-
公开(公告)号：CN116187482A
公开(公告)日：2023-05-30
申请号：CN202310061325.X
申请日：2023-01-20
Applicant: 电子科技大学
IPC: G06N20/20 , G06F18/2415 , G06N3/084 , G06N3/098
Abstract: 本发明公开了一种边缘场景下轻量级的可信联邦学习方法，包括：(1)终端设备使用私有数据集在本地对模型进行训练，输出训练结果；(2)对训练结果进行加密，并上传至边缘服务器；(3)边缘服务器计算获得一维中的平均值outmean；(4)根据计算的outmean，边缘服务器将结果广播给各个终端设备以助终端设备完成后续训练；同时，边缘服务器还利用outmean和蒸馏温度T计算KL散度，以用于指导全局模型参数训练；(5)边缘服务器将更新的全局模型参数上传到云服务器进行聚合更新；(6)云服务器验证训练模型的性能是否满足标准要求，是，则训练结束；否则，将全局模型参数发送到每个边缘服务器以开始下一轮训练。本发明能有效提升模型的训练效率和准确性。
-
公开(公告)号：CN111522807B
公开(公告)日：2023-05-30
申请号：CN202010350654.2
申请日：2020-04-28
Applicant: 电子科技大学
IPC: G06F16/215 , G06F16/24 , G06F11/14
-
公开(公告)号：CN112948398B
公开(公告)日：2023-02-24
申请号：CN202110476035.2
申请日：2021-04-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种面向冷热数据的分级存储系统及方法，系统包括数据采集模块、冷热数据判定模块和冷热数据迁移模块；其中，数据采集模块用于采集用户数据访问请求；冷热数据判定模块用于分析数据访问请求同时根据分析出的温度计算相关信息计算数据温度，并将温度计算相关信息和数据温度更新并重新封装至原始数据；冷热数据迁移模块用于对热库中的数据进行监控，将不符合热库中两个设定阈值的热数据迁移到冷库中，并根据数据访问特征动态调整设定阈值。本发明基于数据的访问时间、访问频率和数据关联性三个方面的特征，对数据的温度进行量化，实现对冷热数据的判定和冷热数据的分离存储。
-
公开(公告)号：CN114925699A
公开(公告)日：2022-08-19
申请号：CN202210470248.9
申请日：2022-04-28
Applicant: 电子科技大学
IPC: G06F40/30 , G06F40/205 , G06F40/166 , G06F16/33 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于风格变换的高迁移性对抗文本生成方法，包括如下步骤：S1、构建预训练模型，包括构建原始替代模型Forg、构建释义生成器P、构建特征提取器E和特征解码器D；S2、构建测试文本的向量表示集和替代模型集F；所述测试文本的向量表示集包括语义特征向量集Vp、缩放因子集和风格特征向量集Vs；S3、构建任务集，包括构建总任务集Task，划分查询任务集Taskqr和支持任务集Tasksr；S4、利用元学习优化策略获取风格特征噪声向量δ*；S5、生成对抗文本x*。本发明通过结合风格变换和元学习策略，在黑盒场景下能生成具备强攻击能力、高迁移性的对抗文本。
-
公开(公告)号：CN111666872B
公开(公告)日：2022-08-05
申请号：CN202010500433.9
申请日：2020-06-04
Applicant: 电子科技大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种数据不平衡下的高效行为识别方法，包括如下步骤：步骤1，根据样本数据量将样本划分为两个类别，然后采用随机均分算法重新构建样本集，得到数据量平衡的样本集D1和D2；步骤2，将样本集D1和D2分别划分训练集和测试集；步骤3，构建两个基础网络模型；步骤4，利用样本集D1和D2的训练集训练两个基础网络模型；步骤5，利用训练好的两个基础网络模型对样本集D1和D2的测试集进行预测。本发明中通过样本划分，并对两个基础网络模型单独进行训练，得到两个在数据更为均衡的情况下完整学习了小类别数据集的SSD模型，能够在现有模型基础上提升少数类的识别率。
-
Patent Agency Ranking
公开(公告)号：CN111652081B
公开(公告)日：2022-08-05
申请号：CN202010401842.3
申请日：2020-05-13
Applicant: 电子科技大学
