-
公开(公告)号：CN100435542C
公开(公告)日：2008-11-19
申请号：CN200510117148.4
申请日：2005-11-01
Applicant: 北京邮电大学
Abstract: 一种用于通信事务处理系统的过载检测方法，是根据系统资源占用率与响应时间的变化关系：系统负荷高，必然导致后台消息排队时间加长，响应时间将加大的规律，提出的一种过载检测方法：通过对可测量的两个物理量-业务平均呼叫到达率λ及其对应的系统响应时间T的量测，再根据本发明设计的相关公式和机理，计算求出资源占用率R，进而判断系统是否过载。该方法能够不依赖系统的各种具体环境或实现条件，只是根据系统中的业务负荷大小状况自动进行过载检测；且计算方法简单，判断准确，工作可靠。该方法与申请人的《在多业务环境下基于业务控制点的智能网过载的控制方法》的专利申请相结合，能够很好地实现网络系统的过载检测和过载控制。
-
公开(公告)号：CN1713777A
公开(公告)日：2005-12-28
申请号：CN200510085551.3
申请日：2005-07-25
Applicant: 北京邮电大学
IPC: H04Q7/38
Abstract: 一种集定位和业务功能于一体的位置服务的平台系统，包括以下功能实体：IP接口机、7号信令接口机、地理信息服务器、定位业务逻辑服务器和操作维护机。该系统支持2G、2.5G、3G移动通信网络，可与移动网络核心网元实现互联互通；有很好的扩展性：支持向第三方开放接口，完全符合3GPP规范中的GMLC的相关规范标准，能够为移动定位业务提供广泛支持，也可实现与异地位置业务系统的互联互通，是推动移动定位业务快速发展的比较理想的技术方案。本发明还提供一种定位服务时使用的扇区优化方法：以用户移动终端所在扇区的几何中心点来替代传统的蜂窝小区中心的基站位置，作为该终端当前所在位置；该方法简便易行，定位精度高，且无需对现网进行任何升级或改造。
-
公开(公告)号：CN1700713A
公开(公告)日：2005-11-23
申请号：CN200510077699.2
申请日：2005-06-22
Applicant: 北京邮电大学
Abstract: 一种移动终端下载多媒体振铃音的实现方法及系统，该系统包括：个性化回铃音业务平台、WAP网关、短消息发送平台、计费接口机和计费服务器、可选配的个性化回铃音WWW网站和/或个性化回铃音IVR服务器，以及作为核心控制部件、并采用基于IP的数据链路分别联结上述各个装置的个性化振铃音业务服务器，系统结构简单，控制容易、操作便捷，易于推广应用。本发明下载多媒体振铃音的实现方法关键是采用自动适配算法，系统能够自动进行振铃音与用户移动终端型号的适配，解决了现有技术不能即听即下和自动适配的技术难题，为用户发现、选择和下载多媒体振铃音提供了一种简单、便捷、有效的技术手段，同时为内容提供商和网络运营商拓宽了增值业务的应用范围。
-
公开(公告)号：CN114168952B
公开(公告)日：2025-03-14
申请号：CN202111242874.4
申请日：2021-10-25
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC: G06F21/56 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种神经网络木马病毒防御方法、装置、电子设备及存储介质。该方法包括：获取目标网络的训练数据集，训练数据集包括有一定量的训练用图片；通过预先训练的有效区域筛选器对每个训练用图片进行筛选，以去除每个训练用图片中用于设置木马病毒的无效区域，得到筛选后的训练数据集；通过筛选后的训练数据集对目标网络进行训练。在进入目标网络之前筛选掉无效区域，隐藏在无效区域中的木马病毒无法进入到后续目标网络当中，有效地保护目标网络训练数据及目标网络的安全性。
-
公开(公告)号：CN114186604B
公开(公告)日：2025-03-07
申请号：CN202111241117.5
申请日：2021-10-25
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC: G06F18/2431 , G06N3/0464 , G06N3/09 , G06F18/214
Abstract: 本公开提供一种深度神经网络样本木马的构造方法及电子设备，所述方法包括：通过注入后门中毒数据，调整深度神经网络结构以及构造后门攻击触发模式模型的方法，分析后门中毒数据、深度神经网络结构、后门攻击触发模式与深度神经网络中毒攻击成功之间的关系特性；基于所述关系特性，针对特定类别或通用类别数据构造深度神经网络样本木马的后门攻击触发模式；构造嵌入隐形后门的第一水印图案，以及构造校准图像几何变换的第二水印图案；基于优化所述后门攻击触发模式的方法构造所述深度神经网络样本木马。本公开提供的深度神经网络样本木马的构造方法构造的样本木马，具有良好的隐形性以及鲁棒性，能够为后续木马检测研究提供支撑。
-
