-
公开(公告)号：CN113743910A
公开(公告)日：2021-12-03
申请号：CN202111081507.0
申请日：2021-09-15
Applicant: 南通大学
Abstract: 本发明提供的一种基于区块链的建筑流程管理方法，利用甲方根据对应环节的操作主体设置不同权限的登录账号，同时当前操作主体更新云端内容后计算哈希值，并根据下一操作主体结合非对称算法对哈希值及登录账号密码进行加密后上传至区块链，下一操作主体解密后根据对应的登录账号登录云端，并利用哈希值判定云端内容是否篡改，如果没有篡改进行相应操作，如果发生篡改通知当前操作主体；本发明的一种基于区块链的建筑流程管理方法，具有安全性高及准确性高、能快速明确操作主体以及出问题的环节的特点。
-
公开(公告)号：CN114818889B
公开(公告)日：2025-05-02
申请号：CN202210386842.X
申请日：2022-04-13
Applicant: 南通大学
IPC: G06V10/764 , G06N3/0464 , G06N3/0499 , G06N3/0455 , G06V10/82
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种基于线性自注意力Transformer的图像分类方法。包含以下步骤：S1：将图片送入到第一个stage的重叠卷积编码模块，利用卷据运算将图片编码为图片令牌；S2：将图片令牌送入该stage中Transformer模块中，提取图片特征向量；S3：将提取的图片特征向量送入到下一个stage的重叠卷积编码模块，减少特征向量数量的同时增加特征向量维度；S4：重复进行S2和S3，从最后一个stage的Transformer模块中的到最终输出向量；S5：通过分类器单元将最终的输出向量转化成概率表示，完成图像分类。本发明既能够的有效的从图片中提取图片特征又显著的降低了Transformer模块的计算复杂度，又通过重叠卷积编码模块和卷积前馈神经网络模块提高模型提取的图片特征的能力。
-
Patent Agency Ranking
公开(公告)号：CN113742574B
公开(公告)日：2025-01-03
申请号：CN202110891216.1
申请日：2021-08-04
Applicant: 南通大学
IPC: G06F16/9535 , G06F18/2415 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 本发明公开了一种基于二阶聚合的图卷积循环神经网络的会话推荐方法，包含以下步骤：步骤S0,根据会话序列构建有向会话图，所述会话图中每个节点代表一个点击项；步骤S1,对每一个点击项进行编码，获得各点击项的低维嵌入向量；步骤S2，将各点击项的低维嵌入向量输入到融合二阶协同信号的图卷积网络及循环神经网络中获得各点击项的潜在向量；步骤S3，根据各点击项的潜在向量学习获得会话的潜在向量；步骤S4，将各点击项的潜在向量和会话的潜在向量相乘，输入至softmax层得到预测点击项。本发明的一种基于二阶聚合的图卷积循环神经网络的会话推荐方法抗噪声能力强、准确性高。
-
公开(公告)号：CN114818889A
公开(公告)日：2022-07-29
申请号：CN202210386842.X
申请日：2022-04-13
Applicant: 南通大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种基于线性自注意力Transformer的图像分类方法。包含以下步骤：S1：将图片送入到第一个stage的重叠卷积编码模块，利用卷据运算将图片编码为图片令牌；S2：将图片令牌送入该stage中Transformer模块中，提取图片特征向量；S3：将提取的图片特征向量送入到下一个stage的重叠卷积编码模块，减少特征向量数量的同时增加特征向量维度；S4：重复进行S2和S3，从最后一个stage的Transformer模块中的到最终输出向量；S5：通过分类器单元将最终的输出向量转化成概率表示，完成图像分类。本发明既能够的有效的从图片中提取图片特征又显著的降低了Transformer模块的计算复杂度，又通过重叠卷积编码模块和卷积前馈神经网络模块提高模型提取的图片特征的能力。
-
公开(公告)号：CN114817758B
公开(公告)日：2025-01-03
申请号：CN202210388268.1
申请日：2022-04-13
Applicant: 南通大学
IPC: G06F16/9536 , G06F16/9535 , G06F18/25 , G06F18/2433 , G06F18/2415 , G06N3/0442 , G06N3/045 , G06N3/0985
Abstract: 本发明涉及推荐系统技术领域，具体涉及一种基于NSGC‑GRU集成模型的推荐系统方法。本发明包含以下步骤：S1：收集公开数据集，对数据集中异常值处理；统一进行归一化处理；对于每个数据集，随机将其划分为培训、验证和测试集，设置每个用户的比率为80:10:10；S2：设置模型的超参数，如最大训练数，学习率，批处理大小，L2正则项系数等；S3：基于数据集构建用户与商品的关系二部图生成对应图的邻接矩阵A，然后放入N‑SGC训练；S4：将S3中得到的特征融合结果放入GRU模型进行训练；S5：将S4中得到的结果用softmax线性模型进行预测；S6：通过S5中得到的预测数据，计算召回率recall和归一化折损累计增益NDCG用来衡量模型性能。
-
公开(公告)号：CN114817758A
公开(公告)日：2022-07-29
申请号：CN202210388268.1
申请日：2022-04-13
Applicant: 南通大学
IPC: G06F16/9536 , G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及推荐系统技术领域，具体涉及一种基于NSGC‑GRU集成模型的推荐系统方法。本发明包含以下步骤：S1：收集公开数据集，对数据集中异常值处理；统一进行归一化处理；对于每个数据集，随机将其划分为培训、验证和测试集，设置每个用户的比率为80:10:10；S2：设置模型的超参数，如最大训练数，学习率，批处理大小，L2正则项系数等；S3：基于数据集构建用户与商品的关系二部图生成对应图的邻接矩阵A，然后放入N‑SGC训练；S4：将S3中得到的特征融合结果放入GRU模型进行训练；S5：将S4中得到的结果用softmax线性模型进行预测；S6：通过S5中得到的预测数据，计算召回率recall和归一化折损累计增益NDCG用来衡量模型性能。
-
公开(公告)号：CN113742574A
公开(公告)日：2021-12-03
申请号：CN202110891216.1
申请日：2021-08-04
Applicant: 南通大学
IPC: G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于二阶聚合的图卷积循环神经网络的会话推荐方法，包含以下步骤：步骤S0,根据会话序列构建有向会话图，所述会话图中每个节点代表一个点击项；步骤S1,对每一个点击项进行编码，获得各点击项的低维嵌入向量；步骤S2，将各点击项的低维嵌入向量输入到融合二阶协同信号的图卷积网络及循环神经网络中获得各点击项的潜在向量；步骤S3，根据各点击项的潜在向量学习获得会话的潜在向量；步骤S4，将各点击项的潜在向量和会话的潜在向量相乘，输入至softmax层得到预测点击项。本发明的一种基于二阶聚合的图卷积循环神经网络的会话推荐方法抗噪声能力强、准确性高。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
