-
公开(公告)号：CN119357046A
公开(公告)日：2025-01-24
申请号：CN202411342039.1
申请日：2024-09-25
Applicant: 南京工业大学
IPC: G06F11/3668 , G06F18/2415 , G06F18/214 , G06F21/62
Abstract: 本发明涉及一种面向隐私保护的联邦自蒸馏软件缺陷预测方法，基于深度学习MLP模型，进行本地软件缺陷预测，解决了模型训练中隐私泄露问题；并应用本地差分隐私算法，在上传局部模型参数之前，通过噪声添加技术，对模型参数进行隐私保护，使得客户端不依赖于服务器；同时利用联邦学习隐私保护框架，用于多个客户端在不共享其私有数据的情况下协作训练模型，解决了单一数据不足以训练出性能优异的软件缺陷预测模型的问题；并且引入知识自蒸馏技术，在协作训练学习到其他客户端模型知识的同时，通过本客户端的历史模型完善本地模型的个性化。通过联邦学习不断更新全局模型参数，训练出学习能力强、预测性能好的软件缺陷预测模型。
-
公开(公告)号：CN118779523A
公开(公告)日：2024-10-15
申请号：CN202410925422.3
申请日：2024-07-10
Applicant: 南京工业大学 , 南京市锅炉压力容器检验研究院
IPC: G06F16/9535 , G06F16/9536 , G06F18/25 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0985
Abstract: 本发明公开了基于元学习和特征增强的公平性推荐方法，该方法分别对用户特征和项目特征采用图神经网络和高斯混合模型进行特征提取；然后利用MLP网络生成最后的预测值；通过元学习MAML模型来对整个模型进行训练；最后从个体公平性和群体公平性两个角度对推荐系统公平性进行优化。本发明将推荐中的用户的嵌入表示进行融合增强，和项目嵌入表示分别建模、学习和提取特征，在传统推荐方法上有效地融合了用户交互信息，捕捉用户细粒度的兴趣偏好，提升推荐效果，同时保证推荐系统对用户的公平。
-
公开(公告)号：CN110108630B
公开(公告)日：2024-05-03
申请号：CN201910386325.0
申请日：2019-05-09
Applicant: 南京工业大学 , 中国特种设备检测研究院
IPC: G01N17/00
Abstract: 本发明涉及石化设备金属材料腐蚀试验方法技术领域，具体的是一种用于模拟含有机物的油品对石化设备腐蚀的测试方法。包括1）涉硫石化设备腐蚀环境模拟；2）试样制备；3）涉硫石化设备腐蚀状态模拟；4）模拟腐蚀介质环境试样腐蚀试验；5）所述步骤（4）的试验结束后，用除锈剂清除试样表面腐蚀的腐蚀产物，测量试样损失的质量，用深度法计算腐蚀速率。有效模拟含硫油品内有机活性硫组分对于材料的腐蚀，而且还能将包括有机氯、油品总酸度和含水量等因素考虑其中，通过正交设计分析涉硫石化设备受多因素腐蚀的影响规律，为涉硫腐蚀领域工艺条件下石化设备腐蚀研究提供了更有效的腐蚀研究手段。
-
公开(公告)号：CN111753209B
公开(公告)日：2023-07-18
申请号：CN202010626102.X
申请日：2020-07-02
Applicant: 南京工业大学
IPC: G06F16/9535 , G06N3/084 , G06N3/049 , G06N3/0464
Abstract: 本发明设计了一种改进时序卷积网络的序列推荐列表生成方法，针对推荐系统的序列推荐，本发明提出了一种嵌入压缩‑激励模块的改进时序卷积网络提取序列特征。模型利用扩张卷积增大感受野，捕获更多的序列关系，并通过压缩激励模块加入注意力机制，给予关键项目更多的注意力，以捕捉用户交互数据的复杂结构，通过对用户和项目特征的融合，综合考虑用户的短期和长期偏好进行个性化推荐。
-
公开(公告)号：CN115328782A
公开(公告)日：2022-11-11
申请号：CN202210979206.8
申请日：2022-08-16
Applicant: 南京工业大学
