-
公开(公告)号：CN118761729A
公开(公告)日：2024-10-11
申请号：CN202410842419.5
申请日：2024-06-26
Applicant: 桂林电子科技大学
IPC: G06Q10/10 , G06Q50/00 , G06N3/0442 , G06N3/094 , G06N3/0464 , G06N3/042
Abstract: 本发明公开了一种减少流行度偏差的多视图群组推荐方法：首先设计了一个鉴别器来检测项目的偏差，使模型可以减轻项目端的流行度偏差以提升项目的公平性。其次为了弥补提升模型的公平性带来的推荐效用的损失，设计了组级、项目级、信任度级和成员级四个不同的视图，来捕捉群组、用户和项目三者之间的高阶交互信息。最后将群组的信任度与相似度结合丰富群组之间的数据。本发明方法考虑了群组推荐任务与公平任务的联系，通过多视图的方法使得模型能够更准确的表示群组偏好，并通过对抗训练能够减轻模型项目端的流行度偏见。该发明在推荐的效果和公平性上都得到了提升。
-
公开(公告)号：CN112287388B
公开(公告)日：2024-05-21
申请号：CN202011120640.8
申请日：2020-10-19
Applicant: 桂林电子科技大学
IPC: G06F21/62
Abstract: 本发明公开了一种基于敏感位置的位置隐私保护方法，用户在可穿戴设备中预设敏感位置数据，可穿戴设备获取用户的真实位置数据，并将所述真实位置数据传递到处理器，所述处理器获取所述真实位置数据与所述敏感位置数据，分析所述真实位置数据与所述敏感位置数据，获取位置关系目标函数，所述处理器将所述真实位置数据与所述位置关系目标函数的数据进行归一化运算，计算生成的虚假位置区域，所述处理器将根据预设阈值，计算获得所述虚假位置用来混淆真实位置，保证所述虚假位置与所述真实位置之间存在安全的距离，同时敌手不能从真实位置和虚假位置中区分出真实位置，从而保证了用户的位置隐私。
-
公开(公告)号：CN118013579A
公开(公告)日：2024-05-10
申请号：CN202410175708.4
申请日：2024-02-07
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F21/62 , G06F18/214 , G06F18/2411
Abstract: 本发明涉及一种结合局部噪声削减机制的联邦学习隐私保护方法，包括：步骤1、客户端接收中央服务器发送的全局模型，判断全局模型是否完成训练，若完成训练则训练结束，若未完成训练，则对添加高斯噪声的全局模型进行局部噪声消减处理，获取本地训练初始模型；步骤2、客户端根据本地样本和本地训练初始模型进行更新，获取局部消噪模型；步骤3、将局部消噪模型添加高斯噪声，获取添加高斯噪声后的局部模型；步骤4、将添加高斯噪声后的局部模型上传到中央服务器，获取更新后的全局模型，返回步骤1进行迭代。本发明能够实现在保证模型局部模型隐私的同时减少用户噪声量的累积，达到提高模型训练精度的目的。
-
公开(公告)号：CN117952179A
公开(公告)日：2024-04-30
申请号：CN202410166562.7
申请日：2024-02-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明公开了一种基于模型参数变化幅度的联邦学习模型压缩方法，所属技术领域为机器学习数据处理，包括：接收中央服务器分发的初始模型；对本地收集到的样本集合进行计算，获得样本梯度，并对样本梯度进行裁剪，获得裁剪后的梯度；通过随机梯度下降算法对初始模型和裁剪后的梯度进行模型更新，获得局部模型；对所述局部模型的参数进行处理，获得处理参数，基于所述处理参数构建稀疏化后的局部模型，添加稀疏的高斯噪声，并上传至中央服务器中聚合。本发明采用基于模型参数变化幅度的联邦学习模型压缩方法，通过减小客户端模型尺寸，降低计算成本和存储负担，提升联邦学习系统效率。
-
公开(公告)号：CN117828370A
公开(公告)日：2024-04-05
申请号：CN202410014855.3
申请日：2024-01-04
Applicant: 桂林电子科技大学
Abstract: 该方法在里面使用了跨模态对比学习技术使匹配的图像和文本对在语义空间中的距离拉近，不匹配的图像文本对在语义空间的距离变远。同时由于文本往往未能充分描述图像，使它们在语义空间内距离靠近会丢失部分图像信息，所以进一步提出了模态内对比学习，使同一模态内增强的图像或文本在语义空间内的距离拉近，从而学到一种更加合理的多模态表示。之后为了充分利用输入中的局部和结构化信息，又引入了总体与局部的对比学习，最后为了充分利用多模态预训练模型中的隐含知识，我们引入了一段可学习的视觉提示向量到视觉编码器中，同时冻结视觉编码器的主体结构。同时，为了弥补中文模因资源的匮乏，我们构造了首个中文恶意模因数据集。
-
Patent Agency Ranking
公开(公告)号：CN116450746A
公开(公告)日：2023-07-18
