-
公开(公告)号：CN115017990B
公开(公告)日：2023-01-17
申请号：CN202210622541.2
申请日：2022-06-01
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) , 湖南大学
IPC: G06F18/2415 , G06N3/0464 , G08G1/01
Abstract: 本发明公开了一种交通流量预测方法、装置、设备及存储介质，该方法包括：采集历史交通流量数据，将所述历史交通流量数据按照与预设目标时间的时间相关性划分为多种时间分量数据；对所述多种时间分量数据进行数据处理，生成多种特定流量特征、共享流量特征和数据分布特征；其中，所述数据分布特征包括近似分布特征和条件概率特征；基于所述多种特定流量特征、所述共享流量特征和所述数据分布特征构建交通流量预测模型；采集当前交通流量数据，将所述当前交通流量数据传输给所述交通流量预测模型，生成交通流量预测数据。本方法提升了交通流量预测的精度。
-
公开(公告)号：CN115017990A
公开(公告)日：2022-09-06
申请号：CN202210622541.2
申请日：2022-06-01
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) , 湖南大学
Abstract: 本发明公开了一种交通流量预测方法、装置、设备及存储介质，该方法包括：采集历史交通流量数据，将所述历史交通流量数据按照与预设目标时间的时间相关性划分为多种时间分量数据；对所述多种时间分量数据进行数据处理，生成多种特定流量特征、共享流量特征和数据分布特征；其中，所述数据分布特征包括近似分布特征和条件概率特征；基于所述多种特定流量特征、所述共享流量特征和所述数据分布特征构建交通流量预测模型；采集当前交通流量数据，将所述当前交通流量数据传输给所述交通流量预测模型，生成交通流量预测数据。本方法提升了交通流量预测的精度。
-
公开(公告)号：CN114638195B
公开(公告)日：2022-11-18
申请号：CN202210069337.2
申请日：2022-01-21
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) , 东莞理工学院 , 湖南大学
IPC: G06F40/126 , G06F40/211 , G06F40/284 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多任务学习的立场检测方法。该方法通过将输入文本输入至多任务图网络模型，得到输入文本的立场检测极性和情感分类极性；所述多任务图网络模型为图卷积神经网络模型，多任务图网络模型包括文本输入处理模块、任务交互模块和任务相关注意力模块；文本输入处理模块用于将输入文本处理成多个词向量；任务交互模块用于构建立场相关图和情感相关图，并采用迭代交互异质图更新方法对立场相关图和情感相关图进行更新；任务相关注意力模块用于根据立场相关图的立场特征表示和情感相关图的情感特征表示计算输入文本的检测立场的极性和分类情感的极性。本发明技术方案提高了针对推文文本进行立场检测的准确性。
-
公开(公告)号：CN114638195A
公开(公告)日：2022-06-17
申请号：CN202210069337.2
申请日：2022-01-21
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) , 东莞理工学院 , 湖南大学
IPC: G06F40/126 , G06F40/211 , G06F40/284 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多任务学习的立场检测方法。该方法通过将输入文本输入至多任务图网络模型，得到输入文本的立场检测极性和情感分类极性；所述多任务图网络模型为图卷积神经网络模型，多任务图网络模型包括文本输入处理模块、任务交互模块和任务相关注意力模块；文本编码模块用于将输入文本处理成多个词向量；任务交互模块用于构建立场相关图和情感相关图，并采用迭代交互异质图更新方法对立场相关图和情感相关图进行更新；任务相关注意力模块用于根据立场相关图的立场特征表示和情感相关图的情感特征表示计算输入文本的检测立场的极性和分类情感的极性。本发明技术方案提高了针对推文文本进行立场检测的准确性。
-
公开(公告)号：CN117274637A
公开(公告)日：2023-12-22
申请号：CN202311298432.0
申请日：2023-10-08
Abstract: 本申请涉及一种行人轨迹预测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取多个时间步的多行人轨迹序列数据，并提取所述多行人轨迹序列数据中所述多个时间步的第一隐藏状态特征；分别对所述多个时间步的第一隐藏状态特征进行局部行人交互特征以及全局行人交互特征提取，得到多个时间步的局部行人交互特征以及全局行人交互特征；将所述多个时间步的局部交互行人特征和全局行人交互特征进行融合，得到多个时间步的目标行人交互特征；根据所述多个时间步的第一隐藏状态特征和所述多个时间步的目标行人交互特征，预测下一时间步的多行人轨迹。这样预测得到下一时间步的多行人轨迹可以更精确。
