-
公开(公告)号：CN104035807A
公开(公告)日：2014-09-10
申请号：CN201410312993.6
申请日：2014-07-02
Applicant: 电子科技大学
IPC: G06F9/445
Abstract: 本发明涉及缓存管理领域，公开了一种云存储系统的元数据缓存替换方法，将元数据分为私有元数据和共享元数据，将元数据缓存区分为私有缓存区和共享缓存区；分别设定针对私有缓存区和共享缓存区的替换策略，所述云存储系统根据相应的替换策略分别对共享缓存区中的共享元数据以及私有缓存区中的私有元数据分别进行替换。分别满足私有元数据和共享元数据不同的替换管理要求，避免两种元数据在缓存替换时的相互干扰，提高系统针对元数据的替换管理能力，提高元数据缓存的命中率，加快系统响应，提升系统性能。能够适应于云存储环境下，用户数量庞大、数据量庞大、负载多变的访问特性。
-
公开(公告)号：CN119540520A
公开(公告)日：2025-02-28
申请号：CN202411338460.5
申请日：2024-09-25
Applicant: 电子科技大学
IPC: G06V10/25 , G06V10/20 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/0455
Abstract: 本发明涉及目标检测技术领域，公开了一种基于小波增强识别的多级细化伪装目标检测方法，弥补现有方法未能有效利用全局信息导致检测细节遗漏的缺陷以及未能处理多层信息产生的特征冗余问题，使其更好地完成位置目标检测任务。首先通过预训练模型对可见光图像进行预处理，通过金字塔操作扩大特征量，在保证信息量的同时控制计算量，选取其中部分初始特征进行特征增强并通过小波辨别增强模块筛选辨别特征；选取最高层特征送入非对称卷积曼巴模块获取具有全局信息的特征；然后通过多个引导单元组成的特征反转解码器处理全局信息特征和辨别特征获取预测图，并训练该模型；在执行具体的检测任务时，采用训练好的模型获取预测图，完成检测任务。
-
公开(公告)号：CN119227790A
公开(公告)日：2024-12-31
申请号：CN202411138796.7
申请日：2024-08-19
Applicant: 电子科技大学
IPC: G06N5/022 , G06N3/0455 , G06N3/0499 , G06N3/082
Abstract: 本发明涉及知识图谱技术领域，其公开了一种基于图结构信息的小样本知识图谱补全方法，解决现有技术中在小样本知识图谱补全过程中对图结构利用不完全导致的实体嵌入不准确、路径信息利用不充分的问题。该方法在训练过程中，首先构建头尾实体的子图，包括邻居子图和路径子图；接着，通过图注意力网络构建头尾实体嵌入，以及通过Transformer路径交互构建关系嵌入；最后，利用多层感知机层将基于路径的相似性嵌入φ转换为评分结果；在预测过程，将待预测样本的支持集作为微调输入进模型中，再将查询集中的样本输入模型中获得预测结果评分。
-
公开(公告)号：CN119129584A
公开(公告)日：2024-12-13
申请号：CN202411200524.5
申请日：2024-08-29
Applicant: 电子科技大学
IPC: G06F40/279 , G06F40/216 , G06F16/35 , G06N5/04
Abstract: 本发明提供了一种集成自编码和生成式语言模型的文档级关系抽取方法，首先利用文档级关系抽取数据集，微调以小型自编码预训练语言模型为编码器的文档级关系二分类模型，对文档中的所有实体对进行关系存在与否的二分类预测；然后将文档和存在关系的实体对填入提示词模板，微调生成式大语言模型，生成实体对的关系类别；最后利用自然语言推理模型，将大语言模型的生成结果与预设的关系标签进行对齐，以实现最终的文档级关系抽取。本发明提供了一种高效且准确的文档级关系抽取方法，克服了传统方法在长文本信息提取和逻辑推理方面的不足，显著提升了文档级关系抽取的性能和可靠性。
-
公开(公告)号：CN116992882A
公开(公告)日：2023-11-03
申请号：CN202311080417.9
申请日：2023-08-25
Applicant: 电子科技大学 , 成都九洲电子信息系统股份有限公司
IPC: G06F40/295 , G06F18/213 , G06N3/082 , G06N3/0442
