-
公开(公告)号：CN119474653A
公开(公告)日：2025-02-18
申请号：CN202411280134.3
申请日：2024-09-12
Applicant: 武汉大学
IPC: G06F18/10 , G06F17/11 , G06F17/16 , G06N3/0499 , G06N3/084
Abstract: 本申请一种机器人的加速度估计方法、装置、电子设备及存储介质，其中，方法包括：根据运动模型建立状态转移方程和观测方程，将目标机器人的特征数据输入至预设的神经网络模型得到目标机器人各关节的扭矩值，并确定加速度预测值，根据上一时刻的状态向量和上一时刻的协方差生成点集，并根据状态转移方程对点集进行非线性变换得到更新后的点集，并对更新后的点集进行加权变换得到新的点集，计算加速度预测值的先验分布，获取运动模型的测量数据，根据测量数据和先验分布得到加速度预测值的后验分布，并得到系统状态量的估计向量。由此，解决了在噪声和干扰环境中难以得到高精度状态估计的问题，能够有效抑制噪声，提高加速度估计的准确性和稳定性。
-
公开(公告)号：CN118821755A
公开(公告)日：2024-10-22
申请号：CN202410693583.4
申请日：2024-05-31
Applicant: 武汉大学 , 深圳市财富趋势科技股份有限公司
IPC: G06F40/194 , G06F40/295 , G06N5/022 , G06F16/35 , G06F16/36 , G06N3/042
Abstract: 本发明公开了一种基于股权关系图与人员信息的人名消歧方法及装置，包括：读取企业工商数据、简历数据和人员任职数据；对读取的简历数据进行简历匹配及简历特征相似度计算；对构建的股权关系图进行连通分量分割并进一步判断读入的待比较自然人节点对是否属于同一连通分量；若属于，则基于待比较自然人节点对股权关系图中的共同邻居以及子图结构相似度与简历相似度进行自然人相似度计算进行人名消歧；若不属于，则基于人员任职数据对待比较自然人任职企业高管重名占比与简历相似度计算进行人名消歧。本发明采用基于部分属性股权关系图的人名消歧方法，在进行金融图中人名消歧工作时应用了更多有效信息，实现简化流程，提高计算效率。
-
公开(公告)号：CN118569304A
公开(公告)日：2024-08-30
申请号：CN202410545218.9
申请日：2024-04-30
Applicant: 北京奥星贝斯科技有限公司 , 武汉大学
IPC: G06N3/042 , G06N3/0455 , G06N3/09 , G06N3/084
Abstract: 本说明书一个或多个实施方式提供了一种图神经网络的训练方法及装置，本说明书实施方式的图神经网络的训练方法，通过共享的编码器架构实现掩码自编码MAE和对比学习CL的融合训练，使得训练后的GNN可以同时捕获图结构数据的局部信息和全局信息，提高GNN对整图全局信息的感知能力，进而提高GNN在整图处理任务中的表现性能。而且在网络训练过程中，掩码自编码MAE和对比学习CL共享同一个编码器，无需额外的嵌入向量的融合策略，简化训练算法过程。
-
公开(公告)号：CN118397113A
公开(公告)日：2024-07-26
申请号：CN202410533065.6
申请日：2024-04-30
Applicant: 武汉大学
Abstract: 本发明公开了一种基于自监督学习的图数据集压缩方法及系统，采用了经典的双层优化范式进行数据集压缩，引入了表示匹配，通过将压缩图形产生的表示与预训练的自监督学习模型生成的目标表示进行对齐来进行训练。这个设计消除了对数据增强的需求，并避免了偏置梯度。本发明进一步提出了一种图形注意力核，不仅提高了准确性，而且与自监督核岭回归结合使用时，还减少了运行时间。本发明采用了一种邻接矩阵重用方法，该方法将原始图形的拓扑结构重用于压缩图形，而不是在训练过程中反复学习拓扑结构。本发明的方法在提高准确度的情况下减少数据集的规模，提高计算效率。
-
公开(公告)号：CN118395861A
公开(公告)日：2024-07-26
申请号：CN202410542065.2
申请日：2024-04-30
Applicant: 武汉大学
Abstract: 本申请提供一种基于继承机制的夏普利值计算方法、装置及设备，该方法包括：在第一轮训练中，将参与方全集作为参与者联盟，通过随机初始化确定模型参数初始值，对模型进行纵向联邦学习训练，得到模型参数输出值和模型效用值；在第二轮至最后一轮训练中，将参与方全集的不同非空真子集作为参与者联盟，根据之前轮次的模型参数输出值确定模型参数初始值，对模型进行纵向联邦学习训练，得到模型参数输出值和模型效用值；根据所有轮次的模型效用值计算得到参与方全集中每个参与方的夏普利值。本申请通过继承机制加速模型的收敛速度、减少模型训练的时间，从而缩短整个夏普利值计算过程的时间。
-
Patent Agency Ranking
