一种基于GAN的水质异常数据检测方法

    公开(公告)号:CN114113516A

    公开(公告)日:2022-03-01

    申请号:CN202111258369.9

    申请日:2021-10-27

    Abstract: 本发明提供一种基于GAN的水质异常数据检测方法,该方法包括对水质数据的预处理方法PCA主成分分析法,用于处理原始水质数据,在最大限度不丢失原始信息的前提下降低数据维度,减少计算量,加速监测时间;训练GAN使其生成器生成的伪正常数据能够达到以假乱真的水平,鉴别器能够达到完全判别出真假数据的水平;以及异常检测,将训练好的生成器和鉴别器用于异常检测,生成器生成的数据和原始数据进行对比得出重构损失,鉴别器对原始数据进行鉴别得出鉴别损失,将两种损失进行相加得到总的损失值,据此判断原始水质数据的正常与否。

    一种基于NKD-GNN的图文不匹配新闻检测方法

    公开(公告)号:CN113297387A

    公开(公告)日:2021-08-24

    申请号:CN202110424490.8

    申请日:2021-04-20

    Abstract: 一种基于NKD‑GNN的图文不匹配新闻检测方法,对新闻配图生成带有占位符的新闻配图描述;将命名实体按照连接规则构造为新闻知识图谱;基于新闻知识图谱驱动的图神经网络,选择与新闻配图相关的命名实体,插入到新闻配图描述中,从而生成带有命名实体的新闻配图描述;计算新闻文本与带有命名实体的新闻配图描述的匹配性,判断一则新闻是否图文匹配。本发明在全面分析了新闻知识图谱中命名实体之间全部关联的基础上,还计算了新闻知识图谱中命名实体的重要程度并分析了相关新闻中核心命名实体,因此对新闻的图文匹配判断效果更好。

    一种面向边缘智能的多边缘节点增量计算卸载方法

    公开(公告)号:CN112532461A

    公开(公告)日:2021-03-19

    申请号:CN202011494891.2

    申请日:2020-12-17

    Abstract: 一种面向边缘智能的多边缘节点增量计算卸载方法,在计划阶段,中心服务器和多边缘节点进行信息感知,根据信息确定参与协同计算的边缘节点,构建多边缘节点DNN协同执行图,确定需要初始优先上传给其它节点的DNN层,并记录对应的目标节点,然后以延时改善为基准排序各DNN层,确定后续上传顺序;在执行阶段,根据计划阶段生成的执行图尝试上传并运行DNN模型,若某节点基于失效锁的协作冲突检测机制检测到异常,则由失效锁强制结束该节点当前DNN层上传请求,若未检测到冲突则继续上传直到获得DNN模型执行结果。本发明通过协同多个目标进行DNN计算有效规避了单一边缘服务器易受网络波动的影响,实现了比只基于边缘服务器的方式更高的执行效率。

    一种面向边缘智能的三层结构DNN计算卸载方法

    公开(公告)号:CN112214261A

    公开(公告)日:2021-01-12

    申请号:CN202011185989.X

    申请日:2020-10-30

    Abstract: 本发明一种面向边缘智能的三层结构DNN计算卸载方法,客户端接收DNN查询任务,依据DNN各个层的相关信息生成执行概要文件上传到边缘服务器,边缘服务器再收集数据中心服务器和自身对此DNN的预测函数,计算出预测的执行时延,进而生成DNN执行图;利用贪婪迭代随机算法在三层结构中求出计算卸载策略;在三层结构中通过协同协议执行计算卸载策略。本发明用于边缘计算中DNN查询的卸载,在该结构中边缘服务器解析DNN任务,根据DNN各层在不同节点的执行情况构建NN执行图,然后利用贪婪迭代随机算法迭代寻找最短路径,构建计算卸载策略,将客户端的任务放到三层体系结构中,提前根据计算任务的性质确定计算卸载策略,然后在三层结构中进行计算卸载,效率更高。

    一种基于监察数据关联分析的低保资金监督方法与系统

    公开(公告)号:CN111460052A

    公开(公告)日:2020-07-28

    申请号:CN202010275707.9

    申请日:2020-04-09

    Abstract: 一种基于监察数据关联分析的低保资金监督方法,包括:步骤1,获取低保户信息数据和低保资金发放数据并做数据持久化处理,统计每个低保户在一段时间领取每种补贴的总金额与总次数;步骤2,通过关联表间的数据碰撞与决策分析,得到一部分受益人不在低保户信息数据表中却领取低保资金的问题数据,并且提取其中真实低保户领取低保资金的数据;步骤3,在真实低保户领取低保资金的数据中,计算每个低保户在一年内的领取总金额与领取总次数,分别计算领取总金额与领取总次数的数据聚类中心,得到脱离聚类中心的问题数据,即年度领取金额异常数据或者年度领取次数异常数据。本发明实现了高效的监察数据关联分析的最低生活保障资金监督。