IPC: G06V20/70 , G06V20/40 , G06V20/56 , G06V10/26 , G06V10/62 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于光流特征融合的视频语义分割方法，包括如下步骤：步骤1，判定视频序列的当前视频帧图像为关键帧图像或非关键帧图像；若为关键帧图像，则执行步骤2，若为非关键帧图像，则执行步骤3；步骤2，提取当前视频帧图像的融合位置依赖信息和通道依赖信息的高层语义特征图；步骤3，通过计算光流场得到当前视频帧图像的高层语义特征图；步骤4，对步骤2和步骤3得到的高层语义特征图进行上采样，得到语义分割图。本发明的方法中融入了光流场和注意力机制思想，可以提升视频语义分割的速率和准确率。
-
公开(公告)号：CN112988802B
公开(公告)日：2022-07-15
申请号：CN202110475590.3
申请日：2021-04-29
Applicant: 电子科技大学
IPC: G06F16/2453 , G06F16/242 , G06F16/22 , G06F16/28 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于强化学习的关系型数据库查询优化方法及系统，方法包括以下步骤：步骤1：通过树卷积神经网络提取逻辑计划树及优化器状态信息特征；步骤2：利用强化学习模型获得匹配的优化规则应用顺序；步骤3：优化器选择适合当前查询的优化规则；系统包括规则应用与信息采集模块、机器学习模块和数据交换模块；所述规则应用与信息采集模块和机器学习模块通过数据交换模块连接，通过本地RPC请求实现数据库与规则应用与信息采集模块和机器学习模块的数据交互。本发明使用强化学习让数据库能够根据当前处理的SQL查询语句自动选择每一步的逻辑优化规则，增加了逻辑优化的可扩展性，提高了逻辑优化阶段的灵活性，进而提高数据查新效率。
-
公开(公告)号：CN111340066B
公开(公告)日：2022-05-31
申请号：CN202010084341.7
申请日：2020-02-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于几何向量的对抗样本生成方法，包括：步骤1，数据预处理；步骤2，模型预训练；步骤3，重复步骤(a)‑(f)，直到收敛，得到DGA域名对抗样本：(a)将合法域名输入ATN网络生成合法域名对抗样本，并得到扰动损失；(b)将合法域名和以及合法域名对抗样本输入噪声扰动方向函数得到噪声；(c)将噪声和DGA域名输入扰动网络得到DGA域名对抗样本；所述扰动网络为基于几何向量的扰动网络；(d)将DGA域名对抗样本输入目标网络，得到目标网络损失；(e)利用扰动损失和目标网络损失得到目标损失函数；(f)通过最小化目标损失函数更新ATN网络。本发明可以针对特定DGA类别生成其对抗样本。
-
公开(公告)号：CN112508991B
公开(公告)日：2022-05-10
申请号：CN202011318378.8
申请日：2020-11-23
Applicant: 电子科技大学
IPC: G06T7/194 , G06T7/13 , G06T5/00 , G06T5/30 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种前后景分离的熊猫照片卡通化方法包括：获取熊猫照片数据集和卡通图像数据集并进行图像预处理：构建熊猫卡通图像生成模型；所述熊猫卡通图像生成模型包括生成器和判别器，所述生成器包括前景生成分支、后景生成分支和前后景合成分支；步骤4，定义所述生成器的损失函数；利用定义的损失函数训练所述熊猫卡通图像生成模型；将待卡通化的熊猫照片输入所述训练好的熊猫卡通图像生成模型，得到卡通化后的熊猫照片。相比于现有技术，本发明中(1)前后景分别处理的方法可以有效突出相对简洁的前景主体，(2)通过边缘增强和边缘模糊的处理能够得到边缘清晰的卡通化熊猫图像，(3)网络结构比较简单，在获得卡通效果的同时拥有较小的训练成本。
-
公开(公告)号：CN113392899A
公开(公告)日：2021-09-14
申请号：CN202110650074.X
申请日：2021-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于二值化图像分类网络的图像分类方法，包括以下步骤：S1：采集原始图像，并对原始图像进行初始化；S2：根据初始化后的原始图像，搭建图像分类网络；S3：利用图像分类网络的softmax分类器进行图像分类。该图像分类方法对传统图像分类中运算量最大的卷积运算模块的卷积核进行二值化处理，使用4个同规格的二值化卷积核进行线性近似，节约算法存储空间开销。
-
-
-
-
-
-
-
-
-
Search Results
149
records
(took 0.031 seconds)
