图神经网络集成学习
    1.
    发明公开

    公开(公告)号:CN118435197A

    公开(公告)日:2024-08-02

    申请号:CN202280085814.2

    申请日:2022-12-16

    Abstract: 提供了一种用于图神经网络(GNN)集成学习的系统、计算机程序产品和方法。训练数据以图格式表示,从该图格式中采样两个或更多个子图。两个或更多个GNN是根据从子图采样的特征空间训练的。GNN集成由训练的GNN构建,并经受测试数据。将测试数据应用于GNN集成生成集成值形式的输出,其中输出被配置为与可操作地耦合的物理硬件设备或软件对接并选择性地控制可操作地耦合的物理硬件设备或软件。

    数据泄露检测
    2.
    发明公开

    公开(公告)号:CN114270351A

    公开(公告)日:2022-04-01

    申请号:CN202080059387.1

    申请日:2020-08-17

    Abstract: 描述了用于基于快照分析的数据泄露检测的系统和方法。所描述的系统和方法识别数据结构的多个快照,针对每个快照识别数据结构的多个叶节点,为每个叶节点生成数据属性的向量,向每个向量分配权重以产生针对每个快照的一组加权向量,基于对应组的加权向量计算每对快照之间的距离度量,以及基于距离度量检测多个快照中的异常快照。

    学习利用可变分布保留来变换敏感数据

    公开(公告)号:CN117099102A

    公开(公告)日:2023-11-21

    申请号:CN202280023275.X

    申请日:2022-03-23

    Abstract: 提供了在数据匿名化操作中保留数据资产的数据值的分布。通过使用一组自动编码器和损失函数在数据资产的行上变换一组列中的敏感数据同时将该一组变换的列中的数据值的分布保留在定义的程度来执行数据值的匿名化。自动编码器是根据数据资产目录中的预先存在的数据进行基础训练的,并且是在数据传播期间被主动训练的。配置损失函数的参数系数,并且使用来自数据资产和数据消费者的加强决策的策略生成阈值。将选择的行的损失函数值与阈值进行比较。当损失函数值大于阈值时,选择的行的变换的数据值被转录到输出行并被传播到数据消费者。

    使用三维变换执行多元时间序列预测

    公开(公告)号:CN112215390A

    公开(公告)日:2021-01-12

    申请号:CN202010661458.7

    申请日:2020-07-10

    Abstract: 根据一个实施例的一种计算机实现的方法包括:接收历史二维(2D)多元时间序列数据;将历史2D多元时间序列数据变换为三维(3D)时间张量;利用3D时间张量训练一个或多个深度体积3D卷积神经网络(CNN);以及利用该一个或多个经训练的深度体积3D CNN预测附加多元时间序列数据的未来值。

Patent Agency Ranking