-
公开(公告)号：CN117992610B
公开(公告)日：2024-11-22
申请号：CN202410150443.2
申请日：2024-02-02
Applicant: 江南大学 , 匀熵智能科技(无锡)有限公司
IPC: G06F16/35 , G06F16/36 , G06N3/0442 , G06N3/086 , G06N3/094
Abstract: 一种基于虚拟位置引导的VPG‑PSO算法的文本对抗攻击方法，属于文本对抗处理领域。首先采用基于义原的方法生成替换词，进而形成缩减的搜索空间。然后使用了一种基于虚拟位置引导的VPG‑PSO算法，应用于搜索对抗样本，将整个迭代过程分为发散、正常、加速三个阶段，使用不同的搜索策略。在发散阶段扩大粒子的运动范围，以实现全局搜索；正常阶段进行常规粒子群搜索；在加速阶段降低粒子在较大范围内的运动，从而实现快速收敛。并在每个阶段引入虚拟位置的概念，自适应调整算法的搜索行为，从而进行不同的搜索。在保持语义一致性的前提下，以更低的成本实现了更高的成功率。
-
公开(公告)号：CN117992610A
公开(公告)日：2024-05-07
申请号：CN202410150443.2
申请日：2024-02-02
Applicant: 江南大学 , 匀熵智能科技(无锡)有限公司
IPC: G06F16/35 , G06F16/36 , G06N3/0442 , G06N3/086 , G06N3/094
Abstract: 一种基于虚拟位置引导的VPG‑PSO算法的文本对抗攻击方法，属于文本对抗处理领域。首先采用基于义原的方法生成替换词，进而形成缩减的搜索空间。然后使用了一种基于虚拟位置引导的VPG‑PSO算法，应用于搜索对抗样本，将整个迭代过程分为发散、正常、加速三个阶段，使用不同的搜索策略。在发散阶段扩大粒子的运动范围，以实现全局搜索；正常阶段进行常规粒子群搜索；在加速阶段降低粒子在较大范围内的运动，从而实现快速收敛。并在每个阶段引入虚拟位置的概念，自适应调整算法的搜索行为，从而进行不同的搜索。在保持语义一致性的前提下，以更低的成本实现了更高的成功率。
-
Patent Agency Ranking
公开(公告)号：CN117891924A
公开(公告)日：2024-04-16
申请号：CN202410165075.9
申请日：2024-02-05
Applicant: 江南大学 , 匀熵智能科技(无锡)有限公司
IPC: G06F16/332 , G06F16/36 , G06N3/0464 , G06N3/092 , G06N5/02 , G06F18/214 , G06F18/25 , G06N3/09
Abstract: 一种基于强化知识选择的大语言模型对话推荐方法，属于自然语言处理领域。本发明结合T5模型的编码器和RGCN模型，提高了对话内容的相关性和丰富性，使对话更自然、流畅且紧密贴合用户需求。采用T5模型作为策略模型，并结合强化学习，有效提升了对话生成的质量和精准度，确保知识选择的高效性。实验证明本发明的模型在自动评价和人工评价两个方面都超出了当前最新的基准模型。该方法通过创新的强化学习框架和算法，有效地解决了以上问题，为用户提供了更加智能、精准且高效的对话推荐服务。本方法的提出，不仅是对话推荐技术的一大进步，也为未来智能对话代理的研究和发展提供了新的方向。
-
公开(公告)号：CN118537401A
公开(公告)日：2024-08-23
申请号：CN202410642089.5
申请日：2024-05-23
Applicant: 匀熵智能科技(无锡)有限公司 , 江南大学
Abstract: 本发明涉及视觉SLAM技术领域，具体公开了一种基于动态SLAM的相机位姿求解方法、装置及存储介质，包括：对输入图像进行特征点提取，获得图像特征点；对输入图像进行实例分割，获得静态区域和潜在动态区域；根据静态区域的基准外参和潜在动态区域的基准外参之间的差值确定位于所述潜在动态区域的实际动态区域，其中落在实际动态区域内的潜在动态特征点为实际动态特征点；剔除所述实际动态区域内的实际动态特征点，并根据所述静态区域内的静态特征点以及所述潜在动态区域内的非实际动态特征点进行相机位姿求解，获得相机位姿。本发明提供的基于动态SLAM的相机位姿求解方法能够有效提升动态SLAM中相机位姿求解的精度。
-
公开(公告)号：CN115952782A
公开(公告)日：2023-04-11
申请号：CN202310094801.8
申请日：2023-02-07
Applicant: 匀熵智能科技(无锡)有限公司
IPC: G06F40/205 , G06F40/117 , G06F40/284 , G06F16/335 , G06F16/35 , G06N3/006
Abstract: 本发明提供一种基于高斯分布改进的文本对抗方法，通过替换原输入文本中的部分单词，生成更能迷惑受害模型的对抗样本，进而挖掘自然语言处理(Natural Language Processing,NLP)领域深度学习模型弱点，提升模型鲁棒性。现有词级别文本对抗方法存在攻击成功率不够、修改率高等问题。由此提出了一种新的使用高斯概率分布改进的，基于义原和量子行为粒子群优化算法的文本对抗方法。通过使用高斯分布对原方法进行优化，对抗方法能在前期扩大搜索范围，并在后期找到能更好迷惑模型的对抗样本。实验结果表明，方法在多个数据集上能够在提升攻击成功率的同时，有效降低修改率，并更多地保留语法和语义正确性。
-
公开(公告)号：CN110020618A
公开(公告)日：2019-07-16
申请号：CN201910238577.9
申请日：2019-03-27
Applicant: 江南大学
Abstract: 本发明公开了一种可用于多拍摄角度的人群异常行为监测方法，属于计算机视觉和计算机识别领域。所述方法结合监控设备在场景中位置对监测对象进行特征提取，包括：使用在空间上非重叠的网格结构将监控图像分割为不同尺寸的单元格；判定监控图像中各单元格是否为活跃块区域；对判定为活跃块区域的单元格进行方向－集群性特征提取，根据方向－集群性特征判断监测对象是否发生群体逃散行为。针对公共场所人群骚乱、逃散等人群行为异常状态进行特征提取与检测，通过构建多尺度分块模型区分出活跃块，解决了因摄像头拍摄角度不同而产生的人群透视问题，适用于多角度的摄像拍摄，并能以较高的准确度实现人群异常的判断。
-
-
-
-
-
-
Search Results
7
records
(took 0.04 seconds)
