-
公开(公告)号：CN117690118A
公开(公告)日：2024-03-12
申请号：CN202311698588.8
申请日：2023-12-12
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06V20/60 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本申请公开了一种基于深度伪造产物检测模型的检测方法及其系统，其中基于深度伪造产物检测模型的检测方法，包括以下步骤：进行深度伪造产物检测模型的构建；获取需要检测的图像数据，将图像数据输入至构建好的深度伪造产物检测模型；深度伪造产物检测模型输出图像数据的检测结果。本申请适用范围更广，对于输入图像格式不具有特殊的要求，适用于图像与视频，对于视频仅需要部分帧，而不需要前后关联的序列。且现有技术大多数只基于人脸特征，对图像内容亦有严格要求，本申请更能捕捉伪造手法自身的证据。
-
公开(公告)号：CN117650530B
公开(公告)日：2024-08-02
申请号：CN202311361086.6
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
Abstract: 本发明公开一种基于量子郊狼优化算法的总谐波失真还原方法，包括：初始化候选解种群，每个候选解都由一组参数表示；量子旋转门使用量子旋转门对每个候选解进行编码；可以将每个候选解表示为一个量子态；评估代价函数：评估每个候选解的代价函数值，代价函数是总谐波失真；选择和交叉：选择和交叉优秀候选解以生成新的种群；重复迭代直到满足停止准则为止。本发明设计了一种新的量子郊狼优化算法的总谐波失真还原技术来最小化混合发电系统中的总谐波失真。量子土狼优化算法系统是通过将量子的概念与传统的土狼优化算法结合而来的。本发明对比例积分控制器的积分和比例增益变量进行了调整，从而达到减小总谐波失真的目的。
-
公开(公告)号：CN117650530A
公开(公告)日：2024-03-05
申请号：CN202311361086.6
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
Abstract: 本发明公开一种基于量子郊狼优化算法的总谐波失真还原方法，包括：初始化候选解种群，每个候选解都由一组参数表示；量子旋转门使用量子旋转门对每个候选解进行编码；可以将每个候选解表示为一个量子态；评估代价函数：评估每个候选解的代价函数值，代价函数是总谐波失真；选择和交叉：选择和交叉优秀候选解以生成新的种群；重复迭代直到满足停止准则为止。本发明设计了一种新的量子郊狼优化算法的总谐波失真还原技术来最小化混合发电系统中的总谐波失真。量子土狼优化算法系统是通过将量子的概念与传统的土狼优化算法结合而来的。本发明对比例积分控制器的积分和比例增益变量进行了调整，从而达到减小总谐波失真的目的。
-
公开(公告)号：CN117492856A
公开(公告)日：2024-02-02
申请号：CN202311343668.1
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
Abstract: 本申请提供一种金融物联网中信任评估的低延迟边缘计算卸载方法，该方法包括：响应于接收到评估请求信号，向用户端发送预评估模型；用户端根据接收到的预评估模型，采集用户信息；将采集的用户信息输入预评估模型中进行预评估，获得用户预评估结果，并根据用户预评估结果，为用户的评估任务匹配相应的评估模型；根据评估模型，对用户端的评估任务进行计算；其中，对用户端的评估任务进行计算的方法包括：判断评估任务是否需要卸载到不同的边缘计算节点进行计算，若是，则执行低延迟边缘计算卸载方法，否则，在用户端计算评估任务。本申请避免个人信用评估时用户个人隐私泄露，并为金融物联网的信任评估提供有效计算卸载方案以确保低延迟。
-
公开(公告)号：CN117201446A
公开(公告)日：2023-12-08
申请号：CN202311468569.6
申请日：2023-11-07
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: H04L51/42 , H04L51/52 , H04L51/212 , H04L9/40 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F16/35 , G06F16/36
Abstract: 本申请提供一种结合语义和行为的神经网络的垃圾邮件检测方法及系统，该方法包括：通过递归神经网络对用户的语义信息进行建模，获得语义特征因子；通过图神经网络对用户的行为模式进行建模，获得行为模式特征因子；将语义特征因子和行为模式特征因子串联，构建全局特征空间；利用长短期记忆网络，模拟全局特征空间的演化特征，预测用户界面的性质。本申请对多源信息进行融合，适用于复杂多变的内容，提高垃圾邮件发送者识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117492856B
公开(公告)日：2024-07-23
申请号：CN202311343668.1
