-
公开(公告)号：CN118866216A
公开(公告)日：2024-10-29
申请号：CN202410906087.2
申请日：2024-07-08
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G16H10/60 , G16H50/20 , G16H50/30 , G16H50/70 , G16H40/67 , G06N5/025 , G06N3/042 , G06N3/098 , G06F40/16 , G06F18/213 , G06N3/045 , G06N3/0464
Abstract: 本发明一种基于联邦学习和知识图谱的痛风病分期预测方法、系统及存储介质，涉及智能医疗领域，为解决现有的机器学习模型难以全面、准确地捕捉病例数据中的关键信息，且存在隐私数据泄露的风险，及医院之间的数据孤岛问题。本发明客户端基于患者病历数据集构建关键词相关的知识图谱子图；中心服务端构建有R‑GCN模型，客户端采用知识图谱子图对R‑GCN模型进行训练，模型参数经加密后发送至中心服务端聚合，至模型满足训练条件。采用训练后的模型对知识图谱子图进行编码，得到编码信息R1；对数据集中的文本特征数据进行向量化编码与数值特征进行横向连接得到编码信息R2；横向连接编码信息R1与R2后，经过深度学习网络模型对痛风病的不同分期进行分类预测。
-
公开(公告)号：CN118820468A
公开(公告)日：2024-10-22
申请号：CN202410845738.1
申请日：2024-06-27
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06F16/35 , G06F21/60 , G06F40/186
Abstract: 一种数据分类分级系统及其数据分类分级方法，属于数据分类技术领域。为改进现有分类分级手段不足的问题，本发明包括应用层、服务层、基础层、数据源层、组件层，所述应用层连接服务层，所述服务层连接基础层，所述基础层分别连接数据源层、组件层，所述服务层包括分类分级引擎、文件识别引擎、系统服务引擎，所述分类分级引擎包括正则匹配模块、大模型智能识别模块，所述文件识别引擎实现对PDF、PPT等文件内容的识别技术，所述系统服务引擎采用Typescript、React、GraphQL和NestJS构建，用于提供系统的核心功能和用户接口。本发明可实现对结构化数据和非结构化数据进行分类分级。
-
公开(公告)号：CN118366540A
公开(公告)日：2024-07-19
申请号：CN202410460028.7
申请日：2024-04-17
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G16B20/00 , G16B40/20 , G16H50/70 , G06N3/042 , G06N3/0455 , G06N3/084 , G06N3/09 , G06F18/213 , G06F18/241
Abstract: 基于图自编码器的LncRNA与疾病关联预测方法、设备及计算机存储介质，属于LncRNA与疾病关联关系的预测；解决了现有关联预测方法所存在的不能有效捕捉疾病与LncRNA之间的非线性关系或线性关系、预测效率低以及时间成本和经济成本高的问题；所述方法包括：S1、获取LncRNA、MiRNA与疾病三者之间的已知关联信息；S2、获得疾病的语义相似性；S3、获得LncRNA的功能相似性以及MiRNA的功能相似性；S4、采用矩阵拼接的方式，获得异构网络；S5、获得若干个特征子图；S6、获得与所述LncRNA与疾病节点对对应的特征向量；S7、获得关联度预测值。所述基于图自编码器的LncRNA与疾病关联预测方法、设备及计算机存储介质，适用于预测LncRNA与疾病的关联。
-
公开(公告)号：CN113961438B
公开(公告)日：2024-04-16
申请号：CN202111240836.5
申请日：2021-10-25
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06F11/34 , G06F18/23213 , G06F18/214 , G06F18/2321
Abstract: 本申请公开了一种基于多粒度多层级的历史行为异常用户检测系统、方法、设备及存储介质，属于数据分析技术领域。解决了现有技术中识别异常种类少导致的漏报问题和正常行为模式偏离较大导致的误报的问题。本申请的多粒度多层次聚类包括层级划分、组间粗粒度聚类、组内细粒度聚类；层级划分：将天数按照多个层级进行逐层划分并对每一层级的组内和组间进行定义；组间粗粒度聚类：对每一层级中的每组构建用户的单组特征向量，进行聚类标记；组内细粒度聚类：对每一层级中每组内的用户构建单日行为特征向量，进行聚类标记；最终综合聚类标记得到用户异常行为标记。本申请减少了异常用户的漏报率和误报率，实现了较高的历史行为异常用户识别率和鲁棒性。
-
公开(公告)号：CN117852686A
公开(公告)日：2024-04-09
申请号：CN202311614510.3
申请日：2023-11-29
Applicant: 国网黑龙江省电力有限公司电力科学研究院 , 国家电网有限公司 , 哈尔滨理工大学 , 哈尔滨工业大学
Abstract: 基于多元自编码器的电力负荷预测方法，属于电力电网领域，本发明为解决现有电力负荷预测网络结构存在的问题。本发明所述预测方法采用基于编码器‑解码器架构的时间预测神经网络模型对电力负荷进行预测，时间预测模型采用多元自编码器实现；时间预测神经网络模型的构建步骤：S1、建立历史序列‑预测序列的训练集；S2、将历史序列拆分成趋势部分和周期部分；S3、MLP的编码器模块生成趋势部分编码；Transformer的编码器模块生成周期部分编码；S4、将两部分编码连接输入MLP的解码器模块进行解码得到最终的预测结果；S5、反复进行S2‑S4操作输出所有预测结果，利用损失函数计算真实序列与预测序列之间的损失，并根据损失值进行梯度反向传播和梯度下降更新模型参数。
