-
公开(公告)号：CN111723239B
公开(公告)日：2023-06-16
申请号：CN202010393229.1
申请日：2020-05-11
Applicant: 华中科技大学
IPC: G06F16/78 , G06F16/75 , G06F16/783 , G06F18/25 , G06F18/23213 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多模态的视频标注方法，属于计算机视觉和视频标注技术领域。方法包括：通过聚类的方法提取视频的关键帧；提取关键帧的特征，并将连续的关键帧特征通过学习池聚合生成视频的视觉特征；提取视频中的音频，将音频分为多个独立的帧；提取音频帧特征，然后将连续的音频帧特征通过学习池聚合生成视频的音频特征；将视觉特征和音频特征融合输入到预测模块；进行视频标注。本发明同现有技术相比，同时考虑了视频的视觉特征和音频特征，并在帧特征聚合时加入了注意力机制，使提取的视频特征更加具有代表性，大大提高了视频标注的准确度。
-
公开(公告)号：CN111523940B
公开(公告)日：2023-04-18
申请号：CN202010328640.0
申请日：2020-04-23
Applicant: 华中科技大学
IPC: G06Q30/0601 , G06N7/01 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084 , G06N3/092
Abstract: 本发明公开了一种带负反馈的基于深度强化学习的推荐方法及系统，收集商品特征信息，同时收集用户行为数据得到用户的正负反馈行为向量；对用户的正负反馈行为向量通过特征提取网络模型得到用户的正负反馈特征混合状态向量；利用用户的正负反馈特征混合状态向量对由策略网络和估值网络组成的深度确定性策略梯度模型进行训练，直至模型收敛；根据需要进行推荐工作的用户的历史行为，先生成正负反馈特征混合状态向量，通过完成训练的深度确定性策略梯度模型生成用户推荐商品列表供给用户进行选择，完成用户推荐工作。本申请可以使得相关神经网络的参数更新得到延迟，从而减小网络之间的相关性，提升推荐方法的训练速度和准确度。
-
公开(公告)号：CN115526334A
公开(公告)日：2022-12-27
申请号：CN202211067316.3
申请日：2022-09-01
Applicant: 华中科技大学
Abstract: 本发明公开了一种加权聚合的联邦蒸馏方法及系统，属于联邦学习技术领域；本发明通过中心服务器端将本地生成器分别下发给各客户端，并在各客户端中分别将其中的本地生成器进行分布式训练，最后再返回给中心服务器端进行全局聚合以来模拟全局数据分布，从而代替了直接引入外源数据，从未提高了联邦蒸馏方法的可用性；此外，本发明还在各客户端中均引入了一个小型的判别器，通过训练使其输出蒸馏数据在本地数据中对应的概率密度，并以此概率密度进行加权平均，获取准确度更高的教师软标签，来提升蒸馏效率和训练所得模型精度，从而提高了数据集非独立同分布场景下联邦学习训练模型的准确率。
-
公开(公告)号：CN113780535A
公开(公告)日：2021-12-10
申请号：CN202111137522.2
申请日：2021-09-27
Applicant: 华中科技大学
Abstract: 本发明公开了一种应用于边缘设备的模型训练方法及系统，属于模型压缩和迁移学习领域，包括：在边缘设备中加载预训练好的原模型，并识别出其中由Point‑wise卷积层、Depth‑wise卷积层和Point‑wise卷积层依次连接构成的残差块；在残差块的基础上加入对应的轻架构，以将原模型转换为目标模型；轻架构由Group‑wise卷积层和Point‑wise卷积层组成；利用目标任务数据集对目标模型进行训练，并通过两步压缩的方式先后对目标模型中的共享参数和非共享参数进行压缩，从而完成对目标模型的训练和压缩；两步压缩为常规的两步压缩、基于激活值的两步压缩或基于压缩训练的两步压缩。本发明能够提高边缘设备中模型训练效率，并减少模型训练过程以及推理过程中占用的存储空间和计算复杂度。
-
公开(公告)号：CN113449183A
公开(公告)日：2021-09-28
申请号：CN202110680280.5
申请日：2021-06-18
Applicant: 华中科技大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于离线用户环境和动态奖励的交互式推荐方法和系统，属于交互式推荐技术领域。包括：构建离线用户环境，将其作为强化学习的环境，构建演员‑评论家架构的推荐智能体，将其作为强化学习的智能体；推荐智能体与离线用户环境不断进行交互自主学习，以期望在不断学习过程中获得最大化的累积奖励，得到学习好的推荐智能体，将待推荐用户的状态输入至学习好的推荐智能体，得到推荐项目列表。本发明通过构建并训练一个离线用户环境，捕获用户的兴趣偏好，模拟用户的行为(选择奖励最大的项目)，完成环境的状态转移。本发明通过构建离线用户环境学习用户的奖励函数，根据用户的动态兴趣偏好动态调整奖励反馈，从而提高智能体学习效果。
-
Patent Agency Ranking
