-
公开(公告)号：CN111914185B
公开(公告)日：2024-03-22
申请号：CN202010641453.8
申请日：2020-07-06
Applicant: 华中科技大学
IPC: G06F16/35 , G06F40/253 , G06F40/289 , G06N3/0442 , G06N3/0499 , G06Q50/00
Abstract: 本发明公开了一种基于图注意力网络的社交网络中文本情感分析方法，属于深度学习和情感分析领域。本发明将同一个节点的不同文本按照时间顺序连接起来，并将一定时间内有关系的不同节点发布的文本按照时间顺序连接起来，以此构造社交网络的结构关系，能够良好的反应社交网络中的情感一致性和情感传播的事实；本发明从图注意力网络对非欧几里得图结构具有良好的特征融合效果出发，将社交网络中节点的特征相互融合，获得包含社交网络关系的情感特征向量，能够有效的把社交网络的信息融合到情感分析中，提升情感分析的准确性；本发明捕获句子的句法信息，提升句子的情感向量表示的性能，以便能够充分结合句子的句法信息提升情感分析的准确性。
-
公开(公告)号：CN112836739B
公开(公告)日：2024-02-09
申请号：CN202110128228.9
申请日：2021-01-29
Applicant: 华中科技大学
IPC: G06F18/241 , G06F18/2431 , G06F18/22 , G06F18/2451 , G06F18/214
Abstract: 本发明公开了一种基于动态联合分布对齐的分类模型建立方法及其应用，属于域适应领域，包括：分别为源域数据集和目标域数据集中的样本赋权重，使类别分布相同；将两个数据集中的样本输入联合分布对齐模型，并计算损失；联合分布对齐模型包括：特征提取器，用于提取输入样本的特征；特征判别器，用于判断特征提取器提取的特征来源；分类器，用于对特征提取器提取的特征进行分类以产生相应的类别标签；类别判别器，用于判断分类器产生的类别标签的来源；根据损失更新联合分布对齐模型后为目标域数据集中的样本标注伪标签以更新样本权重；迭代训练结束后，由特征提取器和分类器构成分类模型。本发明能够解决训练数据缺乏的问题并减少训练资源和时间。
-
公开(公告)号：CN111914272B
公开(公告)日：2024-02-02
申请号：CN202010671351.0
申请日：2020-07-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种移动边缘计算环境下起源数据的加密检索方法与系统，通过将不同的数据库分散在主智能合约和从智能合约中，在主智能合约中存储用户合约密钥表，在从智能合约中存储加密后的起源数据，不同的从智能合约中数据库不同，所存储的起源数据也不同；本发明在检索时通过主智能合约和从智能合约的相互配合进行检索，更加适应物联网设备众多，结构分散的特点，不易发生拥塞，检索效率较高。另外，本发明不论是对起源数据还是对查询语句，均分别在客户端，主智能合约以及从智能合约处进行了加密，同时也需要相应的密钥得到才能彻底地拿到明文的起源数据，保证了记录的隐私性，也保障了移动边缘计算环境下起源数据的加密检索的安全性。
-
公开(公告)号：CN111723239B
公开(公告)日：2023-06-16
申请号：CN202010393229.1
申请日：2020-05-11
Applicant: 华中科技大学
IPC: G06F16/78 , G06F16/75 , G06F16/783 , G06F18/25 , G06F18/23213 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多模态的视频标注方法，属于计算机视觉和视频标注技术领域。方法包括：通过聚类的方法提取视频的关键帧；提取关键帧的特征，并将连续的关键帧特征通过学习池聚合生成视频的视觉特征；提取视频中的音频，将音频分为多个独立的帧；提取音频帧特征，然后将连续的音频帧特征通过学习池聚合生成视频的音频特征；将视觉特征和音频特征融合输入到预测模块；进行视频标注。本发明同现有技术相比，同时考虑了视频的视觉特征和音频特征，并在帧特征聚合时加入了注意力机制，使提取的视频特征更加具有代表性，大大提高了视频标注的准确度。
-
公开(公告)号：CN111523940B
公开(公告)日：2023-04-18
申请号：CN202010328640.0
申请日：2020-04-23
Applicant: 华中科技大学
IPC: G06Q30/0601 , G06N7/01 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084 , G06N3/092
Abstract: 本发明公开了一种带负反馈的基于深度强化学习的推荐方法及系统，收集商品特征信息，同时收集用户行为数据得到用户的正负反馈行为向量；对用户的正负反馈行为向量通过特征提取网络模型得到用户的正负反馈特征混合状态向量；利用用户的正负反馈特征混合状态向量对由策略网络和估值网络组成的深度确定性策略梯度模型进行训练，直至模型收敛；根据需要进行推荐工作的用户的历史行为，先生成正负反馈特征混合状态向量，通过完成训练的深度确定性策略梯度模型生成用户推荐商品列表供给用户进行选择，完成用户推荐工作。本申请可以使得相关神经网络的参数更新得到延迟，从而减小网络之间的相关性，提升推荐方法的训练速度和准确度。
