公开(公告)号：CN111462817B

公开(公告)日：2023-06-20

申请号：CN202010221082.8

申请日：2020-03-25

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 廖清 ,  马海轩 ,  杨林 ,  丁烨 ,  王轩 ,  李京竹

IPC: G16B25/10 ,  G16B30/10 ,  G16B40/00 ,  G06F18/214 ,  G06N3/0464

Abstract: 本发明公开了一种分类模型构建方法、装置、分类模型及分类方法。所述分类模型构建方法通过构建初始分类模型，在初始分类模型中引入生成层、选择层和比较层，并通过在基因表达谱训练数据集中随机选择两个样本，对生成层、选择层和比较层进行训练和更新，得到目标分类模型，使得可利用生成层，根据基因表达谱数据中任意两个样本生成新的样本，利用选择层，根据新的样本各个特征的权重选择若干个样本特征，利用比较层，根据从所有样本特征中选择的若干个目标特征对新的样本进行分类。本发明能够构建一种适用于基因表达谱的分类模型，实现增加基因表达谱数据的样本数量，缓解少样本特性带来的欠拟合问题，从而进一步提高基因表达谱数据的分类准确度。

公开(公告)号：CN111462817A

公开(公告)日：2020-07-28

申请号：CN202010221082.8

申请日：2020-03-25

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 廖清 ,  马海轩 ,  杨林 ,  丁烨 ,  王轩 ,  李京竹

IPC: G16B25/10 ,  G16B30/10 ,  G16B40/00 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种分类模型构建方法、装置、分类模型及分类方法。所述分类模型构建方法通过构建初始分类模型，在初始分类模型中引入生成层、选择层和比较层，并通过在基因表达谱训练数据集中随机选择两个样本，对生成层、选择层和比较层进行训练和更新，得到目标分类模型，使得可利用生成层，根据基因表达谱数据中任意两个样本生成新的样本，利用选择层，根据新的样本各个特征的权重选择若干个样本特征，利用比较层，根据从所有样本特征中选择的若干个目标特征对新的样本进行分类。本发明能够构建一种适用于基因表达谱的分类模型，实现增加基因表达谱数据的样本数量，缓解少样本特性带来的欠拟合问题，从而进一步提高基因表达谱数据的分类准确度。

公开(公告)号：CN111091199B

公开(公告)日：2023-05-16

申请号：CN201911335678.4

申请日：2019-12-20

Applicant: 哈尔滨工业大学(深圳)

Inventor： 廖清 ,  黄茜茜 ,  柏思远 ,  丁烨 ,  李京竹

IPC: G06N20/00

Abstract: 本发明公开了一种基于差分隐私的联邦学习方法、装置和存储介质。所述方法包括：S1、将预设的第一模型参数下发至用户端，使所述用户端根据所述第一模型参数，基于差分隐私技术更新所述用户端本地的深度学习模型并返回第二模型参数；其中，所述第一模型参数包括隐私预算；S2、对所述第二模型参数进行参数平均化，得到第三模型参数，并将所述第三模型参数下发至所述用户端；S3、将步骤S1～S2的执行总次数作为模型训练轮次，并当所述模型训练轮次未达到预设阈值时重复执行步骤S1和步骤S2，反之结束模型训练。本发明能够保障数据隐私安全，并提高训练模型的精确度。

公开(公告)号：CN111091199A

公开(公告)日：2020-05-01

申请号：CN201911335678.4

申请日：2019-12-20

Applicant: 哈尔滨工业大学(深圳)

Inventor： 廖清 ,  黄茜茜 ,  柏思远 ,  丁烨 ,  李京竹

IPC: G06N20/00

Abstract: 本发明公开了一种基于差分隐私的联邦学习方法、装置和存储介质。所述方法包括：S1、将预设的第一模型参数下发至用户端，使所述用户端根据所述第一模型参数，基于差分隐私技术更新所述用户端本地的深度学习模型并返回第二模型参数；其中，所述第一模型参数包括隐私预算；S2、对所述第二模型参数进行参数平均化，得到第三模型参数，并将所述第三模型参数下发至所述用户端；S3、将步骤S1～S2的执行总次数作为模型训练轮次，并当所述模型训练轮次未达到预设阈值时重复执行步骤S1和步骤S2，反之结束模型训练。本发明能够保障数据隐私安全，并提高训练模型的精确度。

公开(公告)号：CN111046664A

公开(公告)日：2020-04-21

申请号：CN201911188601.9

申请日：2019-11-26

Applicant: 哈尔滨工业大学(深圳)

Inventor： 廖清 ,  胡国勇 ,  吴君宇 ,  丁烨 ,  王轩 ,  李京竹

IPC: G06F40/289 ,  G06F40/205 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于多粒度的图卷积神经网络的假新闻检测方法及系统。在一个实施例中：所述方法，通过构建不同深度距离的概率转移矩阵，形成多粒度的信息输入，借助图卷积神经网络对含有不同节点特征的关系图分别进行卷积，得到不同维度的特征在不同节点间的相关性分析结果；采用注意力机制对所述相关性分析结果进行加权求和，得到不同的注意力权重系数，进而得到新闻节点的表示，获得新闻真假性判断的结果。本发明能够对不同维度的特征在不同的节点间进行相关性分析，通过找到假新闻在不同信息特征之间的相似性，提高重要特征的权重，忽略无关特征信息的。