-
公开(公告)号：CN118860707A
公开(公告)日：2024-10-29
申请号：CN202410851455.8
申请日：2024-06-27
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司 , 北京邮电大学
Abstract: 本发明公开了一种日志故障处理方法、装置、设备、存储介质及程序产品，该方法包括：对原始日志数据进行预处理，获得日志序列，日志序列包括至少一组日志结构化数据，对日志结构化数据进行特征分析，获取日志序列的特征分布信息，基于特征分布信息对日志序列进行异常检测，确定日志序列中的未知异常日志，对已知异常日志分类处理和/或对未知异常日志进行语义解释处理；由于本发明通过对原始日志数据预处理，从而有效地提升了日志数据的平衡性，基于特征分布信息对日志序列进行异常检测，对不同类型的异常日志数据分别实施对应的故障处理，从而有效提升故障处理的泛化性，实现针对不同场景确保故障处理的效率。
-
公开(公告)号：CN118838775A
公开(公告)日：2024-10-25
申请号：CN202410910609.6
申请日：2024-07-08
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司 , 北京邮电大学
IPC: G06F11/30 , G06F11/34 , G06N3/0464 , G06N3/092 , G06N3/0455 , G06N3/042
Abstract: 本申请公开了一种时序数据的异常检测方法、装置、设备、存储介质及产品，涉及人工智能技术领域，公开了时序数据的异常检测方法，包括：对时序运维数据对应的时序信息图进行多尺度特征提取，得到目标深度特征；根据所述目标深度特征和所述时序信息图进行特征聚合，并将聚合结果以及所述目标深度特征输入至目标扩散模型进行特征生成，得到所述时序运维数据对应的目标语义特征；根据所述目标语义特征对所述时序运维数据进行异常检测，得到所述时序运维数据的异常检测结果。通过上述方式，摆脱了特征工程的局限，能够节省大量的人力物力并适应于现实世界多源异构的数据类型，满足了现实场景中智能运维的需求，同时提高了异常检测方式的通用性。
-
公开(公告)号：CN116362287B
公开(公告)日：2025-03-25
申请号：CN202310102989.6
申请日：2023-01-29
Applicant: 北京邮电大学 , 四方联盟(北京)科技发展有限公司 , 联洋国融(北京)科技有限公司
Abstract: 本发明提出一种支持多种硬件平台的神经网络模型量化部署方法，包括，获取待量化神经网络模型；针对待部署硬件平台配置网络量化参数；根据待部署硬件平台使用基准量化方法对待量化神经网络模型进行预量化；使用跨层权重均衡与偏差吸收相结合的思想对预量化神经网络模型参数进行均匀分布调整，获取调整后神经网络模型；根据待部署硬件平台使用自适应图调度策略找到调整后神经网络模型精度和速度间的最佳平衡点，根据最佳平衡点计算并导出量化后神经网络模型和量化后神经网络模型参数；将量化后神经网络模型参数写入到待部署硬件平台。通过本发明提出的方法，用于提升模型在端侧的推理速度，使模型可以部署在计算资源受限设备或时延敏感的应用中。
-
公开(公告)号：CN114399644B
公开(公告)日：2025-02-07
申请号：CN202111535847.6
申请日：2021-12-15
Applicant: 北京邮电大学
IPC: G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/096 , G06N3/0895 , G06N3/084
Abstract: 本发明提出一种小样本目标检测方法，包括：向检测网络发送骨干网络的权重以及特征金字塔的权重；生成候选区域，候选区域来自于区域建议网络对视觉表征骨干网络输出特征的前后景分类与回归结果；根据候选区域，借助池化算子生成统一尺寸的候选区域特征，并进行统一尺寸的候选区域特征的位置回归，内容分类以及细粒度特征挖掘；利用细粒度特征挖掘，构建细粒度的正样本对以及负样本对，形成对候选区域细粒度特征间的对比学习；按照细粒度特征挖掘中的策略形成损失函数，通过损失函数的计算进行检测网络参数的更新。该方法为小样本目标检测提供了视觉表征骨干网络，并通过对样本特征挖掘，提升样本的细粒度特征和模型检测精度。
-
公开(公告)号：CN119048534A
公开(公告)日：2024-11-29
申请号：CN202410949966.3
申请日：2024-07-16
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于超声影像的瘤周区域分割方法及系统，该方法将肿瘤超声图像的RGB颜色模型转换为HSV颜色模型，并根据HSV颜色模型确定检测的目标区域图像；对目标区域图像进行边缘检测以根据检测结果得到完整的边缘图像；基于边缘图像建立层级结构，并根据层级结构确定每个边缘的属性信息；根据线宽像素值和属性信息进行边缘绘制，并对绘制后的边缘图像进行全阈值分割得到分割后的轮廓图像；计算分割后的轮廓图像中所有轮廓的面积，对所有轮廓进行填充绘制以得到二值掩模图像；基于二值掩模图像得到肿瘤瘤周掩模图像，并将肿瘤瘤周掩模图像与肿瘤超声图像合并处理以得到不规则瘤周区域的分割结果。本发明可有效实现对肿瘤瘤周区域的精准快速分割。
