-
公开(公告)号：CN117350405A
公开(公告)日：2024-01-05
申请号：CN202311483682.1
申请日：2023-11-08
Applicant: 支付宝(杭州)信息技术有限公司 , 华中科技大学
Abstract: 本公开提供一种联邦学习方法、服务端设备、客户端设备及系统，服务端设备根据获得的至少部分客户端设备的第i轮客户端梯度数据确定第i轮全局网络模型，并根据第i轮全局网络模型、以及服务端设备存储的任意客户端设备的第i轮局部网络模型，确定针对任意客户端设备的第i+1轮服务端梯度数据，以向任意客户端设备发送该第i+1轮服务端梯度数据，一方面，根据部分客户端设备的客户端梯度数据实现迭代更新，可以实现异步联邦学习，从而减少服务端设备的等待时间，提高联邦学习的效率；另一方面，服务端设备向客户端设备发送服务端梯度数据，可以减少服务端设备与客户端设备之间交互的信息的数据量，从而减少通信资源的消耗。
-
公开(公告)号：CN117313838A
公开(公告)日：2023-12-29
申请号：CN202311489792.9
申请日：2023-11-09
Applicant: 支付宝(杭州)信息技术有限公司 , 华中科技大学
Abstract: 本说明书提供的联邦学习方法，目标端设备确定目标子图和包含目标外部节点的目标扩展图，通过聚合来自目标外部节点的非原始特征得到目标边缘节点的聚合外部嵌入特征，从而基于所述聚合外部嵌入特征对全局模型进行训练，得到本地模型。这样，在保护其他端设备的数据隐私的前提下引入了其他端设备中与自身相关的信息，使得目标边缘节点的信息更全面，利用目标边缘节点训练得到的本地模型的精度更高。
-
公开(公告)号：CN117111981A
公开(公告)日：2023-11-24
申请号：CN202311031879.1
申请日：2023-08-15
Applicant: 支付宝(杭州)信息技术有限公司 , 华中科技大学
Abstract: 本说明书提供的云边协同的模型更新方法和系统，云服务器接收多个客户端的多个初始客户端模型参数以及多个本地样本特征，基于多个本地样本特征之间的相似度对这多个客户端进行分组，进而将相似的客户端聚合起来，并将聚合结果下发到该组中的每个客户端，在云边协同的框架下考虑了边与边之间的协同学习，使得相似客户端之间的相似信息可以互相共享和借鉴，不同的客户端可以学习到与其相似的客户端的个性化信息，从而提升每个客户端模型的精度。
-
公开(公告)号：CN119377392A
公开(公告)日：2025-01-28
申请号：CN202411271153.X
申请日：2024-09-11
Applicant: 华中科技大学
IPC: G06F16/335 , G06N3/042 , G06N3/0455 , G06N3/0895 , G06F18/22 , G06F18/213 , G06F16/9535
Abstract: 本发明属于信息推荐相关技术领域，其公开了一种物品去偏推荐方法及其系统，方法包括：获取用户交互历史序列和用户物品交互图，生成用户及物品的文本嵌入表示，通过对比学习优化每个节点的嵌入表示后再进行图卷积特征提取，得到节点的最终图嵌入表示，将目标用户的文本嵌入表示和最终图嵌入表示进行特征融合，得到目标用户的最终嵌入表示，计算目标用户的最终嵌入表示和物品的文本嵌入表示的相似度，根据相似度的高低确定物品的推荐优先权。通过以上方法，可以去除推荐系统的流行度偏差，推荐符合用户真实兴趣的物品，优化用户的使用感受。
-
公开(公告)号：CN119311873A
公开(公告)日：2025-01-14
申请号：CN202411381659.6
申请日：2024-09-30
Applicant: 华中科技大学
IPC: G06F16/35 , G06F16/334 , G06F16/9535 , G06F16/906 , G06F40/30 , G06F40/284 , G06N20/00
Abstract: 本发明公开了域适应的跨度级方面情感三元组提取模型建立方法及其应用，属于情感分析技术领域，包括：采用结合句法和语义信息的跨度级特征提取方法提取语义信息，并通过词性标注屏蔽预测强化特征对句法信息的表达，使跨度特征充分利用句法信息和语义信息；以依存关系树为核心加强跨度的域不变特征，并利用互信息最大化损失函数优化特征分布，将针对特定领域的特征转移为领域无关，在不增加标注成本的前提下实现跨领域预测；设计了精简的跨度级标签，其中仅包括6种标签，在保证准确提取跨度级方面情感三元组的情况下，减轻训练过程中的计算负担，提供更清晰的学习目标。本发明能够在不增加标注成本的前提下实现跨领域的跨度级方面情感三元组提取。
-
Patent Agency Ranking
公开(公告)号：CN111832020B
公开(公告)日：2024-03-19
申请号：CN202010575613.3
申请日：2020-06-22
Applicant: 华中科技大学
