-
公开(公告)号：CN118313445A
公开(公告)日：2024-07-09
申请号：CN202410529143.5
申请日：2024-04-29
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) , 鹏城实验室
IPC: G06N3/098 , G06N3/096 , G06N3/084 , G06N3/0464 , G06N3/0499 , G06F18/2415 , G06F18/2431 , G06N3/048
Abstract: 本发明涉及联邦学习技术领域，公开了一种基于受约束梯度更新的联邦类增量学习方法及系统，该方法包括：接收服务器发送的上一任务的个性化全局模型和跨任务协作损失；当获取到新的任务数据时，基于上一任务的梯度空间的基向量、新的任务的预测标签和真实标签以及跨任务协作损失，对上一任务的模型参数沿着与其梯度空间正交的方向进行更新，得到新的任务在本轮训练中的模型参数；对新的任务的类原型进行加权平均，得到新的任务在本轮训练中的类平均原型；重复上述模型参数和类平均原型的更新，进行预设轮次训练，在每一轮训练完成后，向服务器发送新的任务的模型参数和类平均原型。本发明在客户端有新增任务时，避免灾难性遗忘和模型漂移问题。
-
公开(公告)号：CN118277669A
公开(公告)日：2024-07-02
申请号：CN202410462841.8
申请日：2024-04-17
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) , 鹏城实验室
IPC: G06F16/9535 , G06F18/214 , G06F18/23 , G06F17/16 , G06N3/098
Abstract: 本发明公开了一种基于超图信号分解的联邦跨域推荐方法，属于数据挖掘技术领域。解决了现有技术中传统的跨域推荐方法的难以避免全局模型混入领域特有信息的问题；本发明设定总通信轮次，使用本地数据初始化训练客户端模型，服务器随机选取客户端训练；客户端使用本地的低通超图滤波器和高通超图滤波器分别得到领域特定和领域共享的用户表征和物品表征；客户端和服务器之间运行本地‑全局知识迁移算法；服务器对得到的领域共享的用户表征和更新后的低通超图滤波器的模型进行聚合；服务器将聚合后的全局用户表征和聚合后的低通超图滤波器的模型发送给客户，重复上述步骤直至执行完总通信轮次。本发明避免了出现负迁移问题，可以应用于联邦跨域推荐。
-
公开(公告)号：CN116958748B
公开(公告)日：2024-02-13
申请号：CN202310947023.2
申请日：2023-07-28
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: G06V10/774 , G06V10/771 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像检测技术领域，公开了多任务因果学习的图像检测方法、装置、设备及介质，方法包括：根据多个样本特征对同一任务的重要性分数，从多个样本特征中筛选出干预特征；根据合并反事实特征，以及第二任务的反事实特征，确定第一任务对第二任务的因果亲和力；分别根据每个任务的反事实特征和样本特征的预测损失值生成第一正则约束项；根据第一任务的样本特征的预测损失值、第二任务的样本特征的预测损失值以及第一任务对第二任务的因果亲和力，生成第二正则约束项；根据判别损失函数、第一正则约束项和第二正则约束项，生成预测损失函数；根据预测损失函数对任务模型进行训练得到优化后的多任务模型。本发明能够提高图像检测的性能。
-
公开(公告)号：CN116069955A
公开(公告)日：2023-05-05
申请号：CN202310205496.5
申请日：2023-03-06
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: G06F16/36 , G06F16/387 , G06F16/383 , G06F40/284 , G06F40/295 , G06F40/247
Abstract: 本发明提供了一种基于MDATA模型的时空知识抽取方法，包括以下步骤：步骤1，识别时间和空间知识；通过时间触发词表、空间触发词识别输入序列中的时空知识，并将序列中的时空知识替换为概念代号；步骤2，时空知识的实体关系依赖识别，得到知识五元组；步骤3，时间、空间知识规范化处理。本发明的有益效果是：1.时空信息在文本中有很强的语言特征，本发明方法通过触发词匹配，能高效获取时空信息；2.时空信息是时间表达的关键要素，在知识图谱中，时空信息是同实体、关系紧密联系的，本发明方法通过结合时空信息来进行知识抽取任务，能有效提升知识多元组的质量；3.本发明方法通过规范化处理，能统一时空信息的表达。
-
公开(公告)号：CN115600012B
公开(公告)日：2023-04-21
申请号：CN202211523157.3
申请日：2022-12-01
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: G06F16/9535 , G06F8/75 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于知识增强和结构对比的API推荐方法，包括以下步骤：步骤1，代码预处理构图；解析源代码，提取方法、API和结构节点以及它们之间的关系，构成调用关系图和层次结构图；步骤2，知识增强的图嵌入学习；使用图卷积神经网络GCN在调用关系图上传播信息来细化方法和API的初始嵌入表示，同时用翻译模型TransH学习层次结构图中的实体和关系的嵌入表示；步骤3，多任务学习；包括主要的API推荐任务和辅助的对比学习任务。本发明的有益效果是：本发明提出了知识增强的图嵌入学习，使得方法和API的嵌入向量中不仅建模了调用交互还融合了代码中的层次结构信息，优化了方法和API的表示，达到更准确的推荐效果。