公开(公告)号：CN117113192A
公开(公告)日：2023-11-24
申请号：CN202311113797.1
申请日：2023-08-29
Applicant: 武汉大学
IPC: G06F18/241 , G06F18/214 , G06F18/2135
Abstract: 本发明公开了一种数据分类方法、装置、设备及存储介质，其中该方法包括步骤：基于两种不同的降维算法，将原始数据集降维到同一维度，得到第一低维数据集和第二低维数据集；对所述第一低维数据集和所述第二低维数据集中数据的数值进行规范化处理，并将规范化处理后的第一低维数据集和第二低维数据集，合并为总数据集；将所述总数据集划分为测试集和训练集，并计算所述测试集中的样本数据与训练集中各个样本数据之间的距离；选取与测试样本数据距离最近的预设数量的训练集中的样本数据，并根据所述训练集中的样本数据类别，对所述测试样本数据进行分类。本申请能够提升分类精度和降低计算成本，并且能够适应不同的数据集以及更多复杂场景。
-
公开(公告)号：CN119917406A
公开(公告)日：2025-05-02
申请号：CN202411855108.9
申请日：2024-12-17
Applicant: 武汉大学
IPC: G06F11/3668 , G06F8/41
Abstract: 本申请公开了一种基于职能测试的区块链智能编程模型评估方法、系统及存储介质，包括：生成初始需求；基于同一初始需求生成多份满足需求的智能合约代码；登记函数、变量和事件并进行筛选，补充到初始需求中形成详细需求；基于详细需求生成完备智能合约代码；测试完备智能合约代码是否可编译；针对详细需求中的主要职能分批次生成多份测试代码形成测试代码集；并和详细需求组合形成区块链智能编程模型测试套件；基于不同的智能合约类型生成多份区块链智能编程模型测试套件，形成区块链智能编程模型测试数据集；基于区块链智能编程模型测试数据集对待测试的区块链智能编程模型进行测试。本发明可准确评估智能编程模型在生成智能合约方面的能力。
-
公开(公告)号：CN118734324A
公开(公告)日：2024-10-01
申请号：CN202410931936.X
申请日：2024-07-12
Applicant: 武汉大学
IPC: G06F21/57 , G06F18/214
Abstract: 本发明提供一种智能合约自动生成方法、装置、设备及存储介质，其中，该一种智能合约自动生成方法包括：获取样本数据和初始大模型；所述样本数据包括若干已知用户需求的智能合约文件；确定微调方案，并按照所述微调方案对所述样本数据进行数据处理；所述微调方案包括基于智能合约的全文微调方案、基于分结构的智能合约和注释微调方案以及基于有安全漏洞标签的智能合约微调方案中的至少一种；通过处理后的所述样本数据对所述初始大模型进行训练，得到目标大模型；通过所述目标大模型生成智能合约代码。通过本发明，能够提高智能合约的可读性和可维护性，降低漏洞的风险，解决了现有的相关技术中存在的规范性和安全性不足的问题。
-
公开(公告)号：CN118468984A
公开(公告)日：2024-08-09
申请号：CN202410554905.7
申请日：2024-05-07
Applicant: 武汉大学
Abstract: 一种纵向联邦学习参与方选择方法、装置、设备及存储介质，所述纵向联邦学习参与方选择方法包括：使用相同的种子对各参与方持有的数据进行混洗，生成这些数据的伪标签；对于每个参与方，选择一查询实例xq，并基于伪标签找出每个参与方中距离查询实例xq最近的前C个数据作为候选数据实例；从候选数据实例中选择k个最近邻的数据实例集合T；基于数据实例集合T计算不同参与方的相似度，并采用贪婪算法最大化子模块似然函数选择具有最大边际增益的参与方作为参与者。本申请从数据中心的角度出发考虑参与方的数据特征，选出具有最大增益的参与方，从而在降低计算和通信成本的同时保持高准确性，提高选择效果和计算效率，解决了计算和效率不足的问题。
-
公开(公告)号：CN117313123A
公开(公告)日：2023-12-29
申请号：CN202311238783.2
申请日：2023-09-22
Applicant: 北京奥星贝斯科技有限公司 , 武汉大学
Abstract: 本说明书提供一种安全统计多方数据方法及装置，应用于统计服务器，所述统计服务器分别与可信设备以及数据源相连接；所述方法包括：确定多个数据源；分别从所述多个数据源对应的加密数据集合中读取加密数据对象，并对包含相同唯一标识的加密数据对象中的同态频数进行累计，并将累计后同态频数发送至所述可信设备以使所述可信设备在对接收的同态频数进行排序；根据所述可信设备生成的排序结果，选取排列在前的k个和/或排列在后的k个加密数据对象以作为目标加密数据对象，k为正整数。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.015 seconds)
