-
公开(公告)号：CN118249980A
公开(公告)日：2024-06-25
申请号：CN202410399028.0
申请日：2024-04-03
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于同态加密和安全外包矩阵的隐私保护机器学习方法及装置，方法包括：由密钥生成中心KGC基于同态加密算法的KeyGen函数进行初始化，生成公钥pk、私钥sk和评估密钥evk，然后将初始化参数parmas、公钥pk和评估密钥evk发送给云服务方S，将初始化参数parmas、私钥sk和公钥pk发送到客户端C；客户端C基于同态加密算法的Enc函数完成矩阵数据的打包和加密，并将加密后的密文传输至云服务方S；云服务方S通过基于同态加密技术的安全矩阵运算方法对接收到密文进行安全矩阵运算，得到密文结果；云服务方S将经过安全矩阵运算得到的结果密文发送回客户端，客户段对收到的密文进行解密。通过本发明可以安全高效的完成隐私保护的计算。
-
公开(公告)号：CN118248206A
公开(公告)日：2024-06-25
申请号：CN202410222705.1
申请日：2024-02-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于异构网络的药物靶标关联预测方法及装置，方法包括：获取药物之间的相似性矩阵和靶点之间的相似性矩阵，通过结合药物靶点关联二部图网络构建异构网络；通过图注意网络层提取不同层的节点嵌入，并提取各节点嵌入对应的核矩阵；基于多核融合策略获得最终药物嵌入向量和最终靶点嵌入向量，并将所述最终药物嵌入向量和所述最终靶点嵌入向量输入双拉普拉斯正则化最小二乘法模型，预测及输出药物和靶点之间的关联结果。本发明在药物靶标关联预测领域，结合了图注意力网络、多核学习方法、双拉普拉斯正则化最小二乘法框架构建链路预测模型，有效补充了节点信息丰富度，提高预测性能。
-
公开(公告)号：CN115577273B
公开(公告)日：2024-04-26
申请号：CN202210970095.4
申请日：2022-08-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种基于对比学习的单细胞数据聚类方法、装置、设备及存储介质，该方法包括：通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征；通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示，并对所述高阶表示进行聚类分析以获得所述待聚类单细胞数据的聚类分析结果。如此，通过特征提取、对比学习获得了待聚类单细胞数据的高阶表示，解决了当前单细胞测序数据高维稀疏、种群间不平衡以及测序过程经常发生drop‑out事件的问题。
-
公开(公告)号：CN117895953A
公开(公告)日：2024-04-16
申请号：CN202410288538.0
申请日：2024-03-14
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H03M13/11
Abstract: 本发明公开了一种基于泡利算符解耦表示的置信传播译码方法及装置，方法包括：通过解耦表示描述泡利算符、校验矩阵以及差错矢量，并计算先验信息；根据和积算法更新校验节点传递至与所述校验节点连接的所有邻接变量节点的消息，得到更新后的水平消息；根据所述和积算法更新变量节点传递至与所述变量节点连接的所有邻接校验节点的消息，得到更新后的垂直消息；基于所述先验信息、所述更新后的水平消息以及所述更新后的垂直消息，计算后验信息以得到对真实错误的估计；本发明提出了一种基于泡利算符解耦表示的置信传播（BP）译码方法，提高了量子纠错的置信传播译码精度和收敛速率。
-
公开(公告)号：CN117454133B
公开(公告)日：2024-03-26
申请号：CN202311777546.3
申请日：2023-12-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种数据库参数配置方法及相关设备，所述方法包括：构建参数生成模型和模型参数更新模型并对其进行训练，从参数生成模型中得到数据库参数；根据数据库参数对数据库进行参数配置，参数配置完成后进行性能测试，生成奖励函数，根据奖励函数训练模型参数更新模型的参数，根据参数更新参数生成模型的参数，直至模型达到收敛条件生成最终决策树，将内部性能指标输入到最终决策树得到数据库目标参数，根据数据库目标参数对数据库进行配置，并通过最终决策树中的路径生成数据库目标参数的解释；本发明在能得到最优的参数配置，提高了数据库性能的同时，还能帮助分析当前性能不好的原因，及时发现参数配置过程中出现的问题。
-
Patent Agency Ranking
公开(公告)号：CN117454133A
公开(公告)日：2024-01-26
申请号：CN202311777546.3