-
Patent Agency Ranking
公开(公告)号：CN114969318B
公开(公告)日：2023-04-07
申请号：CN202210069686.4
申请日：2022-01-21
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
IPC: G06F16/35 , G06F16/36 , G06F40/284 , G06F40/211 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多图稀疏交互网络的多任务立场检测方法。该方法通过将输入文本输入至多图稀疏交互网络模型，得到所述输入文本的立场检测极性和情感分类极性；所述多图稀疏交互网络模型包括文本编码模块、多图构建模块、多图稀疏交互模块和任务相关注意力模块；所述多图构建模块用于构建所述多图稀疏交互网络模型的立场任务图、情感任务图和任务关系图；多图稀疏交互模块用于对立场任务图、情感任务图和任务关系图的图内节点特征进行更新，和对节点特征在图间的稀疏交互进行更新；所述任务相关注意力模块用于计算输入文本的检测立场的极性和分类情感的极性。本发明技术方案提高了针对推文文本进行立场检测的准确性。
-
公开(公告)号：CN115017990B
公开(公告)日：2023-01-17
申请号：CN202210622541.2
申请日：2022-06-01
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) , 湖南大学
IPC: G06F18/2415 , G06N3/0464 , G08G1/01
Abstract: 本发明公开了一种交通流量预测方法、装置、设备及存储介质，该方法包括：采集历史交通流量数据，将所述历史交通流量数据按照与预设目标时间的时间相关性划分为多种时间分量数据；对所述多种时间分量数据进行数据处理，生成多种特定流量特征、共享流量特征和数据分布特征；其中，所述数据分布特征包括近似分布特征和条件概率特征；基于所述多种特定流量特征、所述共享流量特征和所述数据分布特征构建交通流量预测模型；采集当前交通流量数据，将所述当前交通流量数据传输给所述交通流量预测模型，生成交通流量预测数据。本方法提升了交通流量预测的精度。
-
公开(公告)号：CN115601960A
公开(公告)日：2023-01-13
申请号：CN202211122126.7
申请日：2022-09-15
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)(CN)
Abstract: 本发明公开了一种基于图对比学习的多模态交通流量预测方法及系统，方法包括：基于历史交通流量数据建立局部和全局流量异构图；对全局和局部流量异构图进行编码得到对应的异构图流量特征；计算局部流量异构图流量特征的互信息来优化局部流量异构图流量特征；多个局部流量异构图流量特征经过注意力机制融合成的全局流量特征，与全局流量异构图流量特征进行图对比学习来优化全局流量异构图流量特征；将优化后的局部和全局流量异构图流量特征输入到空间图卷积神经网络分别预测多模态的交通流量。本发明可以有效地捕获不同出行模式之间的相关性和差异性，有助于更好地捕获多种出行模式之间的依赖关系，从而提升交通流量预测的精度。
-
公开(公告)号：CN115510226A
公开(公告)日：2022-12-23
申请号：CN202211070367.1
申请日：2022-09-02
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: G06F16/35 , G06F16/36 , G06F40/211 , G06F40/242 , G06F40/30 , G06N3/04 , G06N3/08 , G06F17/16 , G06K9/62
Abstract: 本申请属于自然语言处理技术领域，公开了一种基于图神经网络的情感分类方法。通过利用BERT编码器得到文本句的上下文表示；基于句法依赖树，构建初始邻接矩阵；使用Glove词向量模型将初始邻接矩阵映射成初始化邻接矩阵表示；构建根选择分数向量和初始化邻接矩阵表示输入到结构归纳器中，获取潜在图以及语义图；将潜在图和语义图输入到图卷积神经网络中得到潜在图表示和语义图表示，将其结合交互得到经过语义信息增强的潜在图表示和与潜在图交互后的语义图表示；进一步获取用于情感分析的特征表示，经过平均池化操作得到最终特征表示，输入到图卷积网络的线性层，得到文本句的情感极性。实现更好的关联方面词与意见词，提高情感分类的准确性。
-
公开(公告)号：CN115017990A
公开(公告)日：2022-09-06
申请号：CN202210622541.2
申请日：2022-06-01
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) , 湖南大学
Abstract: 本发明公开了一种交通流量预测方法、装置、设备及存储介质，该方法包括：采集历史交通流量数据，将所述历史交通流量数据按照与预设目标时间的时间相关性划分为多种时间分量数据；对所述多种时间分量数据进行数据处理，生成多种特定流量特征、共享流量特征和数据分布特征；其中，所述数据分布特征包括近似分布特征和条件概率特征；基于所述多种特定流量特征、所述共享流量特征和所述数据分布特征构建交通流量预测模型；采集当前交通流量数据，将所述当前交通流量数据传输给所述交通流量预测模型，生成交通流量预测数据。本方法提升了交通流量预测的精度。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.07 seconds)
