-
公开(公告)号：CN113705737B
公开(公告)日：2021-12-24
申请号：CN202111260522.1
申请日：2021-10-28
Applicant: 南开大学
Abstract: 本发明公开了一种基于搜索的可扩展的最优测试图像集生成方法，在测试池中随机选取多个测试图像组成测试图像集，再由多个测试图像集组成初始的当前种群；对当前种群中的每个测试图像集，计算其覆盖率和规模，选择最优测试图像集作为下一轮迭代的种群；以筛选出来的下一轮迭代的种群作为父代，利用交叉算子进行运算，得到新种群；对得到的新种群进行图像层和图像集层的变异，得到变异后的后代个体；选取得到的后代个体中覆盖率高于父代个体或覆盖率相同但规模更小的作为下一轮迭代的当前种群，然后重复以上步骤。本发明能够生成规模小、覆盖率高、可扩展性强的最优测试图像集。
-
公开(公告)号：CN113823352A
公开(公告)日：2021-12-21
申请号：CN202111130899.5
申请日：2021-09-26
Applicant: 南开大学
Abstract: 本发明提供一种药物‑靶蛋白亲和力预测方法及系统，属于基于人工智能的生物信息处理技术领域，对待检测的药物‑靶蛋白对中的药物化学分子和靶蛋白分子分别进行编码，得到药物输入表示和靶蛋白输入表示；利用药物‑靶蛋白亲和力预测模型对所述药物输入表示和靶蛋白输入表示进行处理，得到药物‑靶蛋白亲和力预测值。本发明利用元学习算法，有效挖掘了不同子任务之间的相关性；利用正则化项缓解不同子任务之间的任务不平等性，提高了药物‑靶蛋白亲和力预测模型的任务自适应性，获得了具有泛化性能的药物‑靶蛋白亲和力预测模型，提高了对未知药物‑靶蛋白对亲和力预测的准确性，有效解决了药物‑靶蛋白亲和力预测方面的冷启动问题。
-
公开(公告)号：CN113688061A
公开(公告)日：2021-11-23
申请号：CN202111251195.3
申请日：2021-10-27
Applicant: 南开大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于特征选择的程序缺陷定位方法，该方法包括：执行测试样例，得到分支覆盖特征谱；根据分支覆盖特征谱和样本数据集计算缺陷相关统计量；根据缺陷相关统计量得到程序各个元素的可疑度；根据程序元素的可疑度将其排序,按序排查代码。本发明提出了基于相关统计量的缺陷定位方法，从数据的角度分析测试用例的覆盖信息，利用特征选择中特征对分类结果重要性的概念，选择对测试用例执行结果影响较大的分支。计算复杂度低。相比较传统启发式的基于覆盖分析的缺陷定位方法在准确性上具有一定的提升，并通过提高缺陷查找效率缩短了纠错性维护的时间和人力成本。
-
公开(公告)号：CN118586435B
公开(公告)日：2025-01-14
申请号：CN202411069862.X
申请日：2024-08-06
Applicant: 南开大学
IPC: G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/082
Abstract: 本发明涉及人工智能技术领域，具体公开了基于动态图学习的多元时间序列缺失值插补方法及系统，方法包括：获取带缺失值的多元时间序列数据；构建图结构，通过图神经网络调整所述图结构的邻接矩阵，计算得到自适应图结构；所述自适应图结构通过编码器、解码器，计算得到前向插补值、后向插补值和节点嵌入表示；利用多层感知机聚合，计算得到预测缺失值；将所述预测缺失值与带缺失值的多元时间序列数据结合，得到插补后的多元时间序列数据。本发明以动态图结构学习来建模变量之间在不同时间步的相关性，同时学习变量关联性与时间序列的时序依赖关系，通过用学习到的表征对缺失数据进行两阶段的插补计算，有效提升了缺失值插补的准确率。
-
Patent Agency Ranking
公开(公告)号：CN118586435A
公开(公告)日：2024-09-03
申请号：CN202411069862.X
申请日：2024-08-06
Applicant: 南开大学
IPC: G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/082
Abstract: 本发明涉及人工智能技术领域，具体公开了基于动态图学习的多元时间序列缺失值插补方法及系统，方法包括：获取带缺失值的多元时间序列数据；构建图结构，通过图神经网络调整所述图结构的邻接矩阵，计算得到自适应图结构；所述自适应图结构通过编码器、解码器，计算得到前向插补值、后向插补值和节点嵌入表示；利用多层感知机聚合，计算得到预测缺失值；将所述预测缺失值与带缺失值的多元时间序列数据结合，得到插补后的多元时间序列数据。本发明以动态图结构学习来建模变量之间在不同时间步的相关性，同时学习变量关联性与时间序列的时序依赖关系，通过用学习到的表征对缺失数据进行两阶段的插补计算，有效提升了缺失值插补的准确率。
