-
公开(公告)号：CN117349319A
公开(公告)日：2024-01-05
申请号：CN202311336150.5
申请日：2023-10-16
Applicant: 北京理工大学
IPC: G06F16/2453 , G06F16/242 , G06F16/2455 , G06N3/0499 , G06N3/092
Abstract: 本发明涉及一种基于深度强化学习的数据库查询优化方法，属于计算机数据库与人工智能技术领域。本方法采用基于深度强化学习技术，通过自主学习和优化，能够针对大规模数据的查询请求，寻找最优查询执行计划，提高数据库查询性能和效率。通过将查询优化问题转化为强化学习任务，智能体根据查询语句和数据库环境的状态，选择最佳的查询执行计划。通过深度神经网络的非线性建模，智能体能够学习复杂的查询优化策略，并根据环境反馈不断改进自己的决策策略。这使得查询优化更具自适应性和智能化，适应不同的查询场景和数据规模，实现了自适应性和智能化的查询优化。本方法具备广阔的应用前景和重要的研究价值。
-
公开(公告)号：CN117194502A
公开(公告)日：2023-12-08
申请号：CN202311444981.4
申请日：2023-11-02
Applicant: 北京理工大学
IPC: G06F16/2455 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种基于长短期记忆网络的数据库内容缓存替换方法，属于计算机数据库技术领域。本方法使用长短期记忆网络预测缓存替换最优解，按照先主后次、先急后缓的策略进行缓存队列更新，降低神经网络预测不确定性对整体性能的影响。通过对算法逻辑的优化，不直接将长短期记忆网络的预测结果作为最终的替换结果，而是将其视为缓存替换的重要参考项，结合当前缓存队列中现有的缓存行，决定缓存数据块的去留。本发明包括训练数据集的获取、替换缓存的具体逻辑与方式，能够灵活适应不同用户的行为模式，保证了数据访问请求指令频繁时缓存替换算法性能的下限，使计算资源的调动更加灵活，互不干扰，缓存替换过程简洁高效。
-
公开(公告)号：CN116910086B
公开(公告)日：2023-12-01
申请号：CN202311179624.X
申请日：2023-09-13
Applicant: 北京理工大学
IPC: G06F16/242 , G06F16/2452 , G06F40/237 , G06F40/284 , G06F40/30 , G06F40/211 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于自注意力句法感知的数据库查询方法，属于计算机数据库技术领域。本发明对现有的分词系统进行了二次开发。为了给查询语句中的每个词语标注关系数据的语义信息，实现语义覆盖，采用统计与字典相结合的N‑最短路分词技术，依据知识库的优先级为有向无环图中的边赋予权重，以优化切分结果并更好地转换为数据库查询语句，引入隐马尔科夫模型对切分结果进行词性标注，充分利用词语信息和数据语义标签，建立词语与数据库对象之间的关联，输出一个具有数据语义的标准化词语序列。本发明能够有效提高转换模型将自然语言映射为高维语义的能力，提高数据库自然语言查询的精确度和通用能力，为用户提供更准确、更智能的查询体验。
-
公开(公告)号：CN117076936B
公开(公告)日：2024-12-17
申请号：CN202311332723.7
申请日：2023-10-16
Applicant: 北京理工大学
IPC: G06F18/214 , G06F18/213 , G06F17/16 , G06F18/22 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/08 , G06F18/10
Abstract: 本发明涉及一种基于多头注意力模型的时序数据异常检测方法，属于计算机数据库异常检测技术领域。本发明搭建了一种基于多头注意力模型的用于时序数据异常检测的网络框架，该框架可以对多源时序数据进行处理，具有鲁棒性和较好的泛化能力，且可以实现更快的网络训练、更准确的异常样本检测。引入了频域分析模块，以充分利用时序数据的频域信息。通过将输入序列与输出序列进行频域分析，可以使模型获得有效的序列信息。通过衡量两项频域分析结果之间的距离，可以监督网络生成更精确的输出序列，从而获得更精确的异常判断阈值，实现更准确的异常检测。本发明在时序数据的特征提取能力、异常样本的检测准确率方面均具有明显优势。
-
公开(公告)号：CN117197547A
公开(公告)日：2023-12-08
申请号：CN202311102983.5
申请日：2023-08-30
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/74 , G06N3/0985
Abstract: 本发明公开了一种基于概念学习器的少样本红外图像目标识别方法，包括：构建少样本红外图像目标识别模型；少样本红外图像目标识别模型包括概念学习器模块和相似度量模块；概念学习器模块使用神经网络参数化的概念嵌入函数，学习每个概念维度的独特概念嵌入，通过定义每个概念维度上的概念原型来反映度量空间中基础概念的类别差异；相似度量模块将概念原型与概念嵌入进行比较，为每个概念维度分配概念重要性得分，并以此作为后续分类依据；模型跨概念维度聚合来自不同概念学习器和概念原型的信息，完成少样本红外图像分类任务。本发明的技术方案实现高效的红外目标识别与分类。
