-
公开(公告)号：CN117077785A
公开(公告)日：2023-11-17
申请号：CN202310711024.7
申请日：2023-06-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N5/04
Abstract: 本发明属于机器博弈辅助决策优化技术领域，公开了一种机器博弈辅助决策优化方法及系统，所述机器博弈辅助决策优化系统包括：博弈数据采集模块、博弈局势判断模块、博弈数据分析模块、决策生成模块、决策优化模块、决策反馈模块。本发明通过博弈数据分析模块能够减少当前节点收益确定的分析量，提高分析效率；同时，通过决策生成模块可以将博弈对局局势的决策过程划分为多个决策阶段，并利用当前决策模型完成决策的目的，无需根据不同博弈对局局势的玩法编写复杂的规则，达到了降低决策方法的复杂度和成本，提高决策空间灵活度的技术效果，进而解决了通过大量人力编制精细的规则进行博弈对局局势决策，导致决策方法复杂度和成本就高的技术问题。
-
公开(公告)号：CN116796286A
公开(公告)日：2023-09-22
申请号：CN202310711009.2
申请日：2023-06-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/25 , G05D1/10 , G06F18/2433 , G06F18/2413 , G06T7/246 , G06V10/75 , G06N5/04 , G06N5/01 , G06N20/00
Abstract: 本发明属于无人作战机近距格斗技术领域，公开了一种基于机器博弈的六自由度无人作战机近距格斗方法及系统，所述系统包括：环境感知模块、主控模块、无线通信模块、格斗目标识别模块、格斗目标追踪模块、机器博弈决策模块、射击模块、故障预测模块、显示模块。本发明通过格斗目标追踪模块计算速度快，追踪目标的速度快；同时，通过故障预测模块充分考虑了不同六自由度无人作战机发动机的运行环境、使用寿命、出厂设置及磨损程度等方面的个体化差异，分别训练多个训练六自由度无人作战机发动机的SOM模型，以得到对应六自由度无人作战机发动机的、精确的SOM模型训练结果及相应的最小量化误差MQE；故障预测准确性高。
-
公开(公告)号：CN115631798B
公开(公告)日：2023-08-08
申请号：CN202211276710.8
申请日：2022-10-17
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G16B40/20 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/084 , G06F18/2415 , G06F18/25
Abstract: 本发明公开了一种基于图对比学习的生物分子分类方法及装置，通过将获取的目标生物分子图输入到预训练的编码器中，将得到的目标生物分子图中的所有节点特征进行融合，得到目标生物分子图标签；编码器的预训练过程包括：将生物分子图输入第一编码器，得到生物分子图特征，将生物分子图输入第二编码器，得到生物分子图正例特征；将构造的生物分子图负例输入到第二编码器中，得到生物分子图负例的负例特征；获取每轮负例入队训练个数，基于生物分子图特征、生物分子图正例特征、负例特征和每轮负例入队训练个数，对第一编码器和第二编码器进行更新，得到预训练的编码器。与现有技术相比，本发明的技术方案能提高生物分子分类的准确性。
-
公开(公告)号：CN116127351A
公开(公告)日：2023-05-16
申请号：CN202211606757.6
申请日：2022-12-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 东莞理工学院 , 平安科技(深圳)有限公司
IPC: G06F18/24 , H04L67/01 , G06F18/214 , G06N3/098
Abstract: 本发明公开了一种面向双不均衡的联邦学习方法和系统，客户端接收服务器发送的服务器模型参数，并载入本地模型；根据当前样本类别的样本数量占当前客户端样本总数量的比值确定当前样本类别对应的权重因子；利用权重因子计算本地模型识别当前样本类别产生的损失值；利用损失值计算关于当前样本类别的参数变化量，并基于参数变化量对服务器模型参数中关于当前样本类别的模型参数进行更新，直至当前客户端内所有样本类别相关的模型参数均完成更新，得到客户端模型参数；将客户端模型参数发送至服务器，以使服务器通过引力正则项对各个客户端发送的客户端模型参数进行聚合。本发明提供的技术方案，解决了联邦学习的双重不均衡场景模型训练较差的问题。
-
公开(公告)号：CN115497555A
公开(公告)日：2022-12-20
申请号：CN202210980663.9
申请日：2022-08-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种多物种蛋白质功能预测方法、装置、设备及存储介质，属于生物信息技术领域，该方法包括：将多物种蛋白质的标签矩阵和特征矩阵输入预先构建的跨物种异构网络；在所述跨物种异构网络的每个传播层传播所述标签矩阵和所述特征矩阵，获得传播后的目标标签矩阵和目标特征矩阵；将所述目标标签矩阵和所述目标特征矩阵进行加权获得预测得分矩阵，并基于所述预测得分矩阵获得所述多物种蛋白质的功能预测得分。如此，基于跨物种异构网络上实现了标签与特征的同时传播，提高了多物种蛋白质功能的预测的准确性和有效性。
