-
公开(公告)号:CN115422321B
公开(公告)日:2024-03-26
申请号:CN202210881430.3
申请日:2022-07-26
Applicant: 亿达信息技术有限公司 , 大连理工大学
Abstract: 一种知识图谱复杂逻辑推理方法、组件和知识图谱的查询检索方法,属于计算机数据分析领域,根据给定查询的同构查询,获取所述同构查询在当前步中的答案嵌入与所述给定查询在当前步中的查询嵌入的距离;根据所述同构查询在当前步中的答案嵌入与所述给定查询在当前步中的查询嵌入的距离,获取给定查询在当前步中向正确的答案的偏移,所述偏移表示给定查询在当前步中需向正确的答案偏移的方向以及大小;根据给定查询在当前步中的查询嵌入和给定查询在当前步中向正确的答案的偏移,得到给定查询在当前步中的修正查询嵌入,效果是有效的、可扩展的复杂逻辑推理组件,可以为基线模型带来一定的提升。
-
公开(公告)号:CN118966347A
公开(公告)日:2024-11-15
申请号:CN202411449013.7
申请日:2024-10-17
Applicant: 大连理工大学 , 广州九富信息科技有限公司
IPC: G06N5/022 , G06N3/0499 , G06N3/0895
Abstract: 一种基于邻域语义增强的多模态知识图谱补全方法,属于多模态知识图谱领域。具体来说,首先设计邻域语义增强模块,将不同邻域信息融合至中心实体的表示之中,增强模型的语义表达能力。然后,利用跨模态注意力机制,捕获不同模态间信息的相互作用与共同语义特征,实现邻域引导特征的学习。再根据基于对比学习方法比较正负样本间的相似性与差异性,学习更丰富的实体表示,最终改善多模态知识图谱补全结果。
-
公开(公告)号:CN117151208A
公开(公告)日:2023-12-01
申请号:CN202310985134.2
申请日:2023-08-07
Applicant: 大连理工大学
Abstract: 基于自适应学习率的异步联邦学习参数更新方法、电子设备及存储介质,为了解决异步联邦学习面临着双重挑战:陈旧性问题和数据集不平衡问题,本发明分别在中心服务器和工作节点解决如上问题,中心服务器接收完K个梯度后,首先进行无偏梯度估计,并实施一种基于余弦相似度的新型评估方法,以衡量延迟梯度的陈旧度;同时进一步调整学习速率,更新并广播模型参数和迭代次数。对于数据集不平衡问题,工作节点引入了一个类平衡损失函数,可以处理异质性数据对于模型训练的影响,本发明根据延时程度自适应调整学习速率,提高了模型的预测精度。
-
公开(公告)号:CN115905583A
公开(公告)日:2023-04-04
申请号:CN202211326377.7
申请日:2022-10-27
IPC: G06F16/432 , G06F16/48 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明属于深度学习技术领域,涉及一种基于对偶学习的音频‑图像跨模态检索方法。本发明实现了一种音频‑图像的跨模态检索,解决使用传统机器学习方法多模态数据对应关系难以标注的问题。在数据特征提取中,VGG采用小的卷积核和池化层,层数更深,通道数更多,而更多的通道数表示更丰富的图像特征,同时,通道数的增加,使得更多的信息可以被提取出来。构建了特征转换神经网络,将对偶学习引入模型学习,将两个跨模态任务进行训练,为跨模态数据的深度学习方法提供了新思路。
-
公开(公告)号:CN116664841B
公开(公告)日:2025-02-07
申请号:CN202310645198.8
申请日:2023-06-02
Applicant: 大连理工大学
IPC: G06V10/26 , G06V10/20 , G06V10/422
Abstract: 本发明公开了一种基于突出分支检测的二维形状分解方法与系统。首先基于形状突出示性函数提取形状轮廓上的突出点;其次通过多标签图分割提取形状上的多个突出分支;再次,由突出分支确定分割端点候选集以及突出点的伴随点集;最后,结合形状上点的可视性以及形状突出分支信息,通过递归谱聚类过程获得形状的分解结果。本发明通过形状突出示性函数,可以高效地把复杂的二维形状分解为多个近似凸的部分,尤其可以很好地处理具有多个细长弯曲分支的形状。本发明可以避免指定突出分支数目、形状分解部分数目等参数,同时整个分解过程在谱表示空间中进行,能够产生语义上更清晰的分解结果,也提高了算法参数的鲁棒性。
-
公开(公告)号:CN117151208B
公开(公告)日:2024-03-22
申请号:CN202310985134.2
申请日:2023-08-07
Applicant: 大连理工大学