-
Patent Agency Ranking
公开(公告)号：CN117150557A
公开(公告)日：2023-12-01
申请号：CN202311143399.4
申请日：2023-09-06
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F21/62
Abstract: 本发明一种基于安全多方计算的支持压缩的隐私信息检索方法及系统，涉及信息安全技术领域，为解决现有方法的检索效率低且难以同时兼顾查询方和被查询方的隐私的问题。包括：S1.客户端生成同态加密公私钥pk、sk，服务端根据客户端公布的公钥pk和服务端持有的n条原始数据基于安全计算的隐私信息检索协议进行运算构建HE同态明文数据库；S2.客户端对查询的索引i进行编码生成明文向量X，将查询向量X编码到一个同态明文多项式Q；S3.客户端对多项式Q进行加密得到查询密文q，向服务端发起查询；S4.服务器将查询密文q扩展为一个n维的查询密文向量p；S5.服务器根据扩展向量p得到最终检索结果resp；S6.客户端利用私钥sk解密得到检索结果。
-
公开(公告)号：CN116306914A
公开(公告)日：2023-06-23
申请号：CN202310143694.3
申请日：2023-02-21
Applicant: 哈尔滨工业大学
IPC: G06N3/098 , G06N3/084 , G06N3/048 , G06F18/2135 , H04L9/00
Abstract: 基于主成分分析多偏置交互的纵向联邦学习优化方法、电子设备及存储介质，属于隐私计算技术领域。为了在数据集容量较小的情况下提高纵向联邦神经网络模型的效率。本发明训练参与各方包括训练发起方、训练协助方，将训练发起方的数据、训练协助方的数据进行前向传播方法训练，得到前向传播方法的训练结果；将前向传播方法的训练结果进行反向传播方法训练，训练协助方和训练发起方分别进行模型参数的更新，完成一轮的训练；重复训练直至训练结果达到精度要求或者停止条件，完成基于多偏置交互的纵向联邦场景神经网络训练。本发明利用了主成分分析数据降维方法，使得特征的过滤功能得到多方数据信息的指导，结果更具说服力。
-
公开(公告)号：CN113947212A
公开(公告)日：2022-01-18
申请号：CN202111203824.5
申请日：2021-10-15
Applicant: 哈尔滨工业大学 , 上海浦东发展银行股份有限公司
IPC: G06N20/00 , G06V10/764 , G06K9/62
Abstract: 本申请公开了一种发起方权益保护的联邦提升树模型构建方法、系统、设备及存储介质，属于联邦学习技术领域。解决了在联合训练模型时发起方权益保护的问题。本申请发起方与参与方计算分位区间发送给协调方；协调方计算平均的分位数草图发送给发起方和参与方；发起方和参与方计算局部直方图，并对局部直方图添加噪声，发送给协调方；协调方计算全局直方图，发送给发起方与参与方；发起方和参与方计算分裂点的增益，发送给协调方计算根节点；协调方分裂特征与分裂阈值发送给发起方和参与方；发起方和参与方更新局部直方图；发起方选择多个参与方计算下一层节点，重复以上过程进行训练，得到提升树。本申请保护了数据隐私，实现了联邦学习场景。
-
公开(公告)号：CN110825496A
公开(公告)日：2020-02-21
申请号：CN201911107516.5
申请日：2019-11-13
Applicant: 电子科技大学广东电子信息工程研究院 , 哈尔滨工业大学
IPC: G06F9/455
Abstract: 本发明属于计算机的技术领域，具体涉及一种基于VMI的内核数据监控方法，包括如下步骤，步骤S0、从虚拟机外部获取和分配虚拟机内存的指定大小和连续空间；步骤S1、搜索整个所述虚拟机内存空间，获取所有目标内核结构的内存地址；步骤S2、将所有目标内核数据拷贝至分配的内存空间，并完成相应的指针修改和原内核数据结构体的释放；步骤S3、对分配内存区域实施内存页级别的内存监控。本发明能够对内存区域实施内存页级别的监控，保护虚拟机文件系统的安全，还能降低了传统方法中非目标内核数据引起的额外性能开销。
-
公开(公告)号：CN118866355A
公开(公告)日：2024-10-29
申请号：CN202410914371.4
申请日：2024-07-09
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G16H50/30 , G16H50/20 , G06N3/0455 , G06F18/2135 , G06F18/24 , G06N3/096 , G06F18/15 , G06F18/23213
Abstract: 本发明一种基于联邦学习的代谢性疾病预测方法及系统，涉及智能医疗技术领域，为解决现有的模型难以全面进行多种代谢疾病的预测，且难以保障模型的运行效率、准确性以及数据的隐私安全。本发明构建多个代谢性疾病数据集，采用主成分分析和聚类对数据进行处理，构建合并数据集；构建有改进的DNN的网络模型，模型引入Transformer层和全连接层，Transformer层通过其注意力机制对数据进行特征提取与转换，并在向量信息中插入位置信息来捕捉主成分特征之间的隐含序列关系，全连接层之间通过残差层连接；基于联邦学习方法各客户端基于合并数据集采用蒸馏的方法对改进的DNN模型进行训练，最终得到全局的代谢性疾病预测模型，以实现对代谢性疾病进行分类。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.032 seconds)
