-
公开(公告)号：CN117975980A
公开(公告)日：2024-05-03
申请号：CN202410068768.6
申请日：2024-01-17
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G10L21/007 , G10L21/0224 , G10L21/0264 , G10L21/043 , G10L25/30
Abstract: 本发明属于机器学习中的神经网络技术领域，公开了一种基于去噪扩散概率模型的语音增强加速方法，依据浅层扩散策略，选择加入高斯噪声的时间步骤，进而向待增强语音加入高斯噪声，并利用第一噪声预测器对加入高斯噪声的待增强语音进行初步去噪，得到初步去噪语音；依据给定的时间步骤，向初步去噪语音加入高斯噪声，并利用第二噪声预测器对加入高斯噪声的初步去噪语音进行进一步去噪，得到增强后的语音。本发明提升了传统的基于去噪扩散概率模型的语音增强效率及质量。
-
公开(公告)号：CN116308854A
公开(公告)日：2023-06-23
申请号：CN202211577433.4
申请日：2022-12-09
Applicant: 电子科技大学 , 中国电子科技集团公司第五十四研究所 , 喀什地区电子信息产业技术研究院
IPC: G06Q50/00 , G06F17/13 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/08
Abstract: 本发明属于信息传播技术领域，公开了一种基于概率扩散的信息级联流行度预测方法及系统，基于神经常微分方程和扩散概率模型，来建模级联事件时间不规则性以及信息传播的不确定性，进行级联的流行度预测。首先，将信息级联数据构建为级联社交图，级联图以及级联序列，用于下游结构和序列模型的特征学习；然后，基于常微分方程和时间感知的门控机制得到级联隐式特征；在此基础上，从时空隐变量角度，结合条件扩散概率模型和隐式常微分方程，得到级联不确定的隐式特征；最后，利用级联隐式特征和级联不确定的隐式特征进行流行度预测。本发明可用于信息级联的连续时间状态建模和传播不确定性建模，能够更好地进行信息级联流行度预测。
-
公开(公告)号：CN114884877B
公开(公告)日：2023-02-03
申请号：CN202210666799.2
申请日：2022-06-14
Applicant: 电子科技大学
IPC: H04L45/74 , H04L45/7453 , H04L45/748 , H04L45/00 , H04L101/659
Abstract: 本发明属于路由查找技术领域，具体来说是涉及一种哈希表和HOT相结合的IPv6路由查找方法。本发明在分析骨干路由表前缀地址分布规律的基础上，提出一种哈希表与HOT相结合的路由查找算法，其核心思想在于将地址前缀分成两个区间，第一区间不易发生冲突，采用哈希表存储，第二区间查询更新频繁，采用HOT存储。经验证，本发明的方法在查询时间以及空间占用等方面都具有较好的性能。
-
公开(公告)号：CN115409155A
公开(公告)日：2022-11-29
申请号：CN202210983826.9
申请日：2022-08-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于Transformer增强霍克斯过程的信息级联预测系统及方法，包括用户嵌入模块、全局依赖模块、局部依赖模块、强度函数获取模块和流行度预测模块，首先获取用户position‑wise嵌入和时间编码作为用户嵌入，然后以拓扑结构的视角，引入路径感知假设，并从全局嵌入和局部模式两个角度设计两层注意力层，参数化霍克斯过程的强度函数，并结合霍克斯过程、全局嵌入和局部模式，学习信息级联扩散过程耦合的时间和拓扑随机特性，以进行流行度预测；本发明扩展了传统的霍克斯过程，并有效地从连续时间域中获取知识，提升流行度预测准确性。
-
公开(公告)号：CN114937475A
公开(公告)日：2022-08-23
申请号：CN202210380137.9
申请日：2022-04-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种PacBio测序数据纠错结果的自动化评估方法，对原始PacBio测序数据进行质量控制得到符合设定阈值范围的测序序列；使用待评估的纠错方法对质量控制后的clean reads纠错得到序列记为corrected reads，并统计纠错所需的内存资源和时间消耗；对纠错前、后的clean reads、corrected reads进行比较、分析，得到纠错输出率TH和纠错后序列的平均长度；将纠错后的corrected reads与其对应的参考基因组进行比对，得到比对序列MSA并统计分析，得到纠错的灵敏度和正确率；将纠错后的corrected reads组装得到contigs；将contigs与其对应的参考基因组比对，得到比对contigs MSA统计分析，统计出contigs的数量、基因组覆盖率和NGA50。
-
Patent Agency Ranking
