公开(公告)号：CN118916786A

公开(公告)日：2024-11-08

申请号：CN202411043427.X

申请日：2024-07-31

Applicant: 哈尔滨工业大学

Inventor： 何慧 ,  陈端静 ,  邰煜 ,  杨洪伟 ,  张伟哲

IPC: G06F18/2415 ,  G06F18/213 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/084 ,  G06F123/02

Abstract: 本发明公开了一种基于时序异构图注意力网络的动态链路预测方法及系统，涉及网络链路预测技术领域。本发明的技术要点包括：获取时序异构网络的时序异构图；将时序异构图按照时间顺序划分为训练集和测试集，获取预测时间；基于训练集和测试集训练获得链路预测模型；将待预测时序异构网络数据输入训练好的链路预测模型中进行链路预测；其中，对于异构性，使用异构邻居随机游走来捕获异构信息；对于时序信息，使用时间编码器对时间信息进行编码；对于新节点，使用归纳图表示学习方法，聚合节点邻域的结构特征，从而快速生成新子图中的节点嵌入。本发明在时序异构网络链路预测任务上具有显著优势。

公开(公告)号：CN118734212A

公开(公告)日：2024-10-01

申请号：CN202410729183.4

申请日：2024-06-06

Applicant: 上海浦东发展银行股份有限公司 ,  哈尔滨工业大学

Inventor： 何慧 ,  赵静 ,  杨洪伟 ,  董恒基 ,  彭杰 ,  周骏 ,  冯云青 ,  刘瑞

IPC: G06F18/2433 ,  G06F18/213 ,  G06N3/042 ,  G06N3/0895

Abstract: 本发明提出一种基于多视图对比学习的半监督图异常检测方法，属于图节点异常检测技术领域。包括：S1.基于节点特征和属性图的边进行采样，生成图节点属性与网络结构的增强图；S2.将图节点属性和网络结构编码为节点嵌入表示；S3.基于节点嵌入表示构建多视图图对比模块，挖掘异常信息；S4.构建图节点异常检测模型，利用图异常训练数据集训练图节点异常检测模型。解决缺少使用极少标签获得较高的检测结果的问题，本发明结合多视角对比，即样本‑样本、样本‑实例和正常‑异常对比，以捕获属性图区分正常节点和异常节点的信息，实现利用少量标记数据来增强大量未标记数据嵌入表示，提高正常节点和异常节点的区分度，提升图异常检测性能。

公开(公告)号：CN117667336A

公开(公告)日：2024-03-08

申请号：CN202311276347.4

申请日：2023-09-30

Applicant: 哈尔滨工业大学

Inventor： 张伟哲 ,  田雪洋 ,  郝萌 ,  何慧 ,  李璇 ,  杨洪伟

IPC: G06F9/48 ,  G06F9/50 ,  G06F9/54 ,  G06N5/04 ,  G06N3/0442 ,  G06N3/092

Abstract: 一种面向GPU系统深度学习推理的能效感知自适应调度方法及系统，涉及GPU系统深度学习技术领域。本发明的目的是为了提高GPU推理过程中的能耗效率，根据GPU当前环境，自适应地选择当前最合适的批处理大小和GPU频率大小来降低GPU推理的能耗，最终做到能效的最大化。能效自适应调度器根据波动的工作负载自适应地协调批处理大小和GPU核心频率大小，并使用强化学习算法训练模型以在满足延迟SLO的同时降低延迟和深度学习推理服务的能耗：智能体在每一时刻，根据环境的状态，依据一定的策略选择一个动作，然后环境依据一定的状态转移概率转移到下一个状态，与此同时根据此时状态的好坏反馈给智能体一个奖励；智能体根据环境的反馈调整其策略，然后继续在环境中探索，最终学习到一个能够获得最多奖励的最优策略，最终实现能效感知自适应调度。

公开(公告)号：CN117332838A

公开(公告)日：2024-01-02

申请号：CN202311299871.3

申请日：2023-10-09

Applicant: 哈尔滨工业大学

Inventor： 郝萌 ,  何慧 ,  王临轩 ,  张伟哲 ,  杨洪伟

IPC: G06N3/08 ,  G06N3/063 ,  G06N3/0464

Abstract: 一种基于GPU的高性能多方安全计算训练方法及系统，涉及具体涉及多方安全计算协议领域。本发明的目的是给出一种并行程度更高的的多方安全计算训练框架，以实现通过结合数据并行与模型并行的方式来实现神经网络不同层之间的并行，来提高训练过程的数据吞吐速度。本发明方法是一种基于管道流水线训练方法的多方安全计算训练系统，如图1所示，该方法针对MPC模型训练过程中线性计算网络层与非线性计算网络层的瓶颈分别为计算与通信这一特性，设计了管道流水线训练方法，实现子网络间的并行，并实现了最优子网络分割算法以均衡每个子网络之间的训练负载。本发明给出一种并行程度更高的的多方安全计算训练框架，通过结合数据并行与模型并行的方式来实现神经网络不同层之间的并行，大大提高训练过程的数据吞吐速度。

公开(公告)号：CN117171448A

公开(公告)日：2023-12-05

申请号：CN202311015948.X

申请日：2023-08-11

Applicant: 哈尔滨工业大学

Inventor： 何慧 ,  武兴隆 ,  杨洪伟 ,  邰煜 ,  张伟哲 ,  黄岸峰

IPC: G06F16/9536 ,  G06F16/9535 ,  G06N3/09 ,  G06N3/04 ,  G06N3/045

Abstract: 一种基于图神经网络的多行为社会化推荐方法及系统，涉及推荐技术领域，为了解决现在的推荐方法没有区分与交互行为相关联的信任传播过程。本发明提出一个多行为社会化推荐框架MB‑Soc模型，该模型将细粒度的多行为信息集成到社交推荐架构中，MB‑Soc架构由四个主要部分组成：嵌入层、传播层、多行为集成层和预测层。本发明提出了一种全新的多行为社会化推荐框架MB‑Soc来探索社交推荐中的细粒度信任传播过程，对实体的多种类行为在社交网络中的传播进行区分，并完成在社会化推荐场景下的差分化传播。本发明完成了在真实数据集上的可扩展实验，大量实验证明了本发明所提出的MB‑Soc模型的优越性和有效性。