-
Patent Agency Ranking
公开(公告)号：CN114283051B
公开(公告)日：2024-11-26
申请号：CN202111500426.X
申请日：2021-12-09
IPC: G06T3/04 , G06N3/0464 , G06N3/0455 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本申请涉及一种上述人脸图像处理方法、装置、计算机设备、存储介质和计算机程序产品，获取原始图片以及与所述原始图片对应的化妆目标图片；将所述原始图片输入至预设已训练的第一网络模型，得到彩色图片；将所述彩色图片以及化妆目标图片输入至预设已训练的第二网络模型，得到面部化妆迁移后的彩色图片。整个过程中，采用第一网络模型(老化模型)和第二网络模型(化妆模型)来分别进行彩色图片的获取以及面部化妆迁移后的彩色图片获取，无需依赖人工标注，可以实现高效的面部化妆迁移。
-
公开(公告)号：CN118227975A
公开(公告)日：2024-06-21
申请号：CN202410331578.9
申请日：2024-03-22
IPC: G06F18/15 , G06F18/213 , G06F18/2321 , G06N3/045 , G06F18/25
Abstract: 本申请涉及一种历史轨迹缺失的补全方法、装置、设备和存储介质。所述方法包括：获取场景视频中各运动对象的历史轨迹，将各运动对象的历史轨迹输入已建立的神经网络模型，获得神经网络模型输出的各运动对象的运动特征；基于各运动对象的历史轨迹，确定缺失轨迹的目标运动对象和目标运动对象在轨迹缺失时刻的邻居运动对象；根据邻居运动对象的运动特征和邻居运动对象的历史轨迹，计算邻居运动对象在轨迹缺失时刻对于目标运动对象的关联影响特征；根据轨迹缺失时刻的关联影响特征和目标运动对象的运动特征，采用神经网络模型进行处理，得到目标运动对象补全轨迹之后的历史轨迹并存储。采用本申请，可以提高轨迹补全的准确性。
-
公开(公告)号：CN118075138A
公开(公告)日：2024-05-24
申请号：CN202410065161.2
申请日：2024-01-16
IPC: H04L41/14 , H04L41/16 , H04L41/142 , H04L9/40 , G06N3/0475 , G06N3/094
Abstract: 本申请涉及一种基于对抗网络的推荐系统托攻击仿真方法与装置，其中，方法包括：获取推荐系统中历史用户数据，对历史数据进行特征重构融合，得到虚假用户数据，通过历史用户数据和所述虚拟用户数据，以生成器损失函数最小化来对特征重构融合生成器进行优化，最后基于优化后的特征重构融合生成器，对推荐系统进行仿真托攻击以检测推荐系统稳定性。整个过程中，使用少量的历史用户数据即可完成对特征重构融合生成器的优化训练，最终可以得到较多的攻击数据，从而可以实现较为全面推荐系统仿真攻击，以有效检测推荐系统的安全性。
-
公开(公告)号：CN118132911A
公开(公告)日：2024-06-04
申请号：CN202410089206.X
申请日：2024-01-23
IPC: G06F17/16 , G06F18/2136 , G06F18/2113 , G06F18/20 , G06F18/214 , G06F18/21 , G06F18/2431 , G06N5/01
Abstract: 本申请涉及一种图计算中稀疏矩阵向量乘的自适应方法与装置，其中，方法包括：获取图计算中稀疏矩阵，并提取稀疏矩阵的稀疏特征；获取输入的稀疏向量，提取稀疏向量特征；根据稀疏矩阵以及稀疏向量特征，采用预设决策树模型进行最优算法选择；根据稀疏矩阵以及稀疏向量特征，并采用选择的最优算法进行计算，迭代返回获取图计算中稀疏矩阵，并提取稀疏矩阵的稀疏特征的步骤，直至满足预设迭代结束条件；决策树模型在训练时构建稀疏矩阵向量乘候选计算内核列表，在图算法的迭代过程中，选择最优算法，同时针对输入的稀疏矩阵分别获取稀疏特征和稀疏向量特征，确保预设决策树模型准确预测，因此，整个方案可以实现图计算中稀疏矩阵向量乘的自适应处理。
-
公开(公告)号：CN117978481A
公开(公告)日：2024-05-03
申请号：CN202410093455.6
申请日：2024-01-23
Abstract: 本申请涉及一种工控协议解析方法、装置、设备和存储介质。工控协议解析方法包括：获取工控系统通信网络传输的待解析工控协议数据；将待解析工控协议数据输入至预训练模型，获取预训练模型输出的特征向量；采用基于大模型框架训练得到的协议解析模型、基于待解析工控协议数据和特征向量进行处理，获取协议解析模型输出的日志标签序列作为待解析工控协议数据的解析结果。本申请利用基于大模型的协议解析模型实现对待解析工控协议数据的解析，无需依赖繁琐的人工规则，对工控协议的解析简单高效。
-
-
-
-
-
-
-
-
-
Search Results
576
records
(took 0.075 seconds)