    一种面向通用多视图对象聚类的对象视图蒸馏方法

    公开(公告)号:CN116863177A

    公开(公告)日:2023-10-10

    申请号:CN202310700264.7

    申请日:2023-06-14

    Abstract: 一种面向通用多视图对象聚类的对象视图蒸馏方法,收集若干样本的初始多视图数据;构建自编码器,教师网络,学生网络和知识蒸馏;编码器将样本的视图投影成潜在表示,并构造低维潜空间;利用多视图数据训练教师网络;利用多视图数据训练学生网络,并将知识蒸馏生成的暗知识作为一种新的自监督信号来指导学生网络进行微调;将整个原始多视图数据集馈送给整体网络,通过学生网络获得所有视图聚类的概率分布,对每个视图的概率进行加权和求和,得到最终的聚类结果;本发明使用知识蒸馏方法解决多视图聚类算法中伪标签对模型训练的错误引导以及纠正不准确的特征,显著提升聚类表现。

    一种面向边缘智能的高弹性多节点协同模型卸载方法

    公开(公告)号:CN114595000B

    公开(公告)日:2023-05-02

    申请号:CN202210128433.X

    申请日:2022-02-11

    Abstract: 一种面向边缘智能的高弹性多节点协同模型卸载方法。在部署阶段,多边缘节点进行信息感知,构建多边缘节点深度神经网络(Deep Neural Network,DNN)协同执行图,实现神经网络分布式部署;在执行阶段,根据部署阶段生成的执行图运行DNN模型,同时使用故障检测机制检测故障,若检测到发生分区故障,则使用基于延迟改进的策略合理的选择DNN分区的最优部署节点进行卸载备份。并使用随机调度策略来随机选择执行路径。本发明通过提高分布式神经网络的故障弹性,有效规避了边缘节点发生故障对分布式推理的影响。同时,本发明不需要额外的模型重新设计和再训练,保证了执行效率和准确率。

    一种基于对比预测的多视图聚类方法

    公开(公告)号:CN115527052A

    公开(公告)日:2022-12-27

    申请号:CN202211174947.5

    申请日:2022-09-26

    Abstract: 一种基于对比预测的多视图聚类方法,收集若干样本的初始多视图数据,每个样本的视图数据数量为2,将各样本划分为完整数据和不完整数据;构建网络1和网络2;网络1中,编码器将某个样本的两种视图分别投影成潜在表示,两组预测模块基于对比学习,实现潜在表示之间的相互预测;网络2以网络1的解码器生成生成器构建生成对抗网络;利用完整数据训练网络1;利用不完整数据训练网络2,将不完整数据转化为假完整数据;利用假完整数据再次训练网络1,将原始的多视图数据传给网络1学习并获取潜在表示拼接而成的公共表示,在公共表示上使用Kmeans聚类算法得到最后的聚类结果。本发明能够有效利用不完整数据中的隐藏信息,显著提升聚类表现。

    一种面向边缘计算的压缩数据传输方法

    公开(公告)号:CN113328755B

    公开(公告)日:2022-09-16

    申请号:CN202110509172.1

    申请日:2021-05-11

    Abstract: 本发明为一种面向边缘计算的压缩数据传输方法,在边缘缓存节点处,收集原始数据,对每一位原始数据进行特征重构,构建数据特征压缩摘要,并分别存放在多个数组中,得到新的特征向量,应用编码解码神经网络构造压缩编码机制,通过编码对新的特征向量进行可分类压缩,之后对完成可分类压缩的数据在中间节点处分类转发给边缘设备处理。本发明通过对数据进行可分类压缩,有效减小数据传输和处理规模,减少移动边缘网络节点的资源消耗,并满足了边缘计算场景下中间节点对压缩数据直接进行处理的需求,为高速精准数据传输服务提供基础。

    一种基于多目标优化的抗乳腺癌药物成分智能量化方法

    公开(公告)号:CN114496112A

    公开(公告)日:2022-05-13

    申请号:CN202210069880.2

    申请日:2022-01-21

    Abstract: 本发明公开了一种基于多目标优化的抗乳腺癌药物成分智能量化方法。首先,在已有的化合物数据集上筛选影响ERα生物活性的主要分子描述符。然后,基于粒子群优化的神经网络构建化合物对ERα生物活性的定量预测模型。接着,以药物的吸收、分配、代谢、排泄和毒性(ADMET)的度量为目标,基于决策树构建化合物的ADMET特征的特性预测模型。最后,综合定量预测模型和特性预测模型,以帕累托(Pareto)优化理论为指导,构建基于多目标优化的遗传算法模型,找到满足最优目标的化合物(分子描述符的组合),再利用蒙特卡罗假设检验,对得到的最优化目标的化合物进行抽样统计,并以特定的置信度来确定化合物中不同分子描述符的最佳取值范围。

Patent Agency Ranking