-
公开(公告)号：CN118660289A
公开(公告)日：2024-09-17
申请号：CN202411131725.4
申请日：2024-08-19
Applicant: 烟台大学
IPC: H04W12/02 , H04W12/03 , H04W12/041 , H04W12/0471 , H04W12/00 , H04L9/14 , G06F21/62 , G06F21/60
Abstract: 本发明涉及群智感知与人工智能的交叉技术领域，尤其是涉及一种多任务场景下基于隐私保护的工人选择方法及系统。包括获取工人信息和平台认证密钥；基于工人信息和平台认证密钥计算工人之间的协作效益；获取任务信息，并对任务信息进行分解得到子任务；计算工人对于完成子任务的能力效益，并通过赋予工人假身份和加密密钥对能力效益进行加密；根据能力效益和协作效益确定每个子任务的候选工人组，并计算工人对于每个子任务的任务完成效益；在子任务预算约束下，根据工人的任务完成效益为每个子任务选择最佳协作工人组。该方案既能同时保护工人的任务竞争信息和感知数据隐私，又能保证任务分配的准确性和上传数据的质量。
-
公开(公告)号：CN118520977A
公开(公告)日：2024-08-20
申请号：CN202410985215.7
申请日：2024-07-23
Applicant: 烟台大学
Abstract: 本发明涉及生成式人工智能和移动众包技术交叉领域，尤其涉及一种基于移动众包的知识蒸馏分布式文生图方法及系统。所述方法，包括获取图像生成任务，包括利用移动众包获取图像生成任务，并根据执行任务的设备属性和需要获取的图像进行任务执行判断；基于获取的图像生成任务进行知识数据蒸馏，将知识蒸馏后的图像生成任务进行图像生成质量优化，对预测优化后的提示词进行归一化操作，利用处理后的图像生成任务进行众包任务设置，并根据图像生成任务类型进行组合模型操作；基于众包任务设置进行图像生成操作，本发明通过分布式联邦学习允许在多个参与方之间并行处理数据，减少单一中心化模型的计算负担。
-
公开(公告)号：CN118245846A
公开(公告)日：2024-06-25
申请号：CN202410477786.X
申请日：2024-04-19
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/0985 , G06N3/09
Abstract: 本发明提供了一种面向不确定模态缺失的多模态意图识别方法及系统，属于数据处理技术领域。首先，通过LSTM编码器进行特征提取；其次，通过基于注意力的双向门控多模态特征融合方法进行多模态特征融合，并基于CMD的距离约束策略拉近各个模态到文本模态的距离；然后，将融合后的多模态特征输入Transformer编解码器进行学习，同时，根据不确定模态缺失情况，输入不同的注意力级提示，从而引导网络关注那些缺失的模态；最后，将多模态特征输入分类器进行意图识别；同时，在训练过程中以全模态场景下预训练的模型在分类器对模型进行指导，从而帮助模型在减少过拟合的同时进一步提升泛化能力。
-
公开(公告)号：CN117572376B
公开(公告)日：2024-04-19
申请号：CN202410056329.3
申请日：2024-01-16
Applicant: 烟台大学
IPC: G01S7/41 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N5/04 , G06N5/046
Abstract: 本发明涉及无线电信号识别技术领域，具体公开了低信噪比弱小目标雷达回波信号识别装置及训练识别方法，雷达回波信号识别装置包括数据分块模块；数据分块模块后端设置有多通道深度神经网络模块；多通道深度神经网络模块后端设置有正向推理结果保存模块；正向推理结果保存模块后端设置有融合推理模块；融合推理模块后端设置有反馈训练接入模块；反馈训练接入模块后端连接在多通道深度神经网络模块上；多通道深度神经网络模块后端还设置有分类模型参数保存模块。采用该装置及训练和识别方法不仅可以得到很好的分类模型，还可以得到精确的分类识别结果，有效的区分信噪比低的强噪声和雷达弱小目标的回波数据。
-
公开(公告)号：CN117474509B
公开(公告)日：2024-04-02
申请号：CN202311810064.3
申请日：2023-12-27
Applicant: 烟台大学
IPC: G06Q10/1053 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种涉及群智感知技术和人工智能技术交叉技术领域，尤其涉及一种基于信任评估框架和禁忌搜索的工人招募方法及系统。该方法包括以下步骤：首先，基于图卷积神经网络构建信任评估模型，用于评估工人团队成员之间的信任值。其次，引入了Mini‑Batch K‑Means聚类算法和边缘计算技术，实现了分布式工人招募。接着，考虑工人的能力、距离和信任值来评估任务完成效果。最后，将工人招募问题建模为无向完全招募图，利用禁忌搜索招募算法为任务招募最优执行团队，并在隐私损失约束下确定任务的协作团队。本发明可以精确的完成工人之间信任关系的评估并实现高效的工人招募，最大化任务的完成效果，同时保证良好的隐私损失。
