-
公开(公告)号：CN102164137A
公开(公告)日：2011-08-24
申请号：CN201110095756.5
申请日：2011-04-15
Applicant: 华南理工大学 , 广州数园网络有限公司
IPC: H04L29/06
Abstract: 本发明公开了一种基于动态映射口令的强验证方法，包括以下步骤：S1、用户在安全状态下设置用户认证账号密码和验证码口令；S2、网站服务器将账号密码和验证码口令对应用户认证账号记录下来；S3、在用户登录时，网站服务器根据用户认证账号实时给出一个验证码动态的口令矩阵；S4、用户根据验证码口令查找口令矩阵，得到对应的矩阵验证码，输入矩阵验证码进行验证；S5、网站服务器根据用户认证账号密码和矩阵验证码对用户进行登录验证。本发明具有动态、实时、强安全等优点，并很好地解决了采用网络窃听和使用过期Cookie进行验证的问题。
-
公开(公告)号：CN101938481A
公开(公告)日：2011-01-05
申请号：CN201010275817.1
申请日：2010-09-06
Applicant: 华南理工大学 , 广州数园网络有限公司
Abstract: 本发明公开了一种基于数字证书的文件加密和分发方法，包括以下步骤：S1、文件主初始化运行参数，设置加密文件时使用的文件加密密码，获取文件接收者的公钥，新建一个文件；S2、将文件接收者的个数写入新文件中；S3、将各文件接收者的加密验证信息依次写入新文件中；S4、对需要加密的源文件进行分组加密后依次写入到新文件中；S5、将新文件发送给各文件接收者。本发明具有采用多种加密方法结合、方便、安全分发、安全性高等优点，并解决了传统对称加密算法带来的因忘记密码而无法恢复原文的问题。
-
公开(公告)号：CN101136874A
公开(公告)日：2008-03-05
申请号：CN200710029369.5
申请日：2007-07-25
Applicant: 华南理工大学 , 广州数园网络有限公司
Abstract: 本发明提供基于综合决策的防垃圾邮件误过滤方法，步骤包括：建立过滤规则、规则评分定义库、垃圾邮件阈值库，建立垃圾邮件决策评判系统；邮件从本地客户端发出，进入第1个过滤规则进行匹配处理后得到一个评分，转入垃圾邮件决策评判系统，垃圾邮件决策评判系统对过滤规则的评分进行累计得到总评分，并和垃圾邮件阈值库中设定的垃圾邮件评分阈值进行比较，如果总评分高于垃圾邮件阈值判定为垃圾邮件，低于垃圾邮件阈值转到下一过滤规则继续进行匹配处理，如此反复直到n个过滤规则全部匹配完成，如果总评分仍低于垃圾邮件阈值则为正常邮件。本发明改变依赖单一规则直接评判垃圾邮件的弊端，最大程度避免误过滤。
-
公开(公告)号：CN1909520A
公开(公告)日：2007-02-07
申请号：CN200610036948.8
申请日：2006-08-04
Applicant: 华南理工大学 , 广州数园网络有限公司
Abstract: 本发明提供基于邮件服务器的垃圾邮件过滤系统，包括多个邮件过滤器及依次连接其后的邮件服务器、邮件客户端，多个所述邮件过滤器通过互联网还同时连接有中央管理器，所述中央管理器、邮件过滤器分别都包括样本管理模块、特征管理模块，且所述中央管理器的样本管理模块、特征管理模块通过互联网相应与邮件过滤器的样本管理模块、特征管理模块分别连接。本发明可以实现垃圾特征全网同步共享，有效提升垃圾防范的实时性，提高垃圾邮件的过滤效果。
-
公开(公告)号：CN120038750A
公开(公告)日：2025-05-27
申请号：CN202510274934.2
申请日：2025-03-10
Applicant: 华南理工大学 , 超级机器人研究院(黄埔)
IPC: B25J9/16
Abstract: 本发明公开了一种基于潜在动作的机械臂操控方法，其中方法包括：获取视频数据并进行预处理；构造潜在动作提取模块和前向模型；利用预处理后的视频数据，对潜在动作提取模块以及前向模型进行训练；构建潜在策略模型，结合训练后的前向模型对潜在策略模型进行训练；在潜在策略模型的基础上，训练一个具体动作模型；给定任务描述，获取机械臂的当前观测图像，输入训练后的潜在策略模型，得到潜在动作向量；将任务描述、当前观测图像和潜在动作向量输入训练后的具体动作模型，得到具体动作交由机械臂执行。本发明通过引入潜在策略模型，利用潜在动作捕捉任务之间的共性，使机械臂能够快速适应新任务和动态环境，从而提升任务执行的效率和成功率。
-
Patent Agency Ranking
公开(公告)号：CN119669428A
公开(公告)日：2025-03-21
申请号：CN202510175026.8
申请日：2025-02-18
Applicant: 华南理工大学
IPC: G06F16/3329 , G06N5/022 , G06N5/04
