-
公开(公告)号：CN112329648B
公开(公告)日：2023-08-08
申请号：CN202011237259.X
申请日：2020-11-09
Applicant: 东北大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/0442 , G06V10/82 , G06N3/08
Abstract: 本发明提供一种基于面部表情交互的人际关系行为模式识别方法，首先从给定的视频序列中分离出特定的表情交互序列，并利用动态时间规整算法计算每一表情交互序列的共情度量值，用来构建样本集，然后采用长短期记忆网络模型对采集的双人交互数据进行训练，通过输入表情交互序列，判断双方当前的具体人际关系行为模式，本发明采用长短期记忆网络模型作为训练模型，同时引入共情这一概念，提出对其进行量化的方法，将其量化值融入到模型中，进一步提高了模型的识别准确率。
-
公开(公告)号：CN113419823B
公开(公告)日：2023-07-18
申请号：CN202110692495.9
申请日：2021-06-22
Applicant: 东北大学
IPC: G06F9/46 , G06F16/23 , G06F16/242 , G06F16/28 , H04L9/32 , H04L9/40 , H04L67/1095 , H04L67/1001 , H04L67/56
Abstract: 本发明提供一种适用于高并发事务的联盟链系统及其设计方法，涉及区块链技术领域。本系统包含多个组织，每一个组织都包含客户端代理、至少一个Peer节点；本发明设计了一个无协调节点的、支持高并发事务的联盟链系统。本发明提出的联盟链系统减小了共识带来的通信开销，并且在保证一致性的同时，增强事务的并发性，系统的性能得到了明显提升。同时，利用重排序算法优化了并发控制策略，增加了事务的提交成功率，很大程度上减少了无效事务的存储，节约了存储成本。此外，该系统是基于关系型数据库实现，支持SQL语句查询并且单独提供查询接口以实现复杂的查询功能和历史数据查询。
-
公开(公告)号：CN116306940A
公开(公告)日：2023-06-23
申请号：CN202310122745.4
申请日：2023-02-16
Applicant: 东北大学
IPC: G06N5/04 , G06N3/048 , G06F40/126
Abstract: 本发明提供一种基于BERT编码的数学应用题求解系统及方法，涉及应用求解技术领域。本系统包括编码模块、解码模块、监督模块以及微调模块。本方法使用MacBERT:作为中文题目的编码器，BERT作为英文题目的编码器；编码过程首先获取文本序列Q，并将文本序列Q映射成逐个字向量所构成的向量表示矩阵，对向量表示矩阵中各个字向量取平均得到文本序列的整体表示向量，使用树形解码器来生成表达式树；利用分类器捕捉导致生成错误表达式的题目表示，如果分类器输出结果为1，表示解码器生成的表达式与题目相对应，如果输出结果为0，则说明编码器生成的题目表示向量导致了错误表达式的生成，需要被进一步优化；对系统进行训练，从而实现数学应用题的求解。
-
公开(公告)号：CN116303054A
公开(公告)日：2023-06-23
申请号：CN202310295421.0
申请日：2023-03-24
Applicant: 东北大学
IPC: G06F11/36 , G06F16/906 , G06F16/9535 , G06F16/9537 , G06F18/23213 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于预测和组合优化的高性能AB tests抽样方法，涉及电子商务技术领域。基于机器学习的预测算法可以通过建模个体特征随时间的变化模式，基于历史数据上预测未来数据；基于组合优化的采样算法通过采用组合优化策略，可以基于预测结果获得两组分布相同的样本；本发明可以解决目前A/B tests抽样算法无法适应样本随时间变化的问题，相对于现有方法，该方法的抽样结果在时间维度上更为稳定，因此，其抽样结果能够使其下游任务A/B tests能更为准确地分析产品变体之间的差异，为科技公司带来可观的经济效益。
-
公开(公告)号：CN116187437A
公开(公告)日：2023-05-30
申请号：CN202310122747.3
申请日：2023-02-16
Applicant: 东北大学
IPC: G06N5/01 , G06N5/04 , G06N3/0455 , G06N3/042 , G06N3/048 , G06N3/0895 , G06F18/22 , G06F18/2433
Abstract: 本发明提供一种基于对比学习的数学应用题求解系统及方法，涉及应用求解技术领域。本发明系统包括：编码模块、解码模块、监督模块以及对比学习模块；通过使用使用编码器MacBert对中文应用题进行编码，使用编码器Bert对英文应用题进行编码；使用树形解码器SAU来生成表达式树，即生成每道题目所对应的数学表达式；利用分类器捕捉导致生成错误表达式的题目表示，如果分类器输出结果为1，表示解码器生成的表达式与题目相对应，如果输出结果为0，则说明编码器生成的题目表示向量导致了错误表达式的生成，需要被进一步优化；然后对系统进行训练，最终实现数学应用题的求解。