-
Patent Agency Ranking
公开(公告)号：CN117034040A
公开(公告)日：2023-11-10
申请号：CN202311235524.4
申请日：2023-09-25
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于关系感知与增量学习的数据库模式匹配方法，属于计算机数据库技术领域。首先发现目标数据库与源数据库各自的模态信息。然后将子模态文本信息进行特征提取。之后将特征提取信息输入贝叶斯网络进行选择筛选。该过程中，同样进行特征的质量度量，保证子模态分类的准确性和稳定性。同时，引入神经元正则化与贝叶斯增量学习方法，充分发掘模型的持续学习能力。最后，将得到的目标数据库子模态与源数据库子模态通过特征关系感知模态，得到模式匹配结果。本发明能够有效提升不同数据库之间的查询和模式匹配处理效率和准确率。
-
公开(公告)号：CN117591250A
公开(公告)日：2024-02-23
申请号：CN202410081476.6
申请日：2024-01-19
Applicant: 北京理工大学
IPC: G06F9/46 , G06N3/0442 , G06N3/092
Abstract: 本发明涉及一种基于策略因子和过载消解的硬实时准入控制方法，属于计算机数据库系统和深度强化学习决策技术领域。本方法结合了深度强化学习模型DQN实现硬实时事务的准入控制，使用GRU模型实现硬实时事务的闭环反馈控制，并通过价值成本执行过载消解机制。本方法特别关注数据库中硬实时事务在时间窗口内产生可预测的判断，以确保事务能够高准确率地在规定的时间限制内完成。本方法提高了硬实时事务执行的准确率，使其更好地适应复杂的任务环境和时间要求。
-
公开(公告)号：CN116737759B
公开(公告)日：2023-12-08
申请号：CN202311018828.5
申请日：2023-08-14
Applicant: 北京理工大学
IPC: G06F16/2452 , G06N3/0455 , G06N3/0442 , G06N3/08 , G06F40/284
Abstract: 本发明涉及一种基于关系感知注意力的中文查询生成SQL语句方法，属于计算机自然语言处理和数据库查询语句生成技术领域。本发明在生成SQL语句时引入了SAT‑SQL模型框架，并将其应用在复杂中文语境下，使得生成的SQL语句更加准确地反映用户查询的意图，能够更好地理解中文查询的含义。在生成SQL语句时，还引入了基于MacBERT模型的编码策略，利用MacBERT模型的嵌入能力，在编码查询语句时更全面地考虑了单词之间的语义关联。通过引入语法检查机制，确保生成的SQL语句不存在语法错误。对比现有技术，本发明能够更好地解决中文查询到SQL语句的转换问题，在复杂中文查询生成SQL语句的效率、准确性和可读性方面都具有明显优势。
-
公开(公告)号：CN116737759A
公开(公告)日：2023-09-12
申请号：CN202311018828.5
申请日：2023-08-14
Applicant: 北京理工大学
IPC: G06F16/2452 , G06N3/0455 , G06N3/0442 , G06N3/08 , G06F40/284
Abstract: 本发明涉及一种基于关系感知注意力的中文查询生成SQL语句方法，属于计算机自然语言处理和数据库查询语句生成技术领域。本发明在生成SQL语句时引入了SAT‑SQL模型框架，并将其应用在复杂中文语境下，使得生成的SQL语句更加准确地反映用户查询的意图，能够更好地理解中文查询的含义。在生成SQL语句时，还引入了基于MacBERT模型的编码策略，利用MacBERT模型的嵌入能力，在编码查询语句时更全面地考虑了单词之间的语义关联。通过引入语法检查机制，确保生成的SQL语句不存在语法错误。对比现有技术，本发明能够更好地解决中文查询到SQL语句的转换问题，在复杂中文查询生成SQL语句的效率、准确性和可读性方面都具有明显优势。
-
公开(公告)号：CN117764870A
公开(公告)日：2024-03-26
申请号：CN202311843689.X
申请日：2023-12-29
Applicant: 北京理工大学
IPC: G06T5/73 , G06T3/04 , G06T5/80 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于域适应的图像去沙尘方法，属于计算机视觉与图像处理技术领域。在图像风格统一阶段，采用一种自适应的退化通道像素值补偿技术，将退化通道整体加上一个补偿值，矫正沙尘颗粒造成的图像失真。经过图像风格统一，不同沙尘颗粒浓度下的沙尘图像均能够调整至一个风格统一的中间域。采用基于域适应的神经网络模型训练方法，将有监督训练与无监督训练相结合，进一步对中间域图像细节进行增强，在成对雾图上训练得到模型后，采用域适应技术将其泛化至沙尘图像，使得其在沙尘图像上也能够发挥作用。本方法有效解决了现有图像去沙尘技术不够灵活，不能兼顾所有浓度的沙尘图像，以及不能在真实沙尘图像上发挥作用的问题。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.025 seconds)
