-
公开(公告)号：CN113627557A
公开(公告)日：2021-11-09
申请号：CN202110954631.7
申请日：2021-08-19
Applicant: 电子科技大学
Abstract: 本发明涉及计算机视觉领域中的视觉关系检测技术，其公开了一种基于上下文图注意力机制的场景图生成方法，通过充分挖掘外部知识以及目标的上下文信息，从而提高场景图生成的准确率。该方法通过上下文融合目标的外部知识向量、空间特征以及视觉特征，获得融合后的特征向量；根据目标的邻接矩阵，并结合融合后的特征向量进行图注意力网络的初始化；利用样本数据集中的统计信息计算目标关系的频率系数，并利用目标上下文特征计算图注意力系数；通过图注意力网络的信息迭代获得目标的最终向量表示并计算目标之间的关系，利用目标之间的关系以及目标的损失函数进行梯度下降更新，从而生成视觉关系检测模型；针对待检测图像，根据视觉关系检测模型生成场景图。
-
公开(公告)号：CN109447251B
公开(公告)日：2021-09-24
申请号：CN201811138467.7
申请日：2018-09-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种具有新型内存模块的神经图灵机模型及其设置方法，属于神经网络领域。本发明在神经图灵机模型的内存模块中增加双螺旋DNA结构；同时对神经图灵机模型的读写头进行改进，使其适应内存模块中的双螺旋DNA结构的存储数据：神经网络控制器动态读写双螺旋DNA结构中存储的时序数据，将双螺旋DNA结构的当前子代数据作为下一层神经元的输入，结合当前从内存矩阵中的读取的内容得到下一层神经元的激活值，并将其重新写入到双螺旋DNA结构中，替换当前子代数据，而替换前的当前子代数据便转换为替换后的当前子代数据的父代数据。同时本发明还公开了其对应的训练设置方法。本发明使得内存模块的记忆矩阵的更新更加细致，提高模型的稳定性。
-
公开(公告)号：CN112784049A
公开(公告)日：2021-05-11
申请号：CN202110117805.4
申请日：2021-01-28
Applicant: 电子科技大学
IPC: G06F16/35 , G06F16/36 , G06F40/194 , G06F40/211 , G06F40/279 , G06F40/30 , G06Q10/06 , G06Q30/06 , G06Q50/00
Abstract: 本发明涉及知识的表示和获取领域，其公开了一种面向文本数据的在线社交平台多元知识获取方法，解决传统技术中的知识获取方法存在的缺乏对多元知识的表示能力、获得的知识不完整、不准确的问题。本发明首先构造适合在线社交平台相关知识表示的多元知识的基本组成结构以及知识属性标签，然后从用户发言的文本数据中自动抽取知识实体与关系；并对文本数据进行数据挖掘，从所获得多元知识中，进一步提取蕴含隐藏的知识及关联，最终完成社交平台多元知识的全面获取。本发明提供的方法通过采用多元的知识结构和充分挖掘社交平台上文本数据中潜在的知识及关联，提高了获取的知识完整性和准确性，可以用于社交平台内容和商品等推荐。
-
公开(公告)号：CN111832475A
公开(公告)日：2020-10-27
申请号：CN202010666506.1
申请日：2020-07-10
Applicant: 电子科技大学
Abstract: 本发明涉及人脸检测识别技术领域，目的在于有效提高分类精度，降低泛化误差，实现对人脸误检结果的有效分类筛除，具体涉及一种基于语义特征的人脸误检筛除方法，具体为以原始图像数据作为此阶段的输入，通过人脸检测与对齐算法对原始图像进行人脸检测并对齐，将检测对齐结果缩放至112*112尺寸；采用基于BiSeNet的实时人脸语义分割方法对输入的人脸检测对齐结果进行像素级的人脸语义分割，得到语义分割结果；采用特征工程技术，对语义分割结果进行处理，构造并挑选出最具表征能力的语义特征；采用Stacking模型集成框架对输入的语义特征进行运算，得到最终的人脸误检分类结果并完成误检筛除；实现对人脸误检结果的有效分类筛除，提高整体检测算法的性能与鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109358959A
公开(公告)日：2019-02-19
申请号：CN201811236441.6
申请日：2018-10-23
Applicant: 电子科技大学