-
Patent Agency Ranking
公开(公告)号：CN115526334A
公开(公告)日：2022-12-27
申请号：CN202211067316.3
申请日：2022-09-01
Applicant: 华中科技大学
Abstract: 本发明公开了一种加权聚合的联邦蒸馏方法及系统，属于联邦学习技术领域；本发明通过中心服务器端将本地生成器分别下发给各客户端，并在各客户端中分别将其中的本地生成器进行分布式训练，最后再返回给中心服务器端进行全局聚合以来模拟全局数据分布，从而代替了直接引入外源数据，从未提高了联邦蒸馏方法的可用性；此外，本发明还在各客户端中均引入了一个小型的判别器，通过训练使其输出蒸馏数据在本地数据中对应的概率密度，并以此概率密度进行加权平均，获取准确度更高的教师软标签，来提升蒸馏效率和训练所得模型精度，从而提高了数据集非独立同分布场景下联邦学习训练模型的准确率。
-
公开(公告)号：CN113780535A
公开(公告)日：2021-12-10
申请号：CN202111137522.2
申请日：2021-09-27
Applicant: 华中科技大学
Abstract: 本发明公开了一种应用于边缘设备的模型训练方法及系统，属于模型压缩和迁移学习领域，包括：在边缘设备中加载预训练好的原模型，并识别出其中由Point‑wise卷积层、Depth‑wise卷积层和Point‑wise卷积层依次连接构成的残差块；在残差块的基础上加入对应的轻架构，以将原模型转换为目标模型；轻架构由Group‑wise卷积层和Point‑wise卷积层组成；利用目标任务数据集对目标模型进行训练，并通过两步压缩的方式先后对目标模型中的共享参数和非共享参数进行压缩，从而完成对目标模型的训练和压缩；两步压缩为常规的两步压缩、基于激活值的两步压缩或基于压缩训练的两步压缩。本发明能够提高边缘设备中模型训练效率，并减少模型训练过程以及推理过程中占用的存储空间和计算复杂度。
-
公开(公告)号：CN113449183A
公开(公告)日：2021-09-28
申请号：CN202110680280.5
申请日：2021-06-18
Applicant: 华中科技大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于离线用户环境和动态奖励的交互式推荐方法和系统，属于交互式推荐技术领域。包括：构建离线用户环境，将其作为强化学习的环境，构建演员‑评论家架构的推荐智能体，将其作为强化学习的智能体；推荐智能体与离线用户环境不断进行交互自主学习，以期望在不断学习过程中获得最大化的累积奖励，得到学习好的推荐智能体，将待推荐用户的状态输入至学习好的推荐智能体，得到推荐项目列表。本发明通过构建并训练一个离线用户环境，捕获用户的兴趣偏好，模拟用户的行为(选择奖励最大的项目)，完成环境的状态转移。本发明通过构建离线用户环境学习用户的奖励函数，根据用户的动态兴趣偏好动态调整奖励反馈，从而提高智能体学习效果。
-
公开(公告)号：CN108647517B
公开(公告)日：2021-02-09
申请号：CN201810473411.0
申请日：2018-05-17
Applicant: 华中科技大学
Abstract: 本发明公开了一种Android混合应用代码注入的漏洞检测系统及方法，系统包括权限特征提取模块、数据通道特征提取模块及漏洞检测模块权限特征提取模块用于从待检测混合应用代码提取出待检测混合应用的敏感权限申请集；数据通道特征提取模块用于从待检测混合应用代码中提取出数据通道的源点集和接收点集；漏洞检测模块的第一输入端同权限特征提取模块的输出端连接，其第二输入端同数据通道特征提取模块的输出端连接，用于根据敏感权限和数据通道的源点集和接收点集，利用漏洞检测模型判定待检测混合应用是否存在漏洞代码注入。相对于传统的基于控制流和程序调用图的检测方法，具有更高的效率，分类准确率很高，具有很好的可用性。
-
公开(公告)号：CN111914272A
公开(公告)日：2020-11-10
申请号：CN202010671351.0
申请日：2020-07-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种移动边缘计算环境下起源数据的加密检索方法与系统，通过将不同的数据库分散在主智能合约和从智能合约中，在主智能合约中存储用户合约密钥表，在从智能合约中存储加密后的起源数据，不同的从智能合约中数据库不同，所存储的起源数据也不同；本发明在检索时通过主智能合约和从智能合约的相互配合进行检索，更加适应物联网设备众多，结构分散的特点，不易发生拥塞，检索效率较高。另外，本发明不论是对起源数据还是对查询语句，均分别在客户端，主智能合约以及从智能合约处进行了加密，同时也需要相应的密钥得到才能彻底地拿到明文的起源数据，保证了记录的隐私性，也保障了移动边缘计算环境下起源数据的加密检索的安全性。
-
-
-
-
-
-
-
-
-
Search Results
136
records
(took 0.027 seconds)