-
公开(公告)号：CN117493710A
公开(公告)日：2024-02-02
申请号：CN202311491772.5
申请日：2023-11-10
Applicant: 南开大学 , 中国电子科技集团公司第五十四研究所
IPC: G06F16/9537 , G06F16/9535 , G06F18/214 , G06Q50/00
Abstract: 本发明涉及数据挖掘技术领域，提供一种多任务个性化行为模式的位置预测方法。该方法包括：采集用户的历史位置轨迹并进行编码，获得轨迹嵌入表示；基于用户未提交的位置记录建立辅助轨迹模拟，获得辅助嵌入表示并对轨迹嵌入表示进行数据增强，获得增强嵌入表示；根据增强嵌入表示建立协同位置转移图及图神经网络，以进行特征建模获得用户轨迹特征；通过对比学习网络，将多个预测任务下分别获得的用户轨迹特征和引入的用户的个性化行为模式特征进行可迁移特征学习，获得个性化行为特征；根据个性化行为特征对图神经网络进行训练，基于训练后的图神经网络输出用户的偏好得分。本发明同时解决不同的位置预测任务，提高不同任务下的预测表现。
-
公开(公告)号：CN113627543B
公开(公告)日：2023-08-22
申请号：CN202110931933.2
申请日：2021-08-13
Applicant: 南开大学
IPC: G06F21/55 , G06F18/2415 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/047 , G06N3/094 , G06N3/0475
Abstract: 本发明公开了一种对抗攻击检测方法，包括以下步骤：步骤S1，通过多种对抗攻击算法生成对于目标深度神经网络的对抗样本，并与自然输入样本混合作为输入样本；步骤S2，将输入样本输入到目标深度神经网络中提取全局特征和隐含层特征；步骤S3，将输入样本的全局特征和隐含层特征进行特征融合，得到输入样本的最终特征表示；步骤S4，使用输入样本的最终特征表示训练分类器，得到对抗样本检测模型；步骤S5，利用步骤4得到的对抗样本检测模型检测输入数据中是否含有对抗样本。本发明可以为被攻击目标系统的不同隐藏层动态分配不同的权重，不仅能发现单攻击模式下的对抗样本，而且能够不受混合攻击模式影响地检测出每种攻击方法所产生的对抗样本。
-
公开(公告)号：CN114626068A
公开(公告)日：2022-06-14
申请号：CN202210173072.0
申请日：2022-02-24
Applicant: 南开大学
Abstract: 一种基于JAVA函数调用序列的高精度第三方库漏洞模块检测方法。其包括爬取第三方库组件数据；获得补丁信息；找到漏洞源函数；生成第三方库代码文件的函数调用图，寻找出被漏洞污染的程序接口模块；建立JAVA第三方库与被漏洞污染的程序接口模块之间的映射关系，搭建漏洞模块关系数据库；识别程序项目当前使用的JAVA第三方库以及库版本号；识别程序接口模块；判断第三方库是否存在漏洞等步骤。本发明效果：可为后续开发人员选择第三方库及相关程序接口模块提供指导，使用更少的资源让开发人员知晓使用的第三方库的程序接口模块有无漏洞情况；避免在开发过程中选择有安全隐患的程序接口模块，可有效提高开发效率，减少后续测试成本。
-
公开(公告)号：CN113836286A
公开(公告)日：2021-12-24
申请号：CN202111129135.4
申请日：2021-09-26
Applicant: 南开大学
IPC: G06F16/332 , G06F16/35 , G06F40/216 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本公开提供了一种基于问答匹配的社区孤寡老人情感分析方法，包括：获取询问信息；对获取的询问信息进行问答匹配；符合匹配要求的询问信息，直接得到询问信息对应的答复结果；不符合要求的询问信息，依据预设的情感分析模型，得到情感分析结果；其中，情感分析模型的学习采用双任务混合学习框架，主任务判断当前语境下说话人的状态，辅助任务对对话中的语句进行编码后，通过注意力机制挖掘当前说话人的历史对话记录，得到说话人上下文向量；本公开可以关怀老人和服务居民，提高了社区服务质量，实现了智能问答；可以高效的将居民问题与社区管理处提供的语料库进行匹配，准确解答居民问题，同时，可以有效的评估孤寡老人的情感状态。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.019 seconds)