-
Patent Agency Ranking
公开(公告)号：CN115455488A
公开(公告)日：2022-12-09
申请号：CN202211420158.5
申请日：2022-11-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了一种基于复制秘密共享的密态数据库查询方法及装置，方法包括：用户将查询需求编译成复制秘密共享下的安全多方计算原语并将其交递给计算层，计算层向存储层请求共享查询需求所对应数据的表；每个数据提供方调用布尔复制秘密共享算法生成秘密份额并传输给计算方；计算方调用安全三方计算算法并利用密态过滤算子、密态连接算子、密态排序算子和密态聚合算子中的一个或多个进行安全三方计算，得到秘密共享形式的计算结果的秘密共享份额并发送给用户；调用秘密重构算法将计算结果的秘密共享份额重构之后得到最终的查询结果。本发明每个数据提供方将自己的数据以秘密共享的形式分成三个秘密份额发给计算方，性能更好。
-
公开(公告)号：CN114492387B
公开(公告)日：2022-07-19
申请号：CN202210401179.6
申请日：2022-04-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F40/211 , G06F40/284 , G06F40/237 , G06N20/00
Abstract: 本发明公开一种基于句法结构的领域自适应方面术语抽取方法及系统，包括将源领域和目标领域中词的词性和句法依赖关系作为句法结构信息；计算源领域方面术语的平均词性特征和平均句法依赖关系特征并作为方面术语的平均句法结构特征；根据句法结构信息计算源领域和目标领域中每个词和平均句法结构特征的相似度；对基于Transformer的预训练模型进行基于句法结构相似度的再预训练；基于掩码语言模型MLM构建方面术语抽取模型并进行训练，训练过程中对术语抽取模型的交叉熵损失函数进行加权。本发明能学习到词语级领域不变表征，在细粒度的文本抽取任务中能取得不错的成效。
-
公开(公告)号：CN114723071A
公开(公告)日：2022-07-08
申请号：CN202210450751.8
申请日：2022-04-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于客户端分类和信息熵的联邦学习方法及装置，涉及机器学习技术领域，该方法包括：基于客户端在非独立同分布数据场景的偏置程度，将客户端归入第一服务器或第二服务器；在相对应的服务器中训练客户端，得到训练好的客户端模型，并确定客户端模型的本地模型参数，并基于本地模型参数对应的更新第一服务器的第一模型参数和第二服务器的第二模型参数；确定第一服务器和第二服务器满足交互条件，基于第一模型参数和第二模型参数分别对应的权重，更新中央服务器的中央模型参数。本发明可以提升联邦学习的模型准确率，使得联邦学习适用于在不同混合程度的Non‑IID场景。
-
公开(公告)号：CN114492387A
公开(公告)日：2022-05-13
申请号：CN202210401179.6
申请日：2022-04-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F40/211 , G06F40/284 , G06F40/237 , G06N20/00
Abstract: 本发明公开一种基于句法结构的领域自适应方面术语抽取方法及系统，包括将源领域和目标领域中词的词性和句法依赖关系作为句法结构信息；计算源领域方面术语的平均词性特征和平均句法依赖关系特征并作为方面术语的平均句法结构特征；根据句法结构信息计算源领域和目标领域中每个词和平均句法结构特征的相似度；对基于Transformer的预训练模型进行基于句法结构相似度的再预训练；基于掩码语言模型MLM构建方面术语抽取模型并进行训练，训练过程中对术语抽取模型的交叉熵损失函数进行加权。本发明能学习到词语级领域不变表征，在细粒度的文本抽取任务中能取得不错的成效。
-
公开(公告)号：CN113553610B
公开(公告)日：2021-12-31
申请号：CN202111103182.1
申请日：2021-09-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于同态加密和可信硬件的多方隐私保护机器学习方法，包括：将私钥sk发送给各个数据方和可信硬件R；服务器S整合各个数据方上传的密文数据得到密文数据集；服务器S在密文数据集的基础上，将普通机器学习算法中的线性运算替换为同态加法和同态乘法，在密文状态下进行机器学习建模；服务器S在完成密文下的机器学习建模后，将加密的模型密文下发给各个数据方；各个数据方利用私钥解密模型密文，得到由各个数据方的数据D训练得到的模型。本发明利用全同态加密的性质、以及依靠可信硬件实现的模拟自举和执行激活函数功能，能够获得与对未加密数据进行机器学习训练的模型一致的准确率。
-
-
-
-
-
-
-
-
-
Search Results
255
records
(took 0.071 seconds)
