-
公开(公告)号：CN116561798A
公开(公告)日：2023-08-08
申请号：CN202310533489.8
申请日：2023-05-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种面向多技能空间众包任务的去中心化响应者选择方法。首先任务发布者和响应者通过初始化合约进行上传相应的信息。之后进入到反向拍卖环节，通过提交出价合约和验证出价合约，响应者向前述两个合约提交两次出价，根据这两次出价判断此响应者是否可以加入候选集合。在筛选完合格的响应者之后，进行获胜者选择，通过获胜者选择合约选出一组可完成此任务的响应者集传给任务发布者。在任务完成之后，计算每个获胜的响应者的报酬。之后任务发布者向报酬支付合约转账总报酬，获胜响应者获取相应的报酬，反向拍卖环节结束。本发明加强了响应者相互竞争的公平性，保证了任务分配的可靠性，提高了适用范围的广泛性。
-
公开(公告)号：CN116431786A
公开(公告)日：2023-07-14
申请号：CN202310360585.7
申请日：2023-04-03
Applicant: 杭州电子科技大学
IPC: G06F16/332 , G06F16/35 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于詹森‑香农散度的对话状态追踪方法，包括如下步骤：S1、收集不同领域的任务型对话数据集；S2、构建对话状态追踪模型；S3、通过编码模块对任务型对话数据集中的历史和当前对话、当前状态和槽位信息进行语义编码的语义信息；S4、将编码后的语义信息输入至对话状态决策模块以生成目标概率分布；S5、使用JS散度作为指标来衡量样本是否属于噪声样本；S6、对于非噪声样本，保留其原有的标签，对于噪声样本，根据S4中得到的目标概率分布，选择概率值最大的目标，作为新的标签，并使用新的标签进行训练；S7、训练过程中动态调整噪声样本判断阈值以适配不断增强的对话状态追踪模型，直至对话状态追踪模型拟合。该方法有效解决现实噪声环境中训练DST模型会难以拟合下游任务数据的难题。
-
公开(公告)号：CN115456073B
公开(公告)日：2023-07-07
申请号：CN202211113923.9
申请日：2022-09-14
Applicant: 杭州电子科技大学
IPC: G06F18/2415 , G06F18/214 , G06N3/048 , G06N3/044 , G06N3/08
Abstract: 本发明提出了一种基于长短期记忆的生成式对抗网络(WGAN‑LSTM)模型对流程实例运行结果进行建模分析的方法，旨在对流程实例运行结果进行精准预测，为实现业务流程的动态监管及异常预警提供支持，本发明提供一种基于长短期记忆的生成式对抗网络模型建模分析方法，包括：步骤1，待预测流程实例已经执行的事件信息进行数据预处理；步骤2，将步骤1中的数据输入GAN‑LSTM模型中进行训练，得到预测模型M；步骤3，将正在执行的待预测流程实例输入到预测模型M中，预测出该条待预测流程实例对应的结果标签。
-
公开(公告)号：CN115935436A
公开(公告)日：2023-04-07
申请号：CN202310037325.6
申请日：2023-01-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于差分隐私的深度学习模型隐私保护方法，包括：步骤1、构建深度学习模型；步骤2、初始化模型参数；步骤3、训练数据集中随机采样；步骤4、计算动态更新的梯度裁剪阈值Ct；步骤5、获得第t次迭代的样本梯度值；步骤6、更新第t次迭代每个样本的优化梯度值；步骤7、对优化梯度值进行裁剪；步骤8、得到加噪梯度值步骤9、计算t次迭代的累计隐私损失；步骤10、更新训练迭代次数。该方法采用非线性指数衰减以实现添加噪声量的限制和收敛速度的提升，在梯度更新部分使用学习率控制变量来实现动量超参数的自适应更新，提升模型训练的收敛速度，减少模型优化的迭代次数，实现深度学习模型在相同的隐私预算下更高的准确性。
-
公开(公告)号：CN114625497B
公开(公告)日：2023-04-07
申请号：CN202111633859.2
申请日：2021-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于协同感知的可信服务组合方法，包括任务分解、服务发现、服务组合、服务优化、服务组合求解、信誉更新等步骤。本发明方法包含三部分的内容：兼顾协同和执行质量的协同水平评估模型、可信算法的信誉模块和非功能QoS属性修正模块。通过本发明提供的基于协同感知的可信服务组合方法，可以在服务组合领域高效保证任务执行质量的同时兼顾服务间的高协同，减少服务间因沟通合作带来的不必要成本，一定程度上减少虚假服务的参与，保证数据的可信。
-
Patent Agency Ranking
公开(公告)号：CN115049199A
公开(公告)日：2022-09-13
申请号：CN202210444251.3