Abstract: 本发明为数据处理技术领域，公开了一种融合知识图谱和大模型的智能问答方法、装置及存储介质，包括：获取待答复的原始问题；对原始问题进行实体抽取生成实体信息集，进行问题重写生成原始问题的相似问题；遍历实体信息集中的每一个实体信息，基于融合相似问题的搜索策略在预设知识图谱中进行搜索与筛选，获取知识路径；根据知识路径获得知识，根据任务指令和原始问题，通过答案生成大模型结合所获得的知识进行逻辑推理，生成原始问题的预测答案；对预测答案进行真实性检测，对预测答案进行过滤，生成目标答案。本发明降低了大模型产生不实或无关信息的可能性，降低了计算成本，缓解了大模型生成答案的幻觉问题，提升了答案的可信度和精确度。
-
公开(公告)号：CN118227448B
公开(公告)日：2024-08-02
申请号：CN202410641525.7
申请日：2024-05-22
Applicant: 华南理工大学 , 创曦教育科技(广东)有限公司
IPC: G06F11/34 , G06N3/006 , G06N3/0442 , G06N3/0985
Abstract: 本发明公开了基于深度学习的大语言模型系统负载预测方法，包括以下步骤：S1、收集原始大语言模型系统负载时间序列数据；S2、对原始大语言模型系统负载时间序列数据进行预处理操作，所述预处理操作包括小波变换和数据归一化处理；S3、建立基于深度学习的大语言模型系统负载预测模型；S4、利用改进人工蜂群算法优化大语言模型系统负载预测模型的超参数；S5、利用优化后的大语言模型系统负载预测模型对未来系统负载趋势进行预测。本发明利用小波变换进行原始大语言模型系统负载数据进行特征提取，将原始数据分解成趋势部分和细节部分，后续针对不同特性的子序列分别进行建模预测，能够减少不同特征数据的互相影响，进一步提升预测精度。
-
公开(公告)号：CN118195959A
公开(公告)日：2024-06-14
申请号：CN202410079399.0
申请日：2024-01-19
Applicant: 华南理工大学
IPC: G06T5/77 , G06T5/94 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种基于多尺度视网膜分解的深度学习单图像去阴影方法及系统，所述方法包括：获取阴影图像数据集并进行预处理；将预处理后阴影图像数据集中的阴影图像输入图像阴影去除深度神经网络中的卷积层，提取阴影图像的浅层特征；将浅层特征输入图像阴影去除深度神经网络中的编解码器，在各尺度阴影掩膜的引导下通过掩膜引导去阴影模块进行阴影特征的修复，再经过卷积层后得到去阴影图像；利用预处理后阴影图像数据集对图像阴影去除深度神经网络进行训练；将待去除阴影的图像输入训练好的图像阴影去除深度神经网络中，得到去阴影图像。本发明通过利用图像阴影去除深度神经网络能够有效地对单张图像去阴影，同时保留非阴影区域的特征信息。
-
公开(公告)号：CN118014734A
公开(公告)日：2024-05-10
申请号：CN202410134743.1
申请日：2024-01-31
Applicant: 华南理工大学
IPC: G06Q40/06 , G06Q40/04 , G06Q40/12 , G06Q30/0601 , G06F16/332
Abstract: 本发明公开了金融分析模型的训练方法、分析方法、装置、系统和介质，包括：获取金融研报数据集、交互数据集、第一样本提示和第二样本提示，金融研报数据集包括金融研报样本数据和人工精写研报样本数据，将金融研报数据集和第一样本提示输入未训练的金融分析模型进行第一阶段训练，得到具有预测能力的金融分析模型，将交互数据集和第二样本提示输入具有预测能力的金融分析模型进行第二阶段训练，得到具有分析能力的金融分析模型，将具有预测能力的金融分析模型和具有分析能力的金融分析模型连接，得到训练好的金融分析模型。本发明可以增加模型在实战中的可用性，增加投资决策的可信度，应用于金融大模型技术领域。
-
公开(公告)号：CN115082142B
公开(公告)日：2024-04-30
申请号：CN202210504352.5
申请日：2022-05-10
Applicant: 华南理工大学
IPC: G06Q30/0601 , G06F16/901 , G06F16/9536 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于异构关系图神经网络的推荐方法、装置及介质，其中方法包括：收集带有用户社交关系、商品属性关系及用户商品交互关系的数据集；采用图结构的方式对三种关系的数据进行存储，获得图结构数据；构建推荐模型，将推荐模型中的三个图卷积网络，分别学习图结构数据的节点特征向量；节点嵌入向量学习；无监督学习；结合节点嵌入向量学习和无监督学习对推荐模型进行训练学习；将推荐模型最终学习到的用户和商品嵌入向量进行打分预测，得到推荐商品顺序。本发明利用个性化对比学习方法学习社交关系或者商品属性关系在对用户购买商品时所产生的影响，能够提高推荐准确性，可广泛应用于推荐系统领域。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.061 seconds)