Abstract: 本发明属于任务调度技术领域，本发明的基于预测的数据分布式协同处理方法首先对数据进行预处理，包括清理和定义数据向量。然后采用级联的LSTM分步预测，通过训练不断调整网络参数，获取数据预测函数。最后根据训练获得的预测函数，来预测即将到来的任务所需的数据。若所预测的数据已经存在于资源节点上面，那么将数据本地化；否则将数据处理完提前发送到资源节点上。在对任务进行资源调度时，首先将任务分发到拥有所需数据的资源节点上，若过任务执行时间上限还未被执行，则将其重新分发到负载较低的节点上，并从拥有任务所需数据的资源节点上获取所需数据。本发明省去了现有任务在总任务时间中的数据处理时间和数据传输时间，从而有效提高系统效率。
-
公开(公告)号：CN109346063A
公开(公告)日：2019-02-15
申请号：CN201811188759.1
申请日：2018-10-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种语音数据增强方法，具体属于机器学习处理时的语音数据增强技术领域。本发明通过训练集中的语音数据的语谱图训练多个自动编码器，使用待增强的语音数据集的语谱图形式对自动编码器进行分别训练，从而获得N个基于待增强语音数据的自动编码器，利用这些不同结构下的自动编码器对原始数据的编码表达，从而实现以待增强的语音数据语谱图进行输入后获得多组结构差异化的输出语谱图结构，最后通过对这些语谱图结构进行融合合并，得到一个新产生可用以训练的语音语谱图数据，其与输入前数据在主体结构上保持了一定一致性，但是在一些结构特征上却有着较为不一致的表达。从而提高基于语音数据的机器学习模型性能。
-
公开(公告)号：CN106484512A
公开(公告)日：2017-03-08
申请号：CN201610875838.4
申请日：2016-10-08
Applicant: 电子科技大学
CPC classification number: Y02D10/22 , Y02D10/24 , Y02D10/36 , G06F9/4881 , G06F9/5088 , G06N3/126
Abstract: 本发明涉及计算单元的调度方法，包括：S1.输入物理机资源；S2.输入用户需求的计算单元资源；S3.通过数据模型对优化目标进行公式化描述；S4.采用分组遗传算法得到一种计算单元部署方案，该方案使得电能消耗、资源浪费情况、SLA违背率总体最小；S5.输出与最优解对应的计算单元部署方案。本发明计算单元的调度方法，通过改进的分组遗传算法，解决了多目标优化过程中多个优化目标影响程度的不确定性问题，相比单目标优化更具有实用性。非常明显的加快了调度计算的收敛速度，使服务器集群在大幅度节约能耗的同时，也保证了运行质量，显著提高了服务器资源的均衡性和计算效率。
-
公开(公告)号：CN106156317A
公开(公告)日：2016-11-23
申请号：CN201610522107.1
申请日：2016-06-30
Applicant: 电子科技大学
CPC classification number: G06F17/30598 , G06F17/30312 , G06F21/6245
Abstract: 本发明涉及分布式领域，尤其涉及分布式存储中考虑隐私保护的一种基于属性划分的数据安全存储方法；包括以下步骤：对应用提交的数据进行预处理，然后按数据的关联度对数据进行聚类，然后根据租户的隐私保护要求对聚类的数据进行划分，最后采用一种启发式算法将划分后的数据存储到不同的节点中，使得存储的结果满足用户的性能服务质量需求的同时资源利用率最大。该方法兼顾了安全和性能两方面的需求，不仅考虑了不同用户服务质量需求，也考虑了数据的隐私保护，而且还能提高服务提供商的资源利用率，降低其运行成本。
-
公开(公告)号：CN206532279U
公开(公告)日：2017-09-29
申请号：CN201720241516.4
申请日：2017-03-13
Applicant: 电子科技大学
Abstract: 本实用新型涉及超大规模数据动态粒度切分装置，具有包括装置外壳的本体，在本体上设有实时数据接入接口和存量数据接入接口，本体内设有系统配置主机，以及与系统配置主机、实时数据接入接口和存量数据接入接口连接的数据接入接口，数据接入接口通过数据处理器与存储装置连接，存储装置与决策单元连接，并与决策单元一同连接至系统配置主机，决策单元中有对数据粒度进行计算处理的粒度处理器和与所述粒度处理器配合的粒度缓存装置。本实用新型能够实现对数据边处理边存储，并且通过对存量数据和重复数据的清理节约了大量的存储空间，大幅度提高了对复杂数据结构动态粒度划分的速度，还能够预测加载数据，更进一步的提高了对数据的查询效率。
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.024 seconds)