-
Patent Agency Ranking
公开(公告)号：CN116362287A
公开(公告)日：2023-06-30
申请号：CN202310102989.6
申请日：2023-01-29
Applicant: 北京邮电大学 , 四方联盟(北京)科技发展有限公司 , 联洋国融(北京)科技有限公司
Abstract: 本发明提出一种支持多种硬件平台的神经网络模型量化部署方法，包括，获取待量化神经网络模型；针对待部署硬件平台配置网络量化参数；根据待部署硬件平台使用基准量化方法对待量化神经网络模型进行预量化；使用跨层权重均衡与偏差吸收相结合的思想对预量化神经网络模型参数进行均匀分布调整，获取调整后神经网络模型；根据待部署硬件平台使用自适应图调度策略找到调整后神经网络模型精度和速度间的最佳平衡点，根据最佳平衡点计算并导出量化后神经网络模型和量化后神经网络模型参数；将量化后神经网络模型参数写入到待部署硬件平台。通过本发明提出的方法，用于提升模型在端侧的推理速度，使模型可以部署在计算资源受限设备或时延敏感的应用中。
-
公开(公告)号：CN112329820B
公开(公告)日：2022-12-27
申请号：CN202011135027.3
申请日：2020-10-21
Applicant: 北京邮电大学
Abstract: 本发明公开了一种联邦学习下不均衡数据的采样方法与装置，其中，装置包括数据监控模块、数据平衡模块、本地训练模块和中心服务器，基于混合采样的不均衡数据平衡方案，根据不同数据集的不平衡比例，基于合成少数样本与聚类下采样集成方法结合的混合采样方法，获得平衡数据集；结合数据集实时监控，在联邦学习场景下对不均衡数据集的自动处理和及时更新；从而通过结合数据级和集成方式的不均衡数据集处理方法，充分利用数据集的能力，并利用数据变动检测通过检测数据集，实现不均衡数据集的自动均衡和更新。
-
公开(公告)号：CN115495654A
公开(公告)日：2022-12-20
申请号：CN202211175093.2
申请日：2022-09-26
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本申请提出了一种基于子空间投影神经网络的点击率预估方法，涉及人工智能技术领域，其中，该方法包括：采集用户数据；对用户数据进行特征处理，得到用户特征，其中，特征处理包括归一化处理、离散化处理、未知值处理；将用户特征输入训练好的深度神经网络模型中，输出用户点击物品概率的预测结果，其中，深度神经网络模型由logloss损失函数进行训练生成；根据预测结果对物品候选集进行筛选，得到最终推荐结果。采用上述方案的本发明实现了端到端为用户提供个性化精确推荐。
-
公开(公告)号：CN114842293A
公开(公告)日：2022-08-02
申请号：CN202210431804.1
申请日：2022-04-22
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/25 , G06N3/04 , G06N3/08 , G06V10/82
Abstract: 本发明提出一种基于动态网络训练的目标检测方法及装置，其中方法包括，获取待训练图像，确定待训练图像中的候选区域，并获取候选区域目标检测特征值和真实值GroundTruth的特征值；根据候选区域目标检测特征值确定超参数；输入候选区域目标检测特征值、真实值Ground Truth的特征值和超参数，进行目标检测模型训练，确定候选区域正负样本标签分配结果，并计算训练结果和真实值之间的定位损失函数；根据标签分配结果和定位损失函数，结合超参数设置自适应地动态确定新一轮的正负样本标签分配阈值和损失函数参数；所有网络轮次训练结束后，输出训练好的自适应动态目标检测器。本发明使得网络能够根据训练图像数据集自适应地选择适合的训练方法，有效提升检测结果。
-
公开(公告)号：CN114581915A
公开(公告)日：2022-06-03
申请号：CN202210141377.3
申请日：2022-02-16
Applicant: 北京邮电大学
IPC: G06V30/148 , G06V10/26 , G06V10/22
Abstract: 本发明提出一种噪声鲁棒的多类别表盘指针读数识别方法和装置，其中，方法包括：获取待检测仪表的图像信息，并根据图像信息确定待检测仪表的目标位置信息和类别信息；根据目标位置信息对图像信息进行分割，从图像信息中提取表盘中的关键区域信息；根据类别信息确定与类别信息对应的预设规则，根据预设规则和关键区域信息获取表盘指针读数结果。该方法可以提升在多种环境和多种不同形态规格表盘读数识别的有效性，解决现有技术中识别算法不具有普适性和读数识别受环境影响的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.08 seconds)