-
Patent Agency Ranking
公开(公告)号：CN111222049B
公开(公告)日：2021-10-01
申请号：CN202010016654.9
申请日：2020-01-08
Applicant: 东北大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/335 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明属于大数据信息检索技术领域，涉及语义增强的异构信息网络上Top‑k相似度搜索方法，包括如下步骤：步骤1：节点表示。使用预训练方法生成异构信息网络数据集中所有节点的内容和结构表示。步骤2：路径表示。步骤3：设计注意力层以结合两个卷积神经网络通道训练得到的内容和结构信息，步骤4：通过将以上综合表示CS输入MLP中，步骤5：使用对数损失函数训练模型。本发明模型利用卷积神经网络的两个通道同时分别训练内容信息和结构信息，并且采用了两种注意力机制，用于动态的区分不同元路径的语义差异性以及结合对象的内容和结构信息进行模型的综合训练。
-
公开(公告)号：CN112000847B
公开(公告)日：2021-07-20
申请号：CN202010836011.9
申请日：2020-08-19
Applicant: 东北大学
IPC: G06F16/901 , G06F16/245
Abstract: 本发明提供一种基于GPU并行的自适应基数树动态索引方法。首先构建自适应基数树数据结构，前两层创建Node256类型的树节点，第三、四层的创建基于高位优先的基数排序方法，根据分支的数量创建能容下对应大小的树节点，实现动态数据结构的创建，可以保证在原批数据中最新的更新在进行排序后仍旧是在旧的更新后面，然后去重操作，去掉多余的旧更新保留最新的更新，去重之后再把每一段无重复数据的序列插入该段对应的节点内，完成对整个自适应基数树的创建，其次基于GPU并行计算能力，可以并行进行对数据的插入、查询、删除操作。
-
公开(公告)号：CN113033207A
公开(公告)日：2021-06-25
申请号：CN202110373760.7
申请日：2021-04-07
Applicant: 东北大学
IPC: G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于逐层感知机制的生物医学嵌套类型实体识别方法，涉及数据挖掘和自然语言处理技术领域。该方法包括基于向量模式的生物医学文本表示、基于循环神经网络的隐藏特征编码与解码、基于多任务逐层感知机制的嵌套类型实体识别。步骤1为生物医学文本表示步骤，利用一位编码法和预训练特征向量对文本单词构建字符特征和语义特征。步骤2为隐藏特征提取，利用循环神经网络和RELU激活函数对初始特征进行隐藏信息发现、编码与解码。步骤3为多任务逐层感知机制，利用归一化函数在步骤2基础上，识别简单实体，通过迭代组合方法，逐层感知识别嵌套类型实体。本发明可以对生物医学文本中的嵌套类型实体进行识别提取，并取得较好的效果。
-
公开(公告)号：CN112329648A
公开(公告)日：2021-02-05
申请号：CN202011237259.X
申请日：2020-11-09
Applicant: 东北大学
Abstract: 本发明提供一种基于面部表情交互的人际关系行为模式识别方法，首先从给定的视频序列中分离出特定的表情交互序列，并利用动态时间规整算法计算每一表情交互序列的共情度量值，用来构建样本集，然后采用长短期记忆网络模型对采集的双人交互数据进行训练，通过输入表情交互序列，判断双方当前的具体人际关系行为模式，本发明采用长短期记忆网络模型作为训练模型，同时引入共情这一概念，提出对其进行量化的方法，将其量化值融入到模型中，进一步提高了模型的识别准确率。
-
公开(公告)号：CN112052879A
公开(公告)日：2020-12-08
申请号：CN202010811897.1
申请日：2020-08-13
Applicant: 东北大学
Abstract: 本发明属于大数据处理领域，涉及一种利用GPU加速密度峰聚类的方法。本发明通过设计新的索引结构来减少距离矩阵的计算量，并利用GPU来加速索引的构建和近邻搜索，提高密度峰聚类算法中每个点的密度值和斥群值计算效率。本发明通过在GPU上构建制高点树索引，并行地计算每个数据点的密度值和斥群值，在用户选择完聚类中心后可以并行分配每个点所属的聚类，有效地减少了距离矩阵的计算量且节省储存空间。相较于传统的聚类方法，使用GPU加速的密度峰聚类方法能够更高效地完成聚类任务。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.032 seconds)