Patent Agency Ranking
公开(公告)号：CN119517430A
公开(公告)日：2025-02-25
申请号：CN202411429652.7
申请日：2024-10-14
Applicant: 北京邮电大学
Abstract: 本申请提供一种医疗领域大模型训练数据生成方法,通过以真实病例数据为参考，通过自动化程序调用大语言模型，使大语言模型批量生成问题数据、参考数据与答案数据，并且通过设置的prompt提示词引导大语言模型生成并优化模型精调数据，从而为医疗领域行业模型生成特化的模型精调数据，节省了后续行业大模型的训练时间。并且由于病例数据获取难度较高，隐私信息较多，相较于直接获取真实病例信息，本申请所公开的技术方案还具有成本低、隐私性强的优点。
-
公开(公告)号：CN114360071B
公开(公告)日：2024-12-03
申请号：CN202210028558.5
申请日：2022-01-11
Applicant: 北京邮电大学
IPC: G06V40/30 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/776 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 基于人工智能实现离线手写签名验证的方法，针对离线场景下的手写签名验证问题，使用SVM以及孪生神经网络框架进行特征提取与结果分类，同时使用逆鉴别网络思想，对输入的签名图片进行像素反转，得到多组数据同时进行验证；本发明方法不仅使用了深度学习的方法，而且同时结合了机器学习的方法，使得本发明的方法可靠性和准确率更高。
-
公开(公告)号：CN114580427B
公开(公告)日：2024-06-14
申请号：CN202111641822.4
申请日：2021-12-29
Applicant: 北京邮电大学
IPC: G06F40/30 , G06F40/289 , G06F18/23213 , G06F18/2415 , G06N3/0464 , G06N3/044 , G06N3/084
Abstract: 本申请提供一种自媒体用户选择方法及相关装置，该方法包括：周期性获取多个预选用户的初始数据，得到每个预选用户的关系特征、影响力特征、粉丝特征、情感特征和传播度特征；利用关系特征，对全部预选用户执行聚类算法进行聚类，在每个类别的预选用户中确定多个候选用户；采取极端梯度提升算法对该候选用户的影响力特征进行加权，得到影响力得分；利用粉丝特征计算粉丝重要度得分；利用自回归语言模型、循环卷积神经网络和注意力机制构建情感分析模型，得到情感得分；利用传播度特征、影响力得分、粉丝重要度得分和情感得分进行区间模糊处理，得到目标权重，并输入预置的多准则决策框架，得到该候选用户的综合值，并根据综合值确定目标用户。
-
公开(公告)号：CN117708426A
公开(公告)日：2024-03-15
申请号：CN202311739020.6
申请日：2023-12-18
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06N3/0464 , G06N3/045
Abstract: 基于双曲超图神经网络与注意力机制的会话推荐系统和方法，系统包括双曲超图神经网络模块、会话学习模块SLM、兴趣提取模块IEM和预测模块；方法包括如下操作步骤：(1)双曲超图神经网络模块为全体会话中所包含的所有物品生成高质量的初始化表征；(2)会话学习模块SLM计算每个会话的含有数据空间结构性质的所有物品的新表征；(3)兴趣提取模块IEM计算每个会话的含有会话中各个物品之间的长距离依赖关系和物品的相对位置信息的新表征；(4)预测模块为每个会话生成最终的Top‑K预测。
-
公开(公告)号：CN117633235A
公开(公告)日：2024-03-01
申请号：CN202311687446.1
申请日：2023-12-11
Applicant: 北京邮电大学
IPC: G06F16/35 , G06F18/25 , G06F40/30 , G06V30/182 , G10L15/187 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06N3/094 , G06N3/092
Abstract: 基于大模型和动态知识检索的恶意文本内容审核系统和方法，系统包括如下模块：语言模型模块、表征模型模块、动态知识库模块、多模态表征模块和内容分类模块；方法包括如下操作步骤：(1)将待分类文本输入到多模态表征模块；(2)多模态表征模块将待分类文本进行多模态表征处理，分别得到待分类文本的语义表征、字形表征和读音表征，然后将上述表征进行加权融合，得到所述待分类文本的融合特征；(3)将所述待分类文本的融合特征输入到所述语言模型模块中的轻量级文本分类语言模型中，得到待分类文本的类别。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.071 seconds)
