-
公开(公告)号:CN117392438A
公开(公告)日:2024-01-12
申请号:CN202311246864.7
申请日:2023-09-25
Applicant: 北京邮电大学 , 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/80 , G06F18/25 , G06F18/2431 , G06F16/35 , G06F16/33 , G06F40/30
Abstract: 本公开提供一种面向多模态数据的分类方法及相关设备,包括:提取目标数据的图像特征;确定所述目标数据的向量化表示,并基于所述基于所述向量化表示对所述图像特征进行增强处理,得到增强后的图像特征;将所述向量化表示和所述增强后的图像特征进行拼接,得到所述目标数据的融合特征;基于所述融合特征对所述目标数据进行分类处理。本公开中,首先提取了数据的图像特征,然后基于数据的类型对图像特征进行了增强,之后再将增强后的图像特征与数据的向量化表示,以及数据的文本特征进行了拼接进而得到了数据的融合特征,最后使用此融合特征对数据进行了分类处理。
-
公开(公告)号:CN119723099A
公开(公告)日:2025-03-28
申请号:CN202411862775.X
申请日:2024-12-17
Applicant: 北京邮电大学
Abstract: 本申请提供了一种数据去噪与增强协同的表征学习方法,涉及数据处理技术领域,旨在对自然噪声和对抗噪声进行协同表征学习,以提高任务模型的精度,该方法包括:对原始图像样本进行自然噪声去噪处理,得到去噪图像样本,所述自然噪声表征由自然因素产生的影响任务模型准确性的噪声;通过在所述去噪图像样本添加对抗噪声,生成对抗噪声图像样本,所述对抗噪声表征用于欺骗任务模型输出错误结果的噪声;基于扩散模型净化所述对抗噪声图像样本中的噪声,得到数据增强图像样本;基于所述数据增强图像样本和所述去噪图像样本,对任务模型进行训练,直至所述任务模型收敛。
-
公开(公告)号:CN119478720A
公开(公告)日:2025-02-18
申请号:CN202411646361.3
申请日:2024-11-18
Applicant: 北京邮电大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06F16/53 , G06N3/0455 , G06N3/08 , G06N3/0464 , G06V10/84 , G06V10/74
Abstract: 本申请提供了一种模型训练方法、高质量卫星图像检索方法和装置,可以通过第一神经网络模型得到样本卫星图像中每个对象的第一对象类别,以及各个第一对象类别分别对应的第一分类预测值,并可以进一步根据第一对象类别和第一分类预测值结合样本卫星图像自身的样本对象类别计算第一神经网络模型的第一模型损失值,从而可以通过第一模型损失值调整第一神经网络模型的模型参数,得到目标神经网络模型,由于对样本卫星图像的处理精确到了图像中的每个对象,因此,可以提升目标神经网络模型的预测准确率,在使用目标神经网络模型对查询图像进行处理以检索卫星图像时,可以提升最终得到的目标卫星图像与查询图像的匹配程度,提升图像检索查询的准确率。
-
公开(公告)号:CN118798306A
公开(公告)日:2024-10-18
申请号:CN202410753413.0
申请日:2024-06-12
Applicant: 北京邮电大学
Abstract: 本申请公开了一种基于强化学习多智能体协同的卫星服务组合选择方法及系统,包括:确定各个样本卫星分别对应的样本卫星剩余资源值,以及样本服务项集合包含的各个样本服务项分别对应的样本服务项资源需求值;将样本服务项集合、样本卫星剩余资源值和样本服务项资源需求值输入第一多智能体强化学习网络模型,得到第一多智能体强化学习网络模型输出的第一联合动作值;基于各个样本服务项资源需求值和各个第一联合动作值,计算第一多智能体强化学习网络模型的损失值;基于损失值,调整第一多智能体强化学习网络模型的第一参数,得到目标多智能体强化学习网络模型。
-
公开(公告)号:CN113901788B
公开(公告)日:2024-08-02
申请号:CN202110995726.3
申请日:2021-08-27
Applicant: 北京邮电大学
IPC: G06F40/211 , G06F40/253 , G06N3/042 , G06N3/0442 , G06N3/084 , G06N7/01
Abstract: 本公开提供一种语句中方面词对应的观点词抽取方法,包括,获取目标语句的句法结构和顺序结构,针对每一个所述目标语句构建一个包含所述句法结构信息及所述顺序结构信息的目标多路异构图,其中,所述目标多路异构图的节点对应为所述目标语句中的每个单词;获取给定的所述目标语句中的目标方面词;获取预先构建的马尔可夫决策过程模型;应用所述马尔可夫决策过程模型在所述目标多路异构图上进行探索,抽取所述目标语句中所述目标方面词所对应的目标观点词。本发明提供的方法,有效解决方面词及其对应的观点词距离较远时难以准确抽取观点词的问题,实现观点词的准确抽取。