Abstract: 本发明属于自然语言处理技术领域，具体提供一种基于指代消解和BERT模型的实体关系抽取方法，用以解决当前中文实体关系抽取中长句文本难以训练、长句文本难以剪枝、关系识别困难等问题，进而优化实体关系抽取模型的抽取效率和准确率。本发明包括：训练过程和预测过程，训练过程中，首先对训练数据进行剪枝处理，随后通过BERT模型提取词向量序列，再通过双向循环门控单元模型提取文本特征向量，最后经过全连接层后通过softmax操作进行关系类别判定，根据判定结果修正模型参数，完成训练；预测过程中，对待处理数据进行相同的预处理，再将预处理后的文本数据传入训练好的神经网络模型，通过模型计算来获取文本特性向量后完成关系类别判定。
-
Patent Agency Ranking
公开(公告)号：CN116523029A
公开(公告)日：2023-08-01
申请号：CN202310549244.4
申请日：2023-05-16
Applicant: 电子科技大学
IPC: G06N3/091 , G06N3/048 , G06F18/23213 , G06F18/214 , G06F16/2453
Abstract: 本发明涉及一种数据库查询优化器领域，提供了一种主动学习的基数估计模型的适应性提高方法及装置。主旨在于解决训练时的数据分布和实际数据分布可能不一致，导致基数估计模型过时，将产生不准确的基数估计的问题。主要方案包括模型训练，用静态数据及查询语句训练原始的基数估计模型；模型更新，在数据变化后，若数据分布变化超过阈值，则使用动态数据更新原始基数估计模型，使用主动学习策略选择更有用的查询语句标注以更新原始基数估计模型，否则沿用原始基数估计模型；用动态数据测试更新后基数估计模型的性能。
-
-
公开(公告)号：CN111898576B
公开(公告)日：2022-06-24
申请号：CN202010783073.8
申请日：2020-08-06
Applicant: 电子科技大学
Abstract: 本发明涉及计算机视觉技术领域，其公开了一种基于人体骨架时空关系的行为识别方法，解决现有行为识别方法难以充分利用人体在行为动作中时空关系，识别的准确率不高的问题。该方法包括以下步骤：S1、对人体骨架序列进行均匀分段处理；S2、对每段人体骨架信息生成基于距离的图像表达；S3、采用带权多视角卷积方法对每段人体骨架信息的图像表达进行短时空特征提取；S4、采用具有时序关系的多个短时空特征作为Bi‑LSTM模型的输入，提取人体骨架序列的整体时空关系并进行行为识别。
-
公开(公告)号：CN112380325B
公开(公告)日：2022-05-31
申请号：CN202010978007.6
申请日：2020-09-17
Applicant: 电子科技大学
IPC: G06F16/332 , G06F16/36 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于联合知识嵌入模型和事实记忆网络的知识图谱问答系统，属于知识图谱问答技术领域。本发明包括知识嵌入模块和问答推理模块；其中知识嵌入模块用于对知识图谱中的三元组进行向量表示；问答推理模块用于对用户输入的问题进行提取处理，并通过事实记忆网络在知识图谱上进行问题答案推理和输出。在嵌入过程中整合了三元组的结构特征和实体、关系的语义特征，保证了知识嵌入的准确性和合理性；使用事实记忆网络来对问题答案推理，保证了整个推理模型的鲁棒性和推理结果的准确性，同时使用了事实列表来保证整个过程的可解释性。本问答系统能够针对用户的问句给出精确的结果；同时，也方便维护者进行错误回溯，使得整个系统易于维护。
-
公开(公告)号：CN108897820B
公开(公告)日：2022-03-15
申请号：CN201810641090.0
申请日：2018-06-21
Applicant: 电子科技大学
IPC: G06F16/2458 , G06N20/00
Abstract: 本发明提出一种DENCLUE算法的并行化方法，可以用于大规模数据聚类分析的环境中，通过改进DENCLUE算法的并行化聚类方法，相比传统的集中式执行方法，本发明达到了更快的数据处理速度。此方法主要包括以下步骤：步骤1：划分原始数据；步骤2：并行建立数据空间中网格关联映射；步骤3：生成全局网格关联映射，步骤4：并行挖掘聚。该DENCLUE算法的并行化方法有效提高了数据划分速度以及最终聚类速度，使算法的执行速度得到提升。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.024 seconds)