公开(公告)号：CN111914272A
公开(公告)日：2020-11-10
申请号：CN202010671351.0
申请日：2020-07-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种移动边缘计算环境下起源数据的加密检索方法与系统，通过将不同的数据库分散在主智能合约和从智能合约中，在主智能合约中存储用户合约密钥表，在从智能合约中存储加密后的起源数据，不同的从智能合约中数据库不同，所存储的起源数据也不同；本发明在检索时通过主智能合约和从智能合约的相互配合进行检索，更加适应物联网设备众多，结构分散的特点，不易发生拥塞，检索效率较高。另外，本发明不论是对起源数据还是对查询语句，均分别在客户端，主智能合约以及从智能合约处进行了加密，同时也需要相应的密钥得到才能彻底地拿到明文的起源数据，保证了记录的隐私性，也保障了移动边缘计算环境下起源数据的加密检索的安全性。
-
公开(公告)号：CN108733653B
公开(公告)日：2020-07-10
申请号：CN201810481860.X
申请日：2018-05-18
Applicant: 华中科技大学
IPC: G06F40/284 , G06F16/35
Abstract: 本发明公开了一种基于融合词性和语义信息的Skip‑gram模型的情感分析方法，包括：数据预处理、词性信息建模、词向量表示、语义信息建模、情感分析五个步骤。其中数据预处理包括过滤、分词、词性标注；词性信息建模包含基于上下文对词性信息建模；词向量表示模块在融合词性信息的Skip‑gram模型上进行向量训练；语义信息建模模块包括融合情感语义信息的文本表示。同现有技术相比，本发明考虑了单词的词性信息及情感语义信息，且在对单词的词性信息建模和融合语义信息的基础上,充分利用单词的词性信息帮助词向量训练以及情感语义先验信息帮助文本向量的学习，使得表示的文本向量更加符合语言学特征，对于情感分析有很好的结果。
-
公开(公告)号：CN110233774A
公开(公告)日：2019-09-13
申请号：CN201910453811.X
申请日：2019-05-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种Socks代理服务器的分布式探测方法和系统，属于网络资源空间探测领域，包括：若待测主机开放服务，则执行后续步骤；否则，探测结束；将预先构造的基于HTTP协议的GET请求报文通过预设的端口分别发送至待测主机，并获取各端口的响应信息；解析各端口的响应信息，若不包含第一特征字符串且包含第二特征字符串，则判定主机通过对应端口开放了Socks代理服务；否则，判定主机未通过对应端口开放Socks代理服务；若主机通过任意一个端口开放了Socks代理服务，则识别待测主机为Socks代理服务器；否则，识别待测主机为非Socks代理服务器；探测结束。本发明能够有效解决现有的Socks代理服务器探测方法识别率低的问题，并通过分布式探测系统加快了探测速度。
-
公开(公告)号：CN108764460A
公开(公告)日：2018-11-06
申请号：CN201810469767.7
申请日：2018-05-16
Applicant: 华中科技大学
CPC classification number: G06N3/0454 , G06Q10/04
Abstract: 本发明公开了一种基于时间卷积和LSTM的时间序列预测方法，包括：获取时间序列预测问题的样本数据，包括时间序列和预测目标序列；采用不同的超参数组合，建立基于TC‑LSTM模型的多个候选模型；对时间序列进行预处理，得到窗口序列和目标集，并通过划分得到训练集和测试集；利用训练集对候选模型进行训练；利用训练好的候选模型对测试集中的窗口序列子集进行预测，并计算每一个候选模型的预测结果与测试集中的目标集子集的均方根误差；选取均方根误差最小的候选模型作为预测模型；对待预测的时间序列进行预处理，得到待预测的窗口序列，然后利用预测模型对待预测的窗口序列进行预测，得到预测目标值。本发明能够提高时间序列预测的准确度。
-
公开(公告)号：CN108763210A
公开(公告)日：2018-11-06
申请号：CN201810496384.9
申请日：2018-05-22
Applicant: 华中科技大学
CPC classification number: G06F17/2785
Abstract: 本发明公开一种基于自动化数据收集的情感分析与预测系统，包括：用户交互模块接收用户的输入的进行情感分析指令，并提供可视化界面供用户进行信息查看；数据管理模块用于对待进行情感分析的数据进行收集和管理，通过网页、API和URL三种爬虫实现预设条件下的历史文本信息或实时文本流的爬取并存储；情感分析模块用于对待进行情感分析的数据进行情感分析，包括词性标注、句法结构分析和情感倾向性分析，结合不同情感分析过程给出综合情感分析结果；情感预测模块用于根据一段时间内的综合情感分析结果对待进行情感分析的数据对应的情感倾向进行预测。本发明可以自动收集数据并在此过程中不断基于历史数据给出情感预测结果。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.026 seconds)
