-
公开(公告)号：CN109582364B
公开(公告)日：2020-07-28
申请号：CN201811268340.7
申请日：2018-10-29
Applicant: 华中科技大学
IPC: G06F9/30
Abstract: 本发明公开了一种基于忆阻器的精简指令集处理器；忆阻器是一种以电阻来保存“0”、“1”逻辑的非易失性器件；同时，忆阻器可以通过施加一对电压VCOND/VSET来实现“蕴含逻辑”，基于蕴含逻辑可以实现各种数据操作、逻辑运算以及算术运算。所以，忆阻器是一种极具潜力的计算存储融合的器件，基于忆阻器的计算机处理器也成为下一代计算机处理器的研究方向。本发明根据忆阻器的存储计算融合的特性，设计了一种基于忆阻器的计算机处理器，这类新型的处理器将不同于传统计算机必须使用专门的存储器与运算器的架构，是一种计算与存储融合的处理器。相较于传统计算机，基于忆阻器的计算机处理器在速度、并行度、功耗上都会有极大的提升。
-
公开(公告)号：CN116456356B
公开(公告)日：2024-02-02
申请号：CN202310238708.X
申请日：2023-03-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于可信信息覆盖的大规模无线传感网可靠性评估方法：(1)根据目标区域监测覆盖需求，建立网络模型；(2)通过可信信息覆盖模型建立网络覆盖模型，计算覆盖率；relay，off，on，并计算每种状态出现的概率；(4)对节点状态进行枚举，找出保证网络正常运行的节点状态组合，评估网络的可靠性。本发明方法在评估大型网络可靠性时有明显优势，全面地从信息协同的角度挖掘覆盖目标区域监测重建点的空间相关性，并且在计算网络连通性时，以一定的规则舍弃部分可能存在的组合，提高了算法运行速度，支持大规模节点下连通性的计算，提(3)根据MTBF分析，将节点的运行状态分为三种：(56)对比文件Yunzhi Xia et.al..“A Trust-BasedReliable Confident Information CoverageModel of Wireless Sensor Networks forIntelligent Transportation”《. IEEETransactions on Vehicular Technology》.2023,全文.
-
公开(公告)号：CN118631503B
公开(公告)日：2025-02-28
申请号：CN202410661320.5
申请日：2024-05-27
Applicant: 华中科技大学
IPC: H04L9/40 , G16Y40/50 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/092
Abstract: 本发明公开了一种物联网流量数据异常检测方法，包括步骤：基于深度强化学习的异常检测框架，构建用于物联网流量数据的异常检测代理；基于分布自编码器，设置学习未标注数据中潜在异常的内部奖励函数，基于内部奖励函数，设置对已标注数据和未标注数据进行学习的外部奖励函数，基于内部奖励值和外部奖励值计算总奖励值，设计奖励优化机制；设置异常偏向采样函数，用于选择下一阶段的状态；将包含已标注异常数据和未标注数据的数据集作为输入，基于异常检测代理与环境的交互生成经验组，利用经验组对神经网络进行训练；利用训练好的神经网络对物联网流量数据进行异常检测。本发明能适用少量已标注数据和大量未标注数据的异常检测场景。
-
公开(公告)号：CN119004299A
公开(公告)日：2024-11-22
申请号：CN202410661322.4
申请日：2024-05-27
Applicant: 华中科技大学
IPC: G06F18/2433 , G06F18/213 , G06F18/214 , G06F18/22 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/0475 , G06N3/08 , G16Y40/10 , G06F123/02
Abstract: 本发明公开了一种传感器时序数据异常检测方法，包括以下步骤：步骤S1、根据各传感器所采集数据的相关性，建立描述传感器节点之间关系的邻接矩阵；步骤S2、基于传感器采集的原始样本数据对变分自编码器进行训练，得到重构模块；步骤S3、基于所述重构模块以及所述原始样本数据，进行图神经网络的训练，得到预测模块；步骤S4、基于所述重构模块和所述预测模块对待测时序数据进行联合异常评分，得到联合评分值，基于所述联合评分值对所述待测时序数据进行异常判断。本发明具有检测精度高的技术效果。
-
公开(公告)号：CN117035881A
公开(公告)日：2023-11-10
申请号：CN202311131168.1
申请日：2023-09-01
Applicant: 华中科技大学
IPC: G06Q30/0251 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图采样的公平推荐方法：(1)将图采样方法应用到图表示学习中，学习实体表示；(2)筛选出每个用户的伪兴趣物品，进而学习伪用户表示；(3)对每个敏感属性建立过滤器和判别器，利用对抗训练的方法去除用户表示中的敏感信息。本发明方法考虑了推荐任务与公平任务之间的联系，通过图采样方法使得表示学习模型能够更准确地捕获敏感信息，与后续的对抗学习模型结合后达到了更好的敏感信息去除效果。该发明在推荐效果和公平性效果上都得到了提升。