IPC: G06F21/56
Abstract: 本发明属于移动恶意应用检测领域，具体涉及一种安卓应用恶意性、恶意种族检测模型构建方法及应用，针对不同混淆技术，提取不同粒度的操作码特征，计算各种粒度下的各特征权重，以从各种操作码特征中选取对加强原始样本集检测效果和降低混淆前后样本差异性最有利的操作码特征，构建各种粒度的抗混淆特征集，以抵抗主流混淆技术，各种粒度的抗混淆特征集提取应用样本的操作码特征序列并将其转换为灰度图，基于灰度图，根据不同的标签值，训练深度学习网络模型，实现安卓应用的恶意性分类及恶意家族分类，并在移动端设备上实现检测功能集成。本发明在支持应用恶意性及恶意家族检测的同时，有效抵抗安卓应用混淆技术对检测结果的干扰，检测可靠性高。
-
公开(公告)号：CN111914269B
公开(公告)日：2024-02-02
申请号：CN202010650801.8
申请日：2020-07-07
Applicant: 华中科技大学
Abstract: 本发明公开了一种区块链和云存储环境下的数据安全共享方法和系统，属于互联网安全领域。本发明直接采用智能合约对数据请求端进行身份验证，云服务器不参与任何阶段的权限认证，避免了恶意云的干扰，保证了基于属性的访问控制环境下，密钥生成与分发的安全性。本发明将用户的实际数据密文放在云服务器，将元数据信息放在区块链上，实际数据和元数据的分开，避免了区块链的臃肿，保持了数据格式的一致性，有利于存储和查询。数据拥有端把权限集中委托给智能合约，数据拥有端可以随时改变数据文件的访问控制策略，实现用户在上传数据后依然持有数据的管理控制权。本发明使用基于密文策略的属性加密方案，实现“一对多”细粒度访问控制。
-
公开(公告)号：CN115563519A
公开(公告)日：2023-01-03
申请号：CN202211267754.4
申请日：2022-10-17
Applicant: 华中科技大学
IPC: G06F18/23 , G06F18/214 , G06N20/20
Abstract: 本发明公开了一种面向非独立同分布数据的联邦对比聚类学习方法及系统，属于联邦学习技术领域，包括：在中心服务器端将共享模型和原型矩阵分别下发到所挑选的各客户端中进行聚类对比训练，进行聚类对比训练时模型并不关注数据的分布，而只关注于数据聚类信息之间的对比关系，基于自监督对比学习关注局部特征的特点，缓解了对全局分布的依赖，从而改善了模型由于不平衡的数据分布而产生的偏移，也能够较好的表示数据的类分布并改善由类不平衡所引起的Non‑IID问题，同时也能够消除联邦学习对有标签数据的依赖，能够解决现有的联邦学习方法由于存Non‑IID数据分布问题所导致的模型准确率较低以及由于依赖标签数据所导致的无法在实际生产中进行应用的技术问题。
-
公开(公告)号：CN115496213A
公开(公告)日：2022-12-20
申请号：CN202211014591.9
申请日：2022-08-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于结构特征知识的知识蒸馏方法及系统，属于模型压缩技术领域，包括：S1、搭建学生网络和教师网络；其中，教师网络加载有训练好的模型，为全精度神经网络；学生网络为二值神经网络；S2、将预先采集好的第二训练样本集分别输入至学生网络和教师网络中，通过同时最小化学生网络和教师网络的中间层特征之间的差异、以及学生网络和教师网络中关系特征之间的差异，对学生网络和教师网络进行训练，从而实现对教师网络的模型压缩。通过上述过程，本发明能够缩小师生网络在中间结构上存在巨大差异，以解决由于分布差异问题导致的知识迁移受限及学生网络的过拟合问题，神经网络模型压缩的准确度较高。
-
公开(公告)号：CN113434698B
公开(公告)日：2022-08-02
申请号：CN202110730796.6
申请日：2021-06-30
Applicant: 华中科技大学
IPC: G06F16/36 , G06F16/35 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于全层级注意力的关系抽取模型建立方法及其应用，属于自然语言处理领域，包括：获取数据集中的各关系类型的层级结构，并对各关系层级编码；建立包含句子编码网络、袋编码网络以及分类器深度学习模型；句子编码网络以包含若干头、尾实体相同的句子的袋为输入，用于获得袋中的各句子的向量表示；袋编码网络用于基于注意力机制获取各句子在每一个关系层级的注意力权重后，对句子向量进行加权求和，得到袋在该层级的向量表示，并拼接得到袋向量；分类器用于计算袋中句子的关系类型的概率分布；将数据集划分为训练集、测试集和验证集，依次对模型进行训练、测试和验证后，得到关系抽取模型。本发明能够提高句子关系抽取的准确率。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.045 seconds)