申请日：2023-12-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种数据库参数配置方法及相关设备，所述方法包括：构建参数生成模型和模型参数更新模型并对其进行训练，从参数生成模型中得到数据库参数；根据数据库参数对数据库进行参数配置，参数配置完成后进行性能测试，生成奖励函数，根据奖励函数训练模型参数更新模型的参数，根据参数更新参数生成模型的参数，直至模型达到收敛条件生成最终决策树，将内部性能指标输入到最终决策树得到数据库目标参数，根据数据库目标参数对数据库进行配置，并通过最终决策树中的路径生成数据库目标参数的解释；本发明在能得到最优的参数配置，提高了数据库性能的同时，还能帮助分析当前性能不好的原因，及时发现参数配置过程中出现的问题。
-
公开(公告)号：CN117035074A
公开(公告)日：2023-11-10
申请号：CN202311286288.9
申请日：2023-10-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于反馈强化的多模态知识生成方法及装置，包括：构建多模态模型，在多模态知识生成任务中将人类反馈引入所述多模态模型，形成的监督数据用于训练预先设立的奖励回报模型；将所述监督数据输入奖励回报模型进行训练，使得奖励回报模型从所述监督数据中学习到人类的理解；利用内外探索相结合的强化学习方法微调所述多模态模型，使得多模态模型能够学习到人类偏好，生成更自然的知识；本发明具有人类反馈知识的强化学习方法应用于多模态知识生成任务中，解决了多模态知识生成任务缺乏人类反馈监督的不足，并引入基于内外探索相结合的强化学习微调技术，有效缓解多奖励稀疏问题。
-
公开(公告)号：CN116958748A
公开(公告)日：2023-10-27
申请号：CN202310947023.2
申请日：2023-07-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/774 , G06V10/771 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像检测技术领域，公开了多任务因果学习的图像检测方法、装置、设备及介质，方法包括：根据多个样本特征对同一任务的重要性分数，从多个样本特征中筛选出干预特征；根据合并反事实特征，以及第二任务的反事实特征，确定第一任务对第二任务的因果亲和力；分别根据每个任务的反事实特征和样本特征的预测损失值生成第一正则约束项；根据第一任务的样本特征的预测损失值、第二任务的样本特征的预测损失值以及第一任务对第二任务的因果亲和力，生成第二正则约束项；根据判别损失函数、第一正则约束项和第二正则约束项，生成预测损失函数；根据预测损失函数对任务模型进行训练得到优化后的多任务模型。本发明能够提高图像检测的性能。
-
公开(公告)号：CN116451795B
公开(公告)日：2023-10-10
申请号：CN202310683102.7
申请日：2023-06-09
Applicant: 深圳量旋科技有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种量子线路图处理方法、装置及设备和介质，该方法包括：基于以第一定义格式定义的量子比特操作和以第二定义格式定义的组合量子逻辑门生成目标量子线路图的第一目标数据格式，基于第一目标数据格式对目标量子线路图进行计算和传输；第一定义格式包括描述量子比特操作开始的时间节点的参数、描述量子比特操作的操作类型的参数、描述量子比特操作包含的量子逻辑门的参数、描述量子逻辑门作用的量子比特的参数、描述量子比特操作的配置参数的参数，第二定义格式包括描述组合量子逻辑门的名称的参数、描述组合量子逻辑门作用的量子比特的参数、描述组合量子逻辑门的配置参数的参数、描述组合量子逻辑门包含的所有量子逻辑门的参数。
-
公开(公告)号：CN111462817B
公开(公告)日：2023-06-20
申请号：CN202010221082.8
申请日：2020-03-25
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G16B25/10 , G16B30/10 , G16B40/00 , G06F18/214 , G06N3/0464
Abstract: 本发明公开了一种分类模型构建方法、装置、分类模型及分类方法。所述分类模型构建方法通过构建初始分类模型，在初始分类模型中引入生成层、选择层和比较层，并通过在基因表达谱训练数据集中随机选择两个样本，对生成层、选择层和比较层进行训练和更新，得到目标分类模型，使得可利用生成层，根据基因表达谱数据中任意两个样本生成新的样本，利用选择层，根据新的样本各个特征的权重选择若干个样本特征，利用比较层，根据从所有样本特征中选择的若干个目标特征对新的样本进行分类。本发明能够构建一种适用于基因表达谱的分类模型，实现增加基因表达谱数据的样本数量，缓解少样本特性带来的欠拟合问题，从而进一步提高基因表达谱数据的分类准确度。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.083 seconds)