-
Patent Agency Ranking
公开(公告)号：CN116456356A
公开(公告)日：2023-07-18
申请号：CN202310238708.X
申请日：2023-03-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于可信信息覆盖的大规模无线传感网可靠性评估方法：(1)根据目标区域监测覆盖需求，建立网络模型；(2)通过可信信息覆盖模型建立网络覆盖模型，计算覆盖率；(3)根据MTBF分析，将节点的运行状态分为三种：relay，off，on，并计算每种状态出现的概率；(4)对节点状态进行枚举，找出保证网络正常运行的节点状态组合，评估网络的可靠性。本发明方法在评估大型网络可靠性时有明显优势，全面地从信息协同的角度挖掘覆盖目标区域监测重建点的空间相关性，并且在计算网络连通性时，以一定的规则舍弃部分可能存在的组合，提高了算法运行速度，支持大规模节点下连通性的计算，提高了同分布网络下可靠性的评估结果。
-
公开(公告)号：CN116390112A
公开(公告)日：2023-07-04
申请号：CN202310172679.1
申请日：2023-02-23
Applicant: 华中科技大学
Abstract: 本发明公开一种基于可信信息覆盖的无线传感器网络覆盖可靠性评估方法：根据监测场景部署无线传感器网络；综合考虑节点的多态性，节点之间的连通性，网络覆盖率，均方根误差，定义可信信息覆盖可靠性；基于三状态节点模型评估传感器节点的状态转变；构建覆盖表结构统一描述网络中各节点的覆盖可靠性；通过设置虚拟重建节点并使用虚拟重建节点的覆盖表来评估各子区域的覆盖可靠性；采用表组合的方式计算网络整体的覆盖率及覆盖可靠性下界。本发明从信息协同的角度定义传感器的覆盖，充分利用检测变量的空间相关性，提高网络的覆盖面积。使用覆盖表统一描述网络中各节点的覆盖可靠性，通过覆盖表组合的方式来高效计算网络整体的覆盖可靠性下界。
-
公开(公告)号：CN102075518A
公开(公告)日：2011-05-25
申请号：CN201010573679.5
申请日：2010-12-06
Applicant: 华中科技大学
IPC: H04L29/06
Abstract: 本发明公开了一种基于历史角色的信任协商构建方法，步骤为：①当请求方向资源方提交对某一资源的请求时，首先触发信任协商的寒暄阶段，确认双方身份及是否有历史协商成功记录信息。②寒暄阶段结束之后双方进入信任发展阶段,通过互相披露访问控制策略和证书，找出一个安全的证书暴露序列以访问请求的资源。③双方在信任协商成功后进入信任维护阶段，保存在本次协商中协商对方的相关信息，以加快双方的后续协商过程。本发明使协商成功的双方在自己的历史信息库中为对方更新角色，并记录得到该角色双方的证书暴露序列。在双方再次进行协商时，无需再次进行协商，直接按照该角色的证书暴露序列暴露即可，缩短了双方的后续协商，避免了恶意协商对手的证书收集活动。
-
公开(公告)号：CN118631503A
公开(公告)日：2024-09-10
申请号：CN202410661320.5
申请日：2024-05-27
Applicant: 华中科技大学
IPC: H04L9/40 , G16Y40/50 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/092
Abstract: 本发明公开了一种物联网流量数据异常检测方法，包括步骤：基于深度强化学习的异常检测框架，构建用于物联网流量数据的异常检测代理；基于分布自编码器，设置学习未标注数据中潜在异常的内部奖励函数，基于内部奖励函数，设置对已标注数据和未标注数据进行学习的外部奖励函数，基于内部奖励值和外部奖励值计算总奖励值，设计奖励优化机制；设置异常偏向采样函数，用于选择下一阶段的状态；将包含已标注异常数据和未标注数据的数据集作为输入，基于异常检测代理与环境的交互生成经验组，利用经验组对神经网络进行训练；利用训练好的神经网络对物联网流量数据进行异常检测。本发明能适用少量已标注数据和大量未标注数据的异常检测场景。
-
公开(公告)号：CN116258216A
公开(公告)日：2023-06-13
申请号：CN202310252049.5
申请日：2023-03-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于差分隐私的稀疏张量联合补全方法：(1)根据数据维度对训练集数据分组；(2)建立基于差分隐私的稀疏张量联合补全模型，初始化中心服务器的全局因子矩阵(3)利用弹性平均随机梯度下降方法训练模型，并通过差分隐私技术对输出结果扰动(4)各客户端根据模型对缺失数据进行补全。本发明相对于现有利用差分隐私的技术，能够在保证用户隐私的情况下准确完成数据补全任务，在效率，补全精度和通用性方面都取得了卓越效果，有很强的实际应用价值。本发明还提供了相应的基于差分隐私的稀疏张量联合补全装置。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.02 seconds)
