动加速度数据作为样本数据；对采集的样本数据进行数据增强处理；对数据增强处理后的样本数据按照滚动轴承状态类型贴上相应标签；利用多层映射扩展每一个样本数据的特征矢量，从一维特征变为多维特征；构建自注意力网络诊断模型；用处理后的样本数据对自注意力网络诊断模型进行训练，评估训练后的诊断模型，并将其应用于监测待诊断的滚动轴承。本发明使用数据增强技术、拓展特征方法，减少了该方法对数据量的需求，增加了本发明应对极端环境的能力。
-
公开(公告)号：CN111860942A
公开(公告)日：2020-10-30
申请号：CN202010509378.X
申请日：2020-06-08
Applicant: 桂林电子科技大学
Abstract: 本发明提供的是一种融合自注意力机制和深度矩阵分解的学生成绩预测方法。其特征是：构建学生，课程，成绩的三元组成绩矩阵，通过将深度学习与矩阵分解融合的模型实现成绩预测。本发明设计了一个带有注意力机制的深度矩阵分解模型，通过构建学生、课程的成绩矩阵，然后将成绩矩阵对应的学生和课程向量作为输入，对其进行投影，得到其学生(课程)的潜在特征向量；然后，分别对学生(课程)的潜在特征向量加入自注意力机制构建多层感知器网络；最后，通过构建双线性池化层，将行和列的输出向量进行融合，得到成绩预测值，以此提高预测结果的准确度和可解释性。
-
公开(公告)号：CN107657347B
公开(公告)日：2020-10-23
申请号：CN201710919644.4
申请日：2017-09-30
Applicant: 桂林电子科技大学
IPC: G06Q10/04 , G06Q50/14 , G06F16/9535
Abstract: 本发明公开一种面向群组的旅游推荐方法，结合用户共同评分项的稀疏程度、关键词、用户共同标签、位置以及用户局部满意度与整体满意度的旅游推荐方法，即利用用户共同评分项的稀疏程度，根据基于协同过滤的思想得到推荐方案；利用文档关键词的词频，采用基于内容的推荐得到推荐方案；利用信任用户共同的标签，采用基于社交网络的推荐得到推荐方案；将上述三个推荐方案通过加权组合得到混合推荐方案，并在其中融入用户与景点的距离因素；利用群组成员之间的交互，定义融合成员推荐列表的函数，得到最终的推荐方案，以提旅游推荐的用户体验，具有良好的实用性。
-
公开(公告)号：CN111507796A
公开(公告)日：2020-08-07
申请号：CN202010268588.4
申请日：2020-04-07
Applicant: 桂林电子科技大学
IPC: G06Q30/06 , G06Q30/02 , G06F16/35 , G06F16/36 , G06F16/951
Abstract: 本发明公开了一种基于知识图谱的网上商城商品推荐方法，利用网络爬虫技术获取用户对商品的评分信息和属性数据，对所述属性数据进行预处理后进行编号，根据所述评分信息将商品划分为正例和负例；根据商品及其属性数据，构建实体关系三元组，并得到商品知识图谱，获取设定路径数，进行相似度计算，得到相关性概率；将商品购买信息输入用户偏好建模模块中，并在所述商品知识图谱中传播，得到用户表示向量，基于邻居信息，结合对应的实体的特征信息，得到实体表示向量，将所述用户表示向量和所述实体表示向量进行内积运算后，将得到的购买概率按照降序排列，基于设定阈值进行选取，得到对应的推荐列表，能够准确的给用户推荐商品。
-
Patent Agency Ranking
公开(公告)号：CN111415198A
公开(公告)日：2020-07-14
申请号：CN202010195068.5
申请日：2020-03-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于逆向强化学习的游客行为偏好建模方法，基于iBeacon对展品进行定位，结合智能手机接收拍照广播的次数和iBeacon的位置标识，上传并存储游览行为数据，获取马尔科夫决策过程中的五个元素，构建马尔科夫决策过程模型，利用函数逼近法构造回报函数，获取并在所述回报函数中加入归一化后的拍照次数和停留时间，并把所述游览数据转换为专家示例数据，采用玻尔兹曼分布来计算策略，得到对数似然估计函数后，进行求导和更新权重向量，并当满足设定条件时，结束偏好的学习，能根据有限的游客游览数据学习出精准的游客偏好。
-
公开(公告)号：CN107292402B
公开(公告)日：2020-05-19
申请号：CN201710562299.3
申请日：2017-07-11
Applicant: 桂林电子科技大学
Abstract: 本发明一种公开基于日程预匹配的时间金额约束拼车方法，通过将用户在特定平台上发布的日程相关信息提取出来，利用预设区分活跃用户阈值的计算方法，筛选活跃用户，在针对活跃用户利用金额时间撮合方法结合活跃用户的相关信息，继续进行拼车用户的预匹配计算，对于在拼车金额以及拼车时间问题上符合匹配程度的生成两个集合，再将两个集合中寻找最合适的乘客对它们进行组合，组合成功之后，通过微信进行通知匹配成功，继而再去联系司机。本发明实现了在拼车过程中结合办公日程，为办公行程介绍了大量不必要的等待时间，降低了临时拼车的人多车少的局面，缓解了交通压力。
-
公开(公告)号：CN107465664B
公开(公告)日：2020-04-24
申请号：CN201710552034.5
申请日：2017-07-07
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于并行多人工蜂群算法和支持向量机的入侵检测方法，首先对原始的人工蜂群算法进行了重新设计，包括：蜜源编码方案的设计、种群的初始化设计、适应度评价函数的构造、蜜源的邻域搜索方法和招募观察蜂概率的计算，克服了算法易早熟、解的多样性差、易陷入局部最优、后期收敛速度慢等问题。其次，设计了多蜂群间的信息交流与协作机制，利用并行执行技术，给出了双环形多蜂群并行协同优化模型，用于对特征和支持向量机模型参数进行同步优化。然后，基于该协同优化模型，给出了基于并行多人工蜂群算法和支持向量机的入侵检测方法和模型。
-
公开(公告)号：CN110490849A
公开(公告)日：2019-11-22
申请号：CN201910720076.4
申请日：2019-08-06
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于深度卷积神经网络的钢板表面缺陷分类方法及装置，该分类方法包括：构建钢铁表面缺陷数据集，所述缺陷包括龟裂、折叠、覆盖杂质、斑点、点蚀面、表面氧化、划痕；对所述钢铁表面缺陷数据集进行预处理；对预处理后的数据集中的图像进行数据扩充；将数据扩充处理后的数据集作为训练集；利用所述训练集训练深度卷积神经网络；利用所训练的深度卷积神经网络对钢板表面缺陷进行分类。本发明对于图像分类来说，具有较高的精准度。
-
公开(公告)号：CN110288436A
公开(公告)日：2019-09-27
申请号：CN201910530074.9
申请日：2019-06-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于游客偏好建模的个性化景点推荐方法，包括：采集数据和预处理，对游客、景点等对象编号；将显示评分转换为隐式评分，划分正例和负例景点；构建三元组和景点知识图谱，生成每个景点的特征向量和上下文特征向量；通过KCNN生成游客历史游览景点和候选景点的向量表示；通过注意力网络计算游客每个历史游览景点的影响权重，得到游客对景点的偏好向量；利用DNN计算游客游览该景点的概率，按概率从小到大生成游客的景点推荐列表。本发明在刻画游客历史访问景点对候选景点的不同影响以及表征游客多样化的偏好时，使用注意力网络来计算游客历史访问景点对候选景点的影响权重，使得推荐结果更加符合游客的偏好。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.038 seconds)