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
Abstract: 本申请提供一种金融物联网中信任评估的低延迟边缘计算卸载方法，该方法包括：响应于接收到评估请求信号，向用户端发送预评估模型；用户端根据接收到的预评估模型，采集用户信息；将采集的用户信息输入预评估模型中进行预评估，获得用户预评估结果，并根据用户预评估结果，为用户的评估任务匹配相应的评估模型；根据评估模型，对用户端的评估任务进行计算；其中，对用户端的评估任务进行计算的方法包括：判断评估任务是否需要卸载到不同的边缘计算节点进行计算，若是，则执行低延迟边缘计算卸载方法，否则，在用户端计算评估任务。本申请避免个人信用评估时用户个人隐私泄露，并为金融物联网的信任评估提供有效计算卸载方案以确保低延迟。
-
公开(公告)号：CN117573989A
公开(公告)日：2024-02-20
申请号：CN202311351738.8
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06F16/9536 , G06F16/9535 , G06F16/901 , G06F18/213 , G06F18/25 , G06Q50/00 , G06N3/042 , G06N3/084 , G16Y10/75
Abstract: 本申请公开了一种基于深度学习和物联网的模糊感知社交推荐方法及系统，其中，基于深度学习和物联网的模糊感知社交推荐方法，包括如下步骤：持久层获取初始数据，对初始数据进行处理，获得源数据，并存储；表示层从持久层中获取源数据，并根据获取的源数据构建混合社交图，并获得混合社交图的特征向量，并将特征向量输入至处理层，其中，混合社交图至少包括：用户子图和项目子图；特征向量至少包括：边的代表向量和节点的代表向量；处理层根据混合社交图的特征向量构建推荐模型，接收应用层发送的访问请求，利用推荐模型根据访问请求预测用户对物品的偏好反馈结果。本申请提高了建模效率和预测准确性。
-
公开(公告)号：CN117555672A
公开(公告)日：2024-02-13
申请号：CN202311359972.5
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
Abstract: 本发明公开一种基于象群优化的云计算动态虚拟机分配方法。所述方法包括：初始化种群：将所有虚拟机随机分配到物理机上，并初始化搜索代理；计算适应度值：遍历所有可能的解决方案，并计算适应度值；选择最优解：根据适应度值选择最优解决方案，并将其分配给物理机器；更新搜索代理：用向量运算和随机数生成器来更新搜索代理的位置和速度；判断终止条件：如果达到预设的终止条件，则停止搜索并返回最优解决方案；否则返回继续遍历。本发明的目的在于利用基于象群的优化方法来制定和建模云数据中心的虚拟机布局问题，旨在将虚拟机最优地放置在适当的物理主机上以减少能源消耗和最大化资源利用。
-
公开(公告)号：CN115796242A
公开(公告)日：2023-03-14
申请号：CN202310097831.4
申请日：2023-02-10
Applicant: 南昌大学
IPC: G06N3/0475 , G06N3/0464 , G06N3/094 , G06F18/241 , G06N3/084
Abstract: 本发明公开一种电子数字信息反取证方法。所述方法包括：GAN模型包括分类网络D1、判别器D2和D3，以及生成网络G，预先为D1、D2和D3分配相同的权重，构建第一损失函数；将未处理信息输入D1进行训练，由G根据未处理信息和随机噪声生成合成信息，部署第二损失函数提高网络性能；将未处理信息输入D2进行训练，由D2对G的输出进行分类，并通过反向传播，将学习到的权重转移回G；将未处理信息输入D3进行训练，将未处理信息和合成信息进行区分，构建最终损失函数。本发明在对原有的GAN模型基础上，修改了生成器和构造器的结构和网络的框架，建立了额外的监督系统和相应的损失函数，提高了网络模型反取证的性能。
-
公开(公告)号：CN119293229A
公开(公告)日：2025-01-10
申请号：CN202410711790.8
申请日：2024-06-04
Applicant: 南昌大学
IPC: G06F16/338 , G06F16/35 , G06F16/334 , G06F16/3329 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明提出一种基于可视化特征分析的文本检测方法及系统，该方法包括：特征提取阶段，采用的特征提取器由一个BERT模型和一个MLP分类器组成，以提取MLP的倒数第二层，对应于最后一个隐藏层，得到数据集中的文本特征；模型训练阶段，包括对分类中心c和分类半径r的初始化、数据集训练以及增强统一模式；文本检测阶段，提取待检测文本的文本特征，并根据所述待检测文本的文本特征获取特征距离分类中心c的距离和分类半径r，并根据所述特征距离分类中心c的距离和所述分类半径r判断所述待检测文本是否属于生成文本。本申请能够有效地检测人工智能生成的文本，提高检测准确率和泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
