-
公开(公告)号：CN116994042A
公开(公告)日：2023-11-03
申请号：CN202310866764.8
申请日：2023-07-14
Applicant: 电子科技大学
Abstract: 本发明属于机器学习和图数据处理技术领域，具体公开了一种融合图神经网络与可解释性机制的图分类方法及系统，包括：基于原始的图数据结构进行数据增强，生成增强的图表示，然后利用预训练的神经网络学习这些增强的图表示，最后输出图表示HIB；将输出的图表示HIB被送至下游贝叶斯网络模型中进行对抗训练，包括数据扰动和参数扰动；在对抗训练后，利用图标签Y进行模型训练，完成模型微调，将待测样本输入到微调后的模型中进行多次贝叶斯预测，并根据这些预测结果分布计算预测结果的不确定性，完成图分类。本发明方法通过在图神经网络和可解释性机制的基础上，引入自我监督学习、对抗学习和贝叶斯学习的策略，是一种高效、可解释、稳定的图分类方案。
-
公开(公告)号：CN116450102A
公开(公告)日：2023-07-18
申请号：CN202310714147.6
申请日：2023-06-16
Applicant: 服务型制造研究院(杭州)有限公司 , 上海交通大学 , 电子科技大学
IPC: G06F8/20 , G06F8/10 , G06F18/22 , G06F18/2323 , G06N7/02
Abstract: 本发明属于智能设计技术领域，具体涉及智能产品服务生态系统的模块生成方法及系统，其模块生成方法包括：识别智能产品服务生态系统的所有服务组件；基于粗糙模糊数和相关性矩阵的共智关系评估方法对服务组件之间的共智关系进行评价，得到服务组件之间的共智关系相关度，并根据所有服务组件之间的共智关系相关度构建得到共智关系评估矩阵；将共智关系评估矩阵作为无向加权复杂网络模型的邻接矩阵，构建服务组件网络模型，并利用GN算法计算得到最大模块度对应的模块划分数量，根据模块划分数量生成智能产品服务生态系统的服务模块。本发明利用共智关系评估矩阵作为无向加权复杂网络模型的邻接矩阵，有利于提升智能产品服务模块划分的准确性。
-
公开(公告)号：CN114925699B
公开(公告)日：2023-05-23
申请号：CN202210470248.9
申请日：2022-04-28
Applicant: 电子科技大学
IPC: G06F40/30 , G06F40/205 , G06F40/166 , G06F16/33 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于风格变换的高迁移性对抗文本生成方法，包括如下步骤：S1、构建预训练模型，包括构建原始替代模型Forg、构建释义生成器P、构建特征提取器E和特征解码器D；S2、构建测试文本的向量表示集和替代模型集F；所述测试文本的向量表示集包括语义特征向量集Vp、缩放因子集和风格特征向量集Vs；S3、构建任务集，包括构建总任务集Task，划分查询任务集Taskqr和支持任务集Tasksr；S4、利用元学习优化策略获取风格特征噪声向量δ*；S5、生成对抗文本x*。本发明通过结合风格变换和元学习策略，在黑盒场景下能生成具备强攻击能力、高迁移性的对抗文本。
-
公开(公告)号：CN116094993A
公开(公告)日：2023-05-09
申请号：CN202211657554.X
申请日：2022-12-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种适用于边缘计算场景下的联邦学习安全聚合方法，包括：(1)边缘节点将各个终端之间的通信拓扑图结构由全连通图修改为基于最小生成树的终端连通拓扑图；(2)各个终端利用本地数据训练联邦学习的模型，并根据修改的终端连通拓扑图与邻居终端以广播密钥的方式进行通信；(3)各个终端计算掩码并用于加密模型梯度；(4)边缘节点接收终端传输的加密的模型梯度并进行局部聚合；(5)云计算处理中心接收来局部聚合模型梯度，再进行一次聚合形成全局聚合模型，并将全局聚合模型下发到边缘节点，为终端提供服务。本发明在解决联邦学习中隐私泄露问题的同时，避免了需要大量额外的计算和通信开销，并提高了模型的收敛速度。
-
公开(公告)号：CN110765613B
公开(公告)日：2023-03-21
申请号：CN201911014667.6
申请日：2019-10-24
Applicant: 电子科技大学 , 四川浩特通信有限公司
Abstract: 本发明公开的一种实时微观交通仿真系统的信号控制与同步方法为在所述微观交通仿真系统的仿真过程中，采用如下步骤进行信号控制与同步：步骤1，设置仿真步数和每个仿真步数的阈值；步骤2，设置交通信号灯周期；步骤3，WEB端经服务器发送一个仿真步数至仿真引擎；步骤4，仿真引擎接收仿真步数后根据仿真参数进行仿真；步骤5，仿真引擎将仿真结果数据经服务器回传至WEB端进行仿真播放；步骤6，当仿真引擎的仿真步数达到设置的仿真步数时暂停仿真；步骤7，在WEB端播放的仿真步数达到设置的阈值时，向服务器发送下一个仿真步数。本发明通过在仿真引擎仿真完既定的仿真步数后暂停仿真，从而实现仿真引擎的停等模式，避免大量脏数据的产生。