Abstract: 本发明公开了如下技术方案，首先从源代码中提取图结构和抽象语法树结构；接着通过编码抽象语法树信息得到词向量序列作为双向循环神经网络的输入以学习源代码的语义特征并将得到的语义特征与传统静态特征结合作为图节点的状态向量表示；然后利用源代码完整的图表示预训练教师集成网络模型；最后通过知识蒸馏技术将知识从之前预训练完成的教师集成网络模型中提取出来并注入到学生集成网络模型中。本发明借助图神经网络的先进性和知识蒸馏技术的思想，相较现有技术，使得生成的学生集成网络模型能够实现更高的软件缺陷检测率，而且集成网络的设计保证了该模型的健壮性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN111753209A
公开(公告)日：2020-10-09
申请号：CN202010626102.X
申请日：2020-07-02
Applicant: 南京工业大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明设计了一种改进时序卷积网络的序列推荐列表生成方法，针对推荐系统的序列推荐，本发明提出了一种嵌入压缩-激励模块的改进时序卷积网络提取序列特征。模型利用扩张卷积增大感受野，捕获更多的序列关系，并通过压缩激励模块加入注意力机制，给予关键项目更多的注意力，以捕捉用户交互数据的复杂结构，通过对用户和项目特征的融合，综合考虑用户的短期和长期偏好进行个性化推荐。
-
公开(公告)号：CN110432899B
公开(公告)日：2020-07-03
申请号：CN201910664430.6
申请日：2019-07-23
Applicant: 南京工业大学
IPC: A61B5/0476
Abstract: 本发明提供一种基于深度堆叠支持矩阵机的脑电信号识别方法，包括以下步骤：首先对脑电(Electroencephalogram,EEG)信号进行预处理并提取特征；用提取出的原始EEG信号特征作为输入训练第一层支持矩阵机(Support Matrix Machines,SMM)得到第一层的预测输出；利用矩阵随机投影将第一层预测输出投影到原始EEG特征空间并与原始EEG信号特征叠加得到第二层EEG信号特征，将其作为输入训练第二层SMM得到第二层的预测输出；按照这种方式得到更深层的EEG信号特征并训练SMM，直到精度收敛得到最终分类模型。本发明可以准确判断不同类型的EEG信号，保证基于EEG的BCI系统安全可靠的运行。
-
公开(公告)号：CN110795511A
公开(公告)日：2020-02-14
申请号：CN201911045361.7
申请日：2019-10-30
Applicant: 南京工业大学
Abstract: 本发明提出了一种基于云模型的知识图谱表示方法，包括以下步骤：获取数据集，按比例随机分为训练集和测试集；将训练集中每一个关系划分为多个语义，得到该关系的高斯混合模型；计算每一个关系中最能表达该关系的主语义；基于云模型计算每个主语义的语言值的坐标及其确定程度。本发明提出一种基于云模型的知识图谱表示方法，目标是在关系向量存在多语义性的前提下，获取最能表达该关系向量语义的的向量值，同时引入不确定性的思想，在新的评分函数中结合确定程度，使知识图谱的表示更加准确。
-
公开(公告)号：CN109190030A
公开(公告)日：2019-01-11
申请号：CN201810965309.2
申请日：2018-08-22
Applicant: 南京工业大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合node2vec和深度神经网络的隐式反馈推荐方法，属于数据处理技术领域。本发明包括获取用户潜在向量和项目潜在向量的步骤；获取用户上下文预测和项目上下文预测的步骤；产生用户对项目偏好预测并进行训练的步骤；共同训练的步骤。本发明可以很好地考虑到用户和项目丰富的元数据信息，具有较高的推荐精确度和模型的训练效率。
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.031 seconds)