申请日：2022-04-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于区块链的去中心化时空众包系统，包括客户端，合约层和区块链层，本发明涉及众包技术领域。该区块链众包系统通过用户管理合约对众包参与者进行登记注册，并且通过任务管理合约来管理众包任务的相关流程。任务管理合约包括发布任务、任务分配以及任务结算三个功能模块。特别的，本系统采用了基于技能覆盖率的贪心算法用于多技能要求的时空众包任务的分配过程。最不同于当前的区块链众包系统，该系统支持了多技能要求的时空众包任务，适用范围更加广泛。提出的基于技能覆盖率的贪心任务分配算法，实现了任务和工人的高效匹配，提高了区块链众包系统的效率。最后实现的一种基于众包的任务质量评估方法，保证了该系统的公平性。
-
公开(公告)号：CN114722177A
公开(公告)日：2022-07-08
申请号：CN202210408339.X
申请日：2022-04-19
Applicant: 杭州电子科技大学 , 杭州核新软件技术有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06N20/00
Abstract: 本发明公开了一种对比学习增强对话状态追踪的任务型对话方法。本发明首先收集中文多领域任务型对话数据，并做数据增强。其次通过对话状态追踪模块将收集整理好的数据送入意图识别模块、二分类识别模块、对比学习强化模块得到每一轮对话中用户的意图和所处的对话状态。通过数据库查询模块筛选出符合用户意图和对话状态的数据。然后通过对话状态决策模块对对话状态进行决策学习，生成更合理多样的对话决策；通过对话回复模块生成准确且合适的回复。最后通过网页前端模块将回复内容友好的展示给用户。本发明将对比学习融入对话状态追踪训练中，优化了模型对Span slot的抽取能力，进而提高了模型对整个输入语句上下文语义信息的提取能力。
-
公开(公告)号：CN114708479A
公开(公告)日：2022-07-05
申请号：CN202210342978.0
申请日：2022-03-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于图结构和特征的自适应防御方法。目前已经有很多对抗训练、注意力机制、去噪网络等方法来提高图神经网络模型的防御能力，但是当前GCN模型倾向于保持结构相似性而不是特征相似性的问题。本发明包含了三部分的内容：基于Attention机制进行原始图和特征图的训练，自适应平衡图结构和特征的信息；基于权重学习思想进行辅助模型的训练获取不同特征的权重进行消息聚合，考虑了不同特征的不同重要性；利用特征信息单独训练获取不依赖结构信息的结果，并采用对比学习和标签平滑方法提高模型性能。通过本发明提供的平衡图结构和特征的防御方法，可以有效的利用两方面信息提升图神经网络模型的防御能力。
-
公开(公告)号：CN114663038A
公开(公告)日：2022-06-24
申请号：CN202111663010.X
申请日：2021-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明提供了一种异构人机物资源软件定义方法及其资源服务统一封装方法，旨在解决现有人机物融合系统缺乏对异构人机物资源进行统一灵活管理手段的问题。其中，该软件定义方法的核心工作为：提供人机物资源的抽象描述‑“人机物资源模型”以及提供异构资源的服务化方法‑“异构资源服务统一封装方式”。首先，人机物资源模型描述了”何为人机物资源”，即确定人机物资源的构成要素，并提供编程可管理的人机物资源数字对象。其次，异构资源服务统一封装方式向下为资源提供方提供异构资源服务注册方法，向上对资源使用者提供统一形式的服务接口，使得资源使用方能够屏蔽与业务无关的资源服务异构性，进行高效的服务组合以生成业务流程。
-
公开(公告)号：CN114282104A
公开(公告)日：2022-04-05
申请号：CN202111579889.X
申请日：2021-12-22
Applicant: 杭州电子科技大学
IPC: G06F16/9535 , G06F16/35 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的软件众包任务推荐方法。目前已有很多相关研究提出使用深度学习的方法对众包任务文本信息来进行众包任务推荐，但在现有的方法中，众包任务文本信息的提取方法缺乏通用性，且由于众包数据分布不平衡的特点，在推荐结果的指标上，命中率与多样性无法兼顾。本发明方法包含三部分的内容：基于预训练模型Bert提取众包文本特征、基于CNN+LSTM对众包文本特征进行进一步的特征学习和基于上述两个模型作用下的输出，能够自适应克服众包数据分布不平衡的损失函数。通过本发明可以在简单高效地针对特定软件众包平台实现开发者的推荐，同时也提高了推荐结果的命中率与多样性。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.031 seconds)