申请号：CN202310499781.2
申请日：2023-05-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明公开了一种基于区块链的属性可搜索加密系统与方法，系统包括：EHRs拥有者模块：用于负责文件构造、加密及上传；EHRs访问者模块：用于生成与关键字匹配的搜索令牌，下载密文并对所述密文进行解密；区块链模块：用于生成密钥、验证交易信息以及执行智能合约；IPFS模块：用于分布式存储EHRs密文文件；EHRs拥有者模块与所述区块链模块连接，EHRs访问者模块分别与区块链模块和IPFS模块双向连接，IPFS模块与EHRs拥有者模块双向连接。本发明解决了传统CP‑ABSE方案高度依赖单一可信授权中心出现的单点故障、密钥泄露等问题。
-
公开(公告)号：CN116432206A
公开(公告)日：2023-07-14
申请号：CN202310496370.8
申请日：2023-05-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明公开了一种基于代数决策图(ADD)访问结构的多等级电子健康记录(EHRs)访问控制方法。包括：获取多等级电子健康记录，其中，所述电子健康记录包括若干文件；数据拥有者制定每个文件对应的文件访问策略；基于所述文件访问策略，构造支持多等级文件加解密的ADD访问结构；基于所述ADD访问结构，实现多等级电子健康记录的访问控制。本发明支持多等级文件的批量加密、具有高等级权限的数据访问者可以同时解密低等级的电子健康记录信息，具有低等级权限的数据访问者不可以同时解密高等级的电子健康记录信息。实现了对电子健康记录文件的细粒度、多等级访问控制。
-
公开(公告)号：CN115526745A
公开(公告)日：2022-12-27
申请号：CN202210503495.4
申请日：2022-05-09
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于Transformer深度知识追踪模型，其主要包括：首先，对学生数据进行筛选，并将筛选后的数据标签分组作为输入模型的长序列数据；其次，对学生交互数据进行卷积处理，减少模型因异常点带来的影响；接下来，通过交互序列中的时间信息，计算下一次交互的遗忘因子，并将其添加到模型的注意力矩阵中，对学生遗忘行为进行建模；然后，使用自注意力模型Transformer把学生长序列交互数据分别作为编码器和解码器的输入，对学习过程建模；最后，将解码器的输出经过一个Sigmoid激活的预测层，得到最终的预测结果。本发明致力于解决循环神经网络在应用于知识追踪领域中存在的可解释性问题以及长期依赖问题，并可以进一步提高知识追踪模型的性能。
-
公开(公告)号：CN114519107A
公开(公告)日：2022-05-20
申请号：CN202210022171.9
申请日：2022-01-10
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F40/189 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种联合实体关系表示的知识图谱融合方法，利用构建的初始实体向量表示、对齐实体对正样本集合、对齐实体对负样本集合、关系的初始关系向量表示、对齐关系对正样本集合、以及对齐关系负样本集合来对实体的向量表示进行训练，进而实现实体对齐，并基于对齐的实体来进行知识图谱的融合。无监督的方法避免了手工标注的巨大开销；通过引入关系对齐的方法学习知识图谱中的关系信息，充分利用实体间的关系，辅助于学习到更加准确的实体向量表示，缓解了知识图谱异构性带来的影响，从而提高知识图谱实体对齐，以及知识图谱融合的效果。
-
公开(公告)号：CN113177136B
公开(公告)日：2022-04-22
申请号：CN202110460027.9
申请日：2021-04-27
Applicant: 桂林电子科技大学
IPC: G06F16/65 , G06F16/683 , G06F40/211 , G06F40/216 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及音乐风格分类技术领域，涉及一种基于注意力的音频和歌词的多模态音乐风格分类方法，步骤如下：一、数据获取；二、音频预处理：先对音频数据采取Mel频谱特征提取，然后经过CNN网络得到音频特征；三、歌词预处理：先进行BERT预训练得到词向量，然后经过HAN网络得到歌词特征向量；四、attention模间融合：通过Attention模间融合，将获取的音频和歌词特征，进行交互融合获取融合的Attention注意力向量，再与音频和歌词特征向量拼接，获得包含音频和歌词各自模态特征，以及模态间融合特征的音乐风格特征；五、经过softmax层进行分类。本发明能较佳地对数据进行学习和分类。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.046 seconds)