-
Patent Agency Ranking
公开(公告)号：CN114244456B
公开(公告)日：2023-01-24
申请号：CN202111589637.5
申请日：2021-12-23
Applicant: 电子科技大学
IPC: H04B17/336 , G06N3/04 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于生成对抗网络的无线电数据增扩与分类方法，利用GAN捕获样本数据分布，生成具有原始数据分布特征的高质量“伪造”数据，从而解决获取无线调制数据困难与成本较高的问题；优化了调制数据分类模型，提出了调制分类模型AMCST，提高了调制数据的分类准确率。通过在公共数据集上的实验，证明了所提出的数据增扩方法可以极大地提高调制分类模型AMCST分类准确率。在未来的工作中，本发明将研究其他深度学习模型，如变分自编码器及其变种，在调制数据增扩领域的应用。
-
公开(公告)号：CN111652081A
公开(公告)日：2020-09-11
申请号：CN202010401842.3
申请日：2020-05-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于光流特征融合的视频语义分割方法，包括如下步骤：步骤1，判定视频序列的当前视频帧图像为关键帧图像或非关键帧图像；若为关键帧图像，则执行步骤2，若为非关键帧图像，则执行步骤3；步骤2，提取当前视频帧图像的融合位置依赖信息和通道依赖信息的高层语义特征图；步骤3，通过计算光流场得到当前视频帧图像的高层语义特征图；步骤4，对步骤2和步骤3得到的高层语义特征图进行上采样，得到语义分割图。本发明的方法中融入了光流场和注意力机制思想，可以提升视频语义分割的速率和准确率。
-
公开(公告)号：CN111340066A
公开(公告)日：2020-06-26
申请号：CN202010084341.7
申请日：2020-02-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于几何向量的对抗样本生成方法，包括：步骤1，数据预处理；步骤2，模型预训练；步骤3，重复步骤(a)-(f)，直到收敛，得到DGA域名对抗样本：(a)将合法域名输入ATN网络生成合法域名对抗样本，并得到扰动损失；(b)将合法域名和以及合法域名对抗样本输入噪声扰动方向函数得到噪声；(c)将噪声和DGA域名输入扰动网络得到DGA域名对抗样本；所述扰动网络为基于几何向量的扰动网络；(d)将DGA域名对抗样本输入目标网络，得到目标网络损失；(e)利用扰动损失和目标网络损失得到目标损失函数；(f)通过最小化目标损失函数更新ATN网络。本发明可以针对特定DGA类别生成其对抗样本。
-
公开(公告)号：CN111191717A
公开(公告)日：2020-05-22
申请号：CN201911389624.6
申请日：2019-12-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于隐空间聚类的黑盒对抗样本生成算法，包括如下步骤：步骤1，利用卷积自编码器提取图像样本的特征表示；步骤2，当需要被攻击模型产生误分类时，利用图像样本的特征表示进行误分类对抗样本生成算法，得到对抗样本；步骤3，当需要对被攻击模型进行目标对抗时，利用图像样本的特征表示进行目标对抗样本生成算法，得到对抗样本。本发明通过采用卷积自编码器提取图像样本的特征表示，从而实现隐空间聚类，并且不需要了解目标模型的结构，实现黑盒对抗样本生成算法。
-
公开(公告)号：CN111031042A
公开(公告)日：2020-04-17
申请号：CN201911281444.6
申请日：2019-12-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于改进D-S证据理论的网络异常检测方法，包括如下步骤：步骤1，采集网络数据；步骤2，对采集到的网络数据进行数据预处理；步骤3，利用经步骤2处理后的网络数据，采用改进的D-S证据理论训练网络异常检测模型；步骤4，将真实网络数据输入网络异常检测模型进行网络异常检测；步骤5，对网络异常检测结果进行可视化处理。本发明基于改进D-S证据理论进行网络异常检测，可以更好地确定不确定假设，得到更加精准的网络异常检测结果。
-
-
-
-
-
-
-
-
-
Search Results
149
records
(took 0.035 seconds)
