-
公开(公告)号：CN115862888A
公开(公告)日：2023-03-28
申请号：CN202310135076.4
申请日：2023-02-17
Applicant: 之江实验室
IPC: G16H50/80 , G06Q10/04 , G06N3/0442 , G06N3/042 , G06N3/08
Abstract: 本申请涉及一种传染病感染情况预测方法、系统、设备及存储介质，通过增量模块响应预设指令，控制输入模块获取新增数据，图引擎根据新增数据对基于历史数据得到的第一图模型进行迭代训练，得到第二图模型，如此进行图模型的动态更新，其中图模型以各地区作为节点，各节点特征基于地区病情信息获得，各节点按照地区之间的地理位置关系连接形成边，各边按照地区人口信息分配边权重，更新后的图模型利用交互模块选择的待预测数据进行传染病感染情况预测，解决了相关技术中传染病感染情况预测准确率较低的问题。
-
公开(公告)号：CN115174566A
公开(公告)日：2022-10-11
申请号：CN202210640394.1
申请日：2022-06-08
Applicant: 之江实验室
Abstract: 本发明属于物联网边缘计算技术领域，公开了一种基于深度强化学习的边缘计算任务卸载方法，该方法步骤为：S1、输入数据与相关参数；S2、计算时间和能耗相关数据；S3、训练任务卸载算法模型；S4、执行任务卸载输出。本发明在边缘计算方面，定义多用户边缘计算任务环境，考虑传输信道带宽，采用强化学习的方法，在满足计算时效性的前提下，训练边缘计算任务卸载与压缩策略，实现最优的能耗。
-
公开(公告)号：CN114722241A
公开(公告)日：2022-07-08
申请号：CN202210183468.3
申请日：2022-02-25
Applicant: 之江实验室
IPC: G06F16/901 , G06F16/903
Abstract: 本发明属于图数据挖掘计算技术领域，具体涉及一种基于边‑节点混合切分的并行约束子图挖掘方法，该方法步骤为：S1、图数据输入；S2、边‑节点混合图数据切分；S3、分发计算任务；S4、执行并行计算。本发明在图数据切分方面，采用边节点混合的子图切分方案，在约束子图挖掘任务中兼顾了子图的完整性和切分的均衡性，同时减小切分冗余；约束子图挖掘方面，采用并行的计算框架提升计算任务效率。
-
公开(公告)号：CN113256629B
公开(公告)日：2022-06-24
申请号：CN202110759301.2
申请日：2021-07-05
Abstract: 本发明公开了一种图像标定错误检测方法及装置，方法包括：建立图像数据集，利用所述图像数据集对无监督异常检测神经网络进行训练，将训练过程中将产生的隐层特征进行重构，得到隐层特征重构层；将所述隐层特征重构层嵌入所述无监督异常检测神经网络，然后对待检测图像数据进行异常检测，根据异常得分函数，判别待检测图像数据是否标定错误；装置包括：依次连接的基干网络模块、隐层特征重构模块和异常得分模块；本发明能够扩大正常样本与异常样本之间的异常得分差距，提高异常检测性能。
-
公开(公告)号：CN113268993A
公开(公告)日：2021-08-17
申请号：CN202110599831.5
申请日：2021-05-31
Abstract: 本发明公开了一种基于互信息的属性异构信息网络无监督网络表示学习方法，根据预设的节点类型和元路径在原始属性异构信息网络中提取出多视角网络，分别对每个单视角网络训练一个编码器，训练时采用基于互信息的无监督学习方法进行，且损失函数综合考虑每个视角节点表示和全局表示的互信息，在学习得到每个视角的节点表示矩阵后，利用互信息计算出每个视角的重要性得分，根据重要性得分将每个视角的节点表示矩阵进行加权求和，得到最终的节点表示矩阵。本发明综合考虑了网络结构信息、节点属性信息、异构信息网络之间不同边的交互作用以及节点在不同视角网络中的重要性，可以有效提高节点表示的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112784118A
公开(公告)日：2021-05-11
申请号：CN202110018835.X
申请日：2021-01-07
IPC: G06F16/901 , G06F16/906 , G06N3/04 , G06Q50/00