-
Patent Agency Ranking
公开(公告)号：CN116628554B
公开(公告)日：2023-11-03
申请号：CN202310627119.0
申请日：2023-05-31
Applicant: 烟台大学
IPC: G06F18/24 , H04L9/40 , G06F16/901 , G06F18/213
Abstract: 本发明涉及工业互联网安全技术领域，具体为一种工业互联网数据异常的检测方法、系统和设备，从工业互联网中获取节点数据，将节点数据转化为拓扑图，并将从拓扑图中提取的初始特征进行聚合处理，获得关联性强的聚合特征，同时为避免聚合特征过度关联，基于聚合特征和初始特征的特征偏差，得到自适应参数，并使用自适应参数对聚合特征和初始特征进行加权处理，得到表达性能更好，关联性更强的正常节点特征，通过对比正常节点特征与初始特征的关联性强弱，得到能够反应节点中异常数据含量的特征差权重占比，根据特征差权重占比，获得对应节点不同的风险等级，工业互联网平台立即作出不同交流权限处理，以维持工业互联网的安全。
-
公开(公告)号：CN116976652A
公开(公告)日：2023-10-31
申请号：CN202311234438.1
申请日：2023-09-25
Applicant: 烟台大学
IPC: G06Q10/0631 , G06Q10/04 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及群智感知和人工智能技术交叉领域，提出一种基于时空众包的多目标任务分配方法，包括步骤：采集众包工人和众包任务对应的属性集合，并且将工人的社会属性进行提取，得到每个时空区域中众包工人的社会属性；根据每个时空区域中众包工人的社会属性进行时空图建模，并利用时空图神经网络ST‑GNN从众包工人中提取其轨迹特征；基于轨迹特征，采用轨迹预测卷积神经网络TXP‑CNN预测未来众包工人的轨迹；基于未来众包工人的轨迹，根据任务时空属性和位置信息，对众包工人和未来任务进行分配，得到分配结果；对分配结果进行多目标优化，得到分配最优解；本发明提高了众包任务的分配效率和分配效用。
-
公开(公告)号：CN116708029B
公开(公告)日：2023-10-20
申请号：CN202310973153.3
申请日：2023-08-04
Applicant: 烟台大学
IPC: H04L9/40 , H04L41/16 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及区块链技术领域，具体为一种区块链异常节点的检测方法、系统、设备和存储介质，该检测方法通过多种信息源去特征提取和分析节点数据，最后得到更精确、适用性强、误差小的高质量图结构，进而得到特征信息丰富的高阶邻居特征，便于进一步分类检测，提高检测结果的准确性，并根据检测结果更新节点权限，有利于维护区块链的安全。
-
公开(公告)号：CN116708029A
公开(公告)日：2023-09-05
申请号：CN202310973153.3
申请日：2023-08-04
Applicant: 烟台大学
IPC: H04L9/40 , H04L41/16 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及区块链技术领域，具体为一种区块链异常节点的检测方法、系统、设备和存储介质，该检测方法通过多种信息源去特征提取和分析节点数据，最后得到更精确、适用性强、误差小的高质量图结构，进而得到特征信息丰富的高阶邻居特征，便于进一步分类检测，提高检测结果的准确性，并根据检测结果更新节点权限，有利于维护区块链的安全。
-
公开(公告)号：CN116361719A
公开(公告)日：2023-06-30
申请号：CN202310307437.9
申请日：2023-03-27
Applicant: 烟台大学
IPC: G06F18/2411 , H04L9/40 , G06F18/2415 , G06F18/214 , G06Q20/38
Abstract: 本发明涉及以太坊网络安全技术领域，为一种以太坊网络钓鱼用户的检测方法和系统，构建了含有节点交易信息的用户交易网络，并基于用户交易网络中节点交易信息，获得的节点的拓扑结构嵌入向量和节点的属性嵌入向量，经融合后，再经分类，可获得用户属性，该检测方法以节点的交易信息作为检测数据，获取用户属性，在保证了检测结果准确的基础上，节省检测时间，提高检测效率。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.054 seconds)