-
公开(公告)号:CN115618996A
公开(公告)日:2023-01-17
申请号:CN202211117446.3
申请日:2022-09-14
Applicant: 北京邮电大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/049 , G06N3/08
Abstract: 本发明实施例提供一种数据中心的负荷预测方法、装置、设备和存储介质,该方法包括:获取多个历史时刻的目标数据;目标数据包括数据中心的负荷数据及多个类型的与负荷数据相关的特征数据;将待预测时刻之前多个历史时刻的数据中心负荷及多个类型的与负荷数据相关的特征数据输入到训练后的负荷预测模型,得到数据中心负荷预测结果;模型用于基于历史时刻的目标数据和预测出的未来时刻的特征数据,对未来时刻的数据中心的负荷进行预测。本发明实施例的方法通过探索出有价值的未来时刻的特征数据,并根据探索出的特征数据指导历史时刻的目标数据进行负荷预测,提升了数据中心负荷预测的准确性。
-
公开(公告)号:CN110087189B
公开(公告)日:2020-08-14
申请号:CN201910364017.8
申请日:2019-04-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种无人机基站部署位置的确定方法及装置,方法包括:确定预设区域内每个用户终端的位置;基于用户终端的位置进行聚类划分,得到多个用户区域以及每个用户区域的聚类中心位置,将该用户区域的聚类中心位置确定为无人机基站的初始水平位置;基于该用户区域中用户终端与无人机基站通信的信道容量总和,确定无人机基站的高度;基于初始水平位置,以及高度确定无人机基站的部署位置。相比于采用无人机组网的方式大范围部署无人机基站,能够减少无人机基站部署的数量,提高资源利用率。
-
公开(公告)号:CN119204192B
公开(公告)日:2025-04-08
申请号:CN202411706615.6
申请日:2024-11-26
Applicant: 北京邮电大学
IPC: G06N5/022 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于翻译嵌入的传感数据逻辑特征提取方法及装置,所述方法包括:获取进行逻辑特征提取的传感数据序列,将传感数据序列输入至训练好的逻辑特征提取模型,传感数据序列包括传感器监测到的多个时间步的监测数据,逻辑特征提取模型包括向量嵌入模块、关系构建模块以及特征提取模块;基于向量嵌入模块确定传感数据序列中的各监测数据对应的嵌入向量,基于各嵌入向量通过所述关系构建模块确定监测数据之间的逻辑关系表示,基于各嵌入向量和各逻辑关系表示通过特征提取模块生成各监测数据对应的逻辑特征向量;其中,逻辑关系表示为算术关系表示或方向关系表示。该方法可较好地捕获传感数据中的细微特征,提高数据分析的准确性和实用性。
-
公开(公告)号:CN119284201A
公开(公告)日:2025-01-10
申请号:CN202411398401.7
申请日:2024-10-09
Applicant: 北京邮电大学 , 中国航天科技创新研究院
IPC: B64G1/22
Abstract: 本发明公开了一种机械式自适应装配接口,属于航天器技术领域,包括第一连接杆、第二连接杆、连杆机构、导向杆和压紧机构,其中连杆机构包括第一底板、第二底板、形状记忆合金弹簧、第一连杆和第二连杆,所述第一连接杆与连杆机构、第二连接杆与导向杆分别通过螺栓连接,压紧机构串接于第二连接杆与所述导向杆之间,自适应接口锁紧工作时连杆机构的形状记忆合金弹簧处于收缩状态,第二连杆垂直于自适应接口轴线,第二底板的凸台平面与第一底板的凸台平面以及第二底板的底面与压板的底面分别重合,自适应接口处于锁紧转态。本发明的一种机械式自适应装配接口装配时容差性强,可实现快速自适应装配,降低装配难度。
-
公开(公告)号:CN119204192A
公开(公告)日:2024-12-27
申请号:CN202411706615.6
申请日:2024-11-26
Applicant: 北京邮电大学
IPC: G06N5/022 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于翻译嵌入的传感数据逻辑特征提取方法及装置,所述方法包括:获取进行逻辑特征提取的传感数据序列,将传感数据序列输入至训练好的逻辑特征提取模型,传感数据序列包括传感器监测到的多个时间步的监测数据,逻辑特征提取模型包括向量嵌入模块、关系构建模块以及特征提取模块;基于向量嵌入模块确定传感数据序列中的各监测数据对应的嵌入向量,基于各嵌入向量通过所述关系构建模块确定监测数据之间的逻辑关系表示,基于各嵌入向量和各逻辑关系表示通过特征提取模块生成各监测数据对应的逻辑特征向量;其中,逻辑关系表示为算术关系表示或方向关系表示。该方法可较好地捕获传感数据中的细微特征,提高数据分析的准确性和实用性。
-
-
-
-
-
-
-
-
-