-
公开(公告)号：CN109191191A
公开(公告)日：2019-01-11
申请号：CN201810951569.4
申请日：2018-08-20
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于代价敏感卷积神经网络的广告点击欺诈检测方法，属于数据处理技术领域。本发明包括获取一维特征数据集的步骤：对包含点击数据集与发布商数据集的原始数据进行分析，利用统计方法提取广告发布商的特征，获得每个发布商的一维特征数据集；构造特征矩阵的步骤：利用多粒度的时间窗口将一维特征转换成特征矩阵；分类预测训练的步骤：将特征矩阵数据集作为输入，选择卷积神经网络结构进行分类预测训练；在输出层引入代价敏感机制，利用阈值移动进行反向传播。本发明可以很好的适用于现阶段的广告点击欺诈检测，达到了较好的检测能力，提高了检测的精确度和模型的训练效率，实用性较高。
-
公开(公告)号：CN109190030B
公开(公告)日：2022-04-05
申请号：CN201810965309.2
申请日：2018-08-22
Applicant: 南京工业大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合node2vec和深度神经网络的隐式反馈推荐方法，属于数据处理技术领域。本发明包括获取用户潜在向量和项目潜在向量的步骤；获取用户上下文预测和项目上下文预测的步骤；产生用户对项目偏好预测并进行训练的步骤；共同训练的步骤。本发明可以很好地考虑到用户和项目丰富的元数据信息，具有较高的推荐精确度和模型的训练效率。
-
公开(公告)号：CN103488900A
公开(公告)日：2014-01-01
申请号：CN201310442750.X
申请日：2013-09-25
Applicant: 南京工业大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于故障分析的RBI动态修正方法，统计设备近期发生的故障，计算得到风险优先数RPN，根据风险优先数确定设备近期故障风险等级；根据设备近期故障风险等级修正设备RBI风险等级。本发明可以实现RBI风险的动态修正，即新故障一旦发生，RBI风险立即更新；RBI风险检验是将有限的检验资源优先用于高风险和中高风险设备，本发明将近期故障影响反映到设备风险等级中，解决了RBI风险检验没有反映设备近期故障的问题。
-
Patent Agency Ranking
公开(公告)号：CN109191191B
公开(公告)日：2022-04-26
申请号：CN201810951569.4
申请日：2018-08-20
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于代价敏感卷积神经网络的广告点击欺诈检测方法，属于数据处理技术领域。本发明包括获取一维特征数据集的步骤：对包含点击数据集与发布商数据集的原始数据进行分析，利用统计方法提取广告发布商的特征，获得每个发布商的一维特征数据集；构造特征矩阵的步骤：利用多粒度的时间窗口将一维特征转换成特征矩阵；分类预测训练的步骤：将特征矩阵数据集作为输入，选择卷积神经网络结构进行分类预测训练；在输出层引入代价敏感机制，利用阈值移动进行反向传播。本发明可以很好的适用于现阶段的广告点击欺诈检测，达到了较好的检测能力，提高了检测的精确度和模型的训练效率，实用性较高。
-
公开(公告)号：CN103488900B
公开(公告)日：2017-01-11
申请号：CN201310442750.X
申请日：2013-09-25
Applicant: 南京工业大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于故障分析的RBI动态修正方法，统计设备近期发生的故障，计算得到风险优先数RPN，根据风险优先数确定设备近期故障风险等级；根据设备近期故障风险等级修正设备RBI风险等级。本发明可以实现RBI风险的动态修正，即新故障一旦发生，RBI风险立即更新；RBI风险检验是将有限的检验资源优先用于高风险和中高风险设备，本发明将近期故障影响反映到设备风险等级中，解决了RBI风险检验没有反映设备近期故障的问题。
-
公开(公告)号：CN106775599A
公开(公告)日：2017-05-31
申请号：CN201710012584.8
申请日：2017-01-09
Applicant: 南京工业大学
Abstract: 本发明公开一种面向递归神经网络LSTM的多计算单元粗粒度可重构系统及方法，系统的多矩阵积偏置和计算阵列，用于实现递归神经网络中多个矩阵向量积的计算及累加的运算，由控制信号控制进行加偏置计算，输出值经由输出缓存单元输出；激活拟合计算阵列，用于实现递归神经网络LSTM中激活函数的分段线性拟合计算功能，当输入值进入输入缓存单元，激活拟合计算单元由控制信号控制进行相应的激活函数分段线性拟合计算，输出值经由输出缓存单元输出；向量计算阵列，用于实现向量按维相乘和向量加法计算，乘法单元计算完毕后，由控制信号控制将数据传输到向量加法单元或直接输出；本发明提高了可重构系统的并行度、计算速度和阵列利用率。
-
公开(公告)号：CN106775599B
公开(公告)日：2019-03-01
申请号：CN201710012584.8
申请日：2017-01-09
Applicant: 南京工业大学
Abstract: 本发明公开一种面向递归神经网络LSTM的多计算单元粗粒度可重构系统及方法，系统的多矩阵积偏置和计算阵列，用于实现递归神经网络中多个矩阵向量积的计算及累加的运算，由控制信号控制进行加偏置计算，输出值经由输出缓存单元输出；激活拟合计算阵列，用于实现递归神经网络LSTM中激活函数的分段线性拟合计算功能，当输入值进入输入缓存单元，激活拟合计算单元由控制信号控制进行相应的激活函数分段线性拟合计算，输出值经由输出缓存单元输出；向量计算阵列，用于实现向量按维相乘和向量加法计算，乘法单元计算完毕后，由控制信号控制将数据传输到向量加法单元或直接输出；本发明提高了可重构系统的并行度、计算速度和阵列利用率。
-
公开(公告)号：CN109190030A
公开(公告)日：2019-01-11
申请号：CN201810965309.2
申请日：2018-08-22
Applicant: 南京工业大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合node2vec和深度神经网络的隐式反馈推荐方法，属于数据处理技术领域。本发明包括获取用户潜在向量和项目潜在向量的步骤；获取用户上下文预测和项目上下文预测的步骤；产生用户对项目偏好预测并进行训练的步骤；共同训练的步骤。本发明可以很好地考虑到用户和项目丰富的元数据信息，具有较高的推荐精确度和模型的训练效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