Abstract: 本发明涉及一种对三角形结构敏感的图中的社区发现方法和装置。该方法的步骤包括：利用图自编码器中的图编码器，通过图神经网络模型融合图中的结构信息和节点内容信息，从而学习到图中节点的隐层向量表示；利用图自编码器中的图解码器，根据图中节点的隐层向量表示对图中两点之间的连边关系和图中的三角形结构进行重构；利用重构后的图中的结构信息和节点内容信息进行图聚类，从而发现社区。本发明是一种无监督的基于图自编码器的对三角形结构敏感的社区发现方案，可以在图中高效、自适应地实现社区发现任务，并应用于不同平台中，具有高可扩展性，高灵活性。
-
公开(公告)号：CN112100518A
公开(公告)日：2020-12-18
申请号：CN202010995705.7
申请日：2020-09-21
IPC: G06F16/9536 , G06Q50/00 , G06F40/216 , G06F40/289
Abstract: 本发明公开了一种考虑用户在线关系网络的舆情主题发现方法，其步骤包括：1构建用户在线关系网络，2设计有参贝叶斯模型user link topic model生成文本主题，3利用坍塌式吉布斯抽样算法进行参数推断。本发明在应对大规模社交网络时，能有效、快速、准确地发现用户关注度高的舆情主题，有助于舆情主题检测，从而为决策者提供重要信息，用于评估在过去特定时间内对于民众舆情引导效果，并有助于及时了解用户当下所关心的热点话题。
-
公开(公告)号：CN114036948B
公开(公告)日：2024-05-31
申请号：CN202111246467.0
申请日：2021-10-26
IPC: G06F40/295 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/09
Abstract: 本发明公开一种基于不确定性量化的命名实体识别方法，包括以下步骤：步骤1.收集出定位到实体位置的样本集，构建一个候选实体的检测模型；步骤2.对于样本集中的实体，采用适用于长文本记忆依赖的BILSTM和self_attention网络结构分别获取实体上下文特征和实体本身特征的表示；步骤3.采用对比损失和参数共享的思想，学习一个实体的不确定性量化模型，并给出每个实体的不确定性值；步骤4.将不确定性值转化为每个实体的dropout概率，并给定阈值，剔除掉不确定性大于阈值的样本；步骤5.通过步骤4实体的dropout概率，引入贝叶斯神经网络中蒙特卡罗dropout训练的思想训练一个新的命名实体识别模型。
-
公开(公告)号：CN113268993B
公开(公告)日：2024-05-14
申请号：CN202110599831.5
申请日：2021-05-31
IPC: G06F40/30 , G06N3/0464 , G06N3/088 , G06F18/23 , G06F18/241
Abstract: 本发明公开了一种基于互信息的属性异构信息网络无监督网络表示学习方法，根据预设的节点类型和元路径在原始属性异构信息网络中提取出多视角网络，分别对每个单视角网络训练一个编码器，训练时采用基于互信息的无监督学习方法进行，且损失函数综合考虑每个视角节点表示和全局表示的互信息，在学习得到每个视角的节点表示矩阵后，利用互信息计算出每个视角的重要性得分，根据重要性得分将每个视角的节点表示矩阵进行加权求和，得到最终的节点表示矩阵。本发明综合考虑了网络结构信息、节点属性信息、异构信息网络之间不同边的交互作用以及节点在不同视角网络中的重要性，可以有效提高节点表示的准确性。
-
公开(公告)号：CN117312633B
公开(公告)日：2024-05-03
申请号：CN202311465612.3
申请日：2023-11-07
Applicant: 之江实验室
IPC: G06F16/9035 , G06F16/901 , G06F15/78 , G06F9/48
Abstract: 本发明公开了一种基于带HBM的FPGA的动态极大团枚举装置及方法，包括：HBM存储外界PC主机传来的用于更新图结构的动态边流、全图邻接矩阵、以及候选团；矩阵计算单元基于动态边流更新全图邻接矩阵并发送更新的全图邻接矩阵至HBM存储，同时确定需要更新候选团的待更新头节点；排序计算单元根据更新的全图邻接矩阵和每个待更新头节点通过数据分块排序构建候选团重构的排序集；更新计算单元基于候选团重构的排序集并行执行各待更新头节点对应的候选团的更新任务，并将更新的候选团发送至HBM存储，并更新的候选团被发送至PC主机以采取过滤操作提取极大团，这样支持流水线式的增量极大团计算，提升任务的整体计算效率。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.039 seconds)