Abstract: 基于自适应学习率的异步联邦学习参数更新方法、电子设备及存储介质,为了解决异步联邦学习面临着双重挑战:陈旧性问题和数据集不平衡问题,本发明分别在中心服务器和工作节点解决如上问题,中心服务器接收完K个梯度后,首先进行无偏梯度估计,并实施一种基于余弦相似度的新型评估方法,以衡量延迟梯度的陈旧度;同时进一步调整学习速率,更新并广播模型参数和迭代次数。对于数据集不平衡问题,工作节点引入了一个类平衡损失函数,可以处理异质性数据对于模型训练的影响,本发明根据延时程度自适应调整学习速率,提高了模型的预测精度。
-
公开(公告)号:CN115658737B
公开(公告)日:2023-07-14
申请号:CN202211362098.6
申请日:2022-11-02
Applicant: 大连理工大学
IPC: G06F16/2455 , G06F16/29 , G06F16/9535 , G06F16/9537
Abstract: 一种大规模轨迹数据时空伴随者查询方法和系统,属于时空大数据处理与应用的领域。本发明分为索引建立阶段和轨迹时空伴随者查询阶段,在索引建立阶段,基于样本数据构造一个全局索引,全局索引由时间分区的排序数组和空间分区的多个四叉树组成。具体来说,本方法遵循两轮连接框架。在第一轮连接中,根据时空分布对轨迹进行划分,每个时空分区中首先在根轨迹集上构建局部三维R树索引,再找到每条轨迹的动态区域,使得满足空间邻近性和时间并发性的最近邻居必须位于特定网格范围内,实现了数据的时空局部性和负载平衡。其次,在对局部结果进行洗牌之前,先基于时空参考点去除重复数据,可以有效地减少不同机器之间的数据传输。然后将局部结果合并成全局结果。最后,建立起全局索引‑动态网格范围计数索引‑三维R树索引组成的多级索引结构。
-
公开(公告)号:CN116664841A
公开(公告)日:2023-08-29
申请号:CN202310645198.8
申请日:2023-06-02
Applicant: 大连理工大学
IPC: G06V10/26 , G06V10/20 , G06V10/422
Abstract: 本发明公开了一种基于突出分支检测的二维形状分解方法与系统。首先基于形状突出示性函数提取形状轮廓上的突出点;其次通过多标签图分割提取形状上的多个突出分支;再次,由突出分支确定分割端点候选集以及突出点的伴随点集;最后,结合形状上点的可视性以及形状突出分支信息,通过递归谱聚类过程获得形状的分解结果。本发明通过形状突出示性函数,可以高效地把复杂的二维形状分解为多个近似凸的部分,尤其可以很好地处理具有多个细长弯曲分支的形状。本发明可以避免指定突出分支数目、形状分解部分数目等参数,同时整个分解过程在谱表示空间中进行,能够产生语义上更清晰的分解结果,也提高了算法参数的鲁棒性。
-
公开(公告)号:CN118966347B
公开(公告)日:2025-02-11
申请号:CN202411449013.7
申请日:2024-10-17
Applicant: 大连理工大学 , 广州九富信息科技有限公司
IPC: G06N5/022 , G06N3/0499 , G06N3/0895
Abstract: 一种基于邻域语义增强的多模态知识图谱补全方法,属于多模态知识图谱领域。具体来说,首先设计邻域语义增强模块,将不同邻域信息融合至中心实体的表示之中,增强模型的语义表达能力。然后,利用跨模态注意力机制,捕获不同模态间信息的相互作用与共同语义特征,实现邻域引导特征的学习。再根据基于对比学习方法比较正负样本间的相似性与差异性,学习更丰富的实体表示,最终改善多模态知识图谱补全结果。
-
公开(公告)号:CN115658737A
公开(公告)日:2023-01-31
申请号:CN202211362098.6
申请日:2022-11-02
Applicant: 大连理工大学
IPC: G06F16/2455 , G06F16/29 , G06F16/9535 , G06F16/9537
Abstract: 一种大规模轨迹数据时空伴随者查询方法和系统,属于时空大数据处理与应用的领域。本发明分为索引建立阶段和轨迹时空伴随者查询阶段,在索引建立阶段,基于样本数据构造一个全局索引,全局索引由时间分区的排序数组和空间分区的多个四叉树组成。具体来说,本方法遵循两轮连接框架。在第一轮连接中,根据时空分布对轨迹进行划分,每个时空分区中首先在根轨迹集上构建局部三维R树索引,再找到每条轨迹的动态区域,使得满足空间邻近性和时间并发性的最近邻居必须位于特定网格范围内,实现了数据的时空局部性和负载平衡。其次,在对局部结果进行洗牌之前,先基于时空参考点去除重复数据,可以有效地减少不同机器之间的数据传输。然后将局部结果合并成全局结果。最后,建立起全局索引‑动态网格范围计数索引‑三维R树索引组成的多级索引结构。
-
-
-
-
-
-
-
-
-