公开(公告)号：CN109636658B
公开(公告)日：2022-05-06
申请号：CN201910044138.4
申请日：2019-01-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于图卷积的社交网络对齐方法，首先利用图卷积神经网络对社交网络中的用户关系进行网络嵌入，然后利用高斯核函数将嵌入空间升维，得到高维空间中节点的相似度矩阵，利用锚节点来表示非锚节点，得到两个社交网络最终的网络嵌入，再利用已知的锚节点信息来学习一个网络映射函数，最后利用该函数将两个社交网络中的节点进行对齐。本发明不需要提取大量的用户隐私信息，利用图形就能够很好地表示社交网络用户之间的社交关系。通过引入高斯核函数将嵌入空间升维，可以分离原始低维嵌入空间中不可分离的节点。利用已知锚节点来学习网络映射函数，可以大大地提高社交网络对齐的准确率，从而实现了一种优于现有方法的社交网络对齐方法。
-
公开(公告)号：CN112465224A
公开(公告)日：2021-03-09
申请号：CN202011363890.4
申请日：2020-11-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于标准化流的股票走势预测系统及方法，通过变分方法将推特文本和历史股价信息编码到随机变量中，然后结合标准化流更加有效的学习引入了推特文本和历史股价信息的潜在表示，从而能够捕获多元时间序列的时间模式，实现对股票走势的有效预测。
-
公开(公告)号：CN105741175B
公开(公告)日：2019-08-20
申请号：CN201610057577.5
申请日：2016-01-27
Applicant: 电子科技大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种基于节点相似度的对多个在线社交网络(OSN)中账户进行关联的方法，从OSN网站账户中提取好友关系来关联不同OSN平台上属于同一实体用户的多个账户。该专利五个部分：数据预处理部分对OSN的账户节点关系图进行预处理；节点序列提取部分通过随机游走获得账户节点序列集合；账户向量表示部分通过词转向量工具word2vec生成每个账户的向量模型；计算线性变换矩阵部分通过梯度下降法求得从一个OSN到另一个OSN的线性变换矩阵W；获取关联账户部分将其中一个OSN中的账户映射到另一OSN的坐标空间，通过相似度度量和阈值筛选，得到所有账户对应的关联账户或者对应的候选集。本发明避免了因账户不真实的特征信息对账户关联结果带来的误差，故而提高了账户关联的健壮性。
-
公开(公告)号：CN105741175A
公开(公告)日：2016-07-06
申请号：CN201610057577.5
申请日：2016-01-27
Applicant: 电子科技大学
IPC: G06Q50/00
Abstract: 本发明公开了一种基于节点相似度的对多个在线社交网络(OSN)中账户进行关联的方法，从OSN网站账户中提取好友关系来关联不同OSN平台上属于同一实体用户的多个账户。该专利五个部分：数据预处理部分对OSN的账户节点关系图进行预处理；节点序列提取部分通过随机游走获得账户节点序列集合；账户向量表示部分通过词转向量工具word2vec生成每个账户的向量模型；计算线性变换矩阵部分通过梯度下降法求得从一个OSN到另一个OSN的线性变换矩阵W；获取关联账户部分将其中一个OSN中的账户映射到另一OSN的坐标空间，通过相似度度量和阈值筛选，得到所有账户对应的关联账户或者对应的候选集。本发明避免了因账户不真实的特征信息对账户关联结果带来的误差，故而提高了账户关联的健壮性。
-
公开(公告)号：CN118780360A
公开(公告)日：2024-10-15
申请号：CN202410850246.1
申请日：2024-06-28
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G06N5/025 , G06N5/04 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/044 , G06N3/0442 , G06N3/08
Abstract: 本发明属于知识图谱推理技术领域，公开了一种基于长短期依赖的时序知识图谱推理方法，将若干个历史子图序列合并为一个长期稠密图，并使用关系图神经网络进行建模，实体长期嵌入表示；针对当前时刻之前的若干子图序列，使用长期嵌入表示进行初始化，然后针对每一个子图序列，使用基于注意力机制的关系图神经网络和双重循环网络来对事件近期的演化进行建模，生成包含长期演化依赖和短期演化偏好的实体嵌入表示和关系嵌入表示；依据当前时刻的实体嵌入表示、关系嵌入表示和已知实体，通过解码器获取未来事件的最终预测结果。本发明通过联合建模长期和短期的事件演化动态性，以一种自适应的方法巧妙地融合长短期预测，从而提高了对未来事件预测精度。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.025 seconds)
