-
公开(公告)号：CN110275887A
公开(公告)日：2019-09-24
申请号：CN201910535141.6
申请日：2019-06-20
Applicant: 深圳前海微众银行股份有限公司 , 北京理工大学
Abstract: 本发明实施例涉及金融科技(Fintech)的区块链技术领域，公开了一种基于区块链系统的数据处理方法、系统及装置，其中方法包括：接收区块链系统中的第一节点发送的检索请求后，获取至少一条索引数据，进而从至少一条索引数据中获取与待检索数据的特征值匹配的目标索引数据，并将目标索引数据发送给第一节点。本发明实施例中，通过使用预设索引库中的多条索引数据执行检索过程，可以使得预设索引库中的多条索引数据被区块链系统中的节点所共享，从而实现了在区块链系统中的数据共享和数据检索过程；且，通过使用待检索数据的特征值进行检索，可以保证检索得到的目标索引数据与待检索数据具有相似的特征，从而可以提高数据检索的准确性。
-
公开(公告)号：CN111612081B
公开(公告)日：2024-04-02
申请号：CN202010453100.5
申请日：2020-05-25
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本发明公开了一种识别模型的训练方法、装置、设备及存储介质，涉及金融科技领域，所述识别模型的训练方法包括以下步骤：获取待训练图像，根据所述待训练图像构造仿真图像；根据所述待训练图像和所述仿真图像确定训练数据集；基于所述训练数据集，通过预设神经网络模型中的生成对抗网络和识别网络训练得到识别模型。本发明实现了通过所获取的图像构造仿真图像得到训练数据集，避免了由于训练数据集的样本不足，导致训练所得的识别模型的识别准确率低下的情况出现，即本实施例提高了训练所得识别模型的识别准确率。
-
公开(公告)号：CN111612081A
公开(公告)日：2020-09-01
申请号：CN202010453100.5
申请日：2020-05-25
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本发明公开了一种识别模型的训练方法、装置、设备及存储介质，涉及金融科技领域，所述识别模型的训练方法包括以下步骤：获取待训练图像，根据所述待训练图像构造仿真图像；根据所述待训练图像和所述仿真图像确定训练数据集；基于所述训练数据集，通过预设神经网络模型中的生成对抗网络和识别网络训练得到识别模型。本发明实现了通过所获取的图像构造仿真图像得到训练数据集，避免了由于训练数据集的样本不足，导致训练所得的识别模型的识别准确率低下的情况出现，即本实施例提高了训练所得识别模型的识别准确率。
-
公开(公告)号：CN111462088A
公开(公告)日：2020-07-28
申请号：CN202010251576.0
申请日：2020-04-01
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本发明公开了基于图卷积神经网络的数据处理方法、装置、设备及介质，所述方法包括：获取待处理的第一图结构数据输入预先训练好的图卷积神经网络；调用所述图卷积神经网络对所述第一图结构数据中各个第一节点进行邻居节点采样操作和邻域信息聚合操作，以更新所述各个第一节点；调用所述图卷积神经网络基于更新后的各个第一节点得到所述第一图结构数据的处理结果。本发明实现图卷积神经网络挖掘出节点之间关系的差别性，使得依据挖掘出的更加充分的信息能够做出更加准确的处理结果。
-
公开(公告)号：CN111462088B
公开(公告)日：2025-03-14
申请号：CN202010251576.0
申请日：2020-04-01
Applicant: 深圳前海微众银行股份有限公司
IPC: G06T7/00 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于图卷积神经网络的数据处理方法、装置、设备及介质，所述方法包括：获取待处理的第一图结构数据输入预先训练好的图卷积神经网络；调用所述图卷积神经网络对所述第一图结构数据中各个第一节点进行邻居节点采样操作和邻域信息聚合操作，以更新所述各个第一节点；调用所述图卷积神经网络基于更新后的各个第一节点得到所述第一图结构数据的处理结果。本发明实现图卷积神经网络挖掘出节点之间关系的差别性，使得依据挖掘出的更加充分的信息能够做出更加准确的处理结果。
-
Patent Agency Ranking
公开(公告)号：CN111598093B
公开(公告)日：2024-05-14
申请号：CN202010457865.6
申请日：2020-05-25
Applicant: 深圳前海微众银行股份有限公司
IPC: G06V20/62 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/042
Abstract: 本发明公开了一种图片中文字的结构化信息生成方法、装置、设备及介质，该方法包括：将待处理图片传输到检测模型，生成多个包含文字的子图片，并基于识别模型，将多个子图片构造为图结构，其中一个子图片对应图结构中的一个图节点；根据识别模型，生成图结构中每个图节点的特征向量，并将图结构中所有图节点的特征向量生成为图结构的特征矩阵；根据图卷积神经网络，对特征矩阵和图结构的邻接矩阵进行处理，生成待处理图片中文字的结构化信息。本发明通过将包含文字的子图片构建为图结构，由图卷积神经网络模型来对图结构的特征矩阵和邻接矩阵进行处理，得到待处理图片中文件的结构化信息，确保了所生成结构化信息的准确性。
-
公开(公告)号：CN110837653B
公开(公告)日：2023-09-19
申请号：CN201911083212.X
申请日：2019-11-07
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本发明公开了一种标签预测方法，包括如下步骤：需求方获取需求方模型更新后的第一参数、需求方预测样本的第一特征量和需求方预测样本的第一曝光量；需求方基于第一参数、第一特征量和第一曝光量，确定需求方模型的第一预测值；需求方获取提供方模型的第二预测值和泊松计算规则确定第二预测值；需求方基于第一预测值、第二预测值和泊松计算规则，确定需求方预测样本的预测标签量。本发明还公开了一种标签预测装置及计算机可读存储介质。本发明通过结合泊松回归实现方案，训练纵向联邦学习模型中的需求方模型和提供方模型，可准确预测到需求方预测样本对应的预测标签量，解决了现有技术中无法预测精确的标签数据的问题。
-
公开(公告)号：CN111598093A
公开(公告)日：2020-08-28
申请号：CN202010457865.6
申请日：2020-05-25
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本发明公开了一种图片中文字的结构化信息生成方法、装置、设备及介质，该方法包括：将待处理图片传输到检测模型，生成多个包含文字的子图片，并基于识别模型，将多个子图片构造为图结构，其中一个子图片对应图结构中的一个图节点；根据识别模型，生成图结构中每个图节点的特征向量，并将图结构中所有图节点的特征向量生成为图结构的特征矩阵；根据图卷积神经网络，对特征矩阵和图结构的邻接矩阵进行处理，生成待处理图片中文字的结构化信息。本发明通过将包含文字的子图片构建为图结构，由图卷积神经网络模型来对图结构的特征矩阵和邻接矩阵进行处理，得到待处理图片中文件的结构化信息，确保了所生成结构化信息的准确性。
-
公开(公告)号：CN111598075B
公开(公告)日：2024-09-20
申请号：CN202010446590.6
申请日：2020-05-25
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本发明公开了一种图片生成方法、装置、设备及可读存储介质，该方法包括：调用生成器对仿真图片和真实图片分别处理，生成与仿真图片对应的第一图片和第二图片，以及与真实图片对应的第三图片和第四图片；根据仿真图片与第二图片，真实图片与第四图片，对生成器优化训练；调用判别器对真实图片和第一图片，以及第三图片与仿真图片分别进行辨别，并基于辨别结果对辨别器进行优化训练；在生成器和辨别器均训练完成后，得到目标生成器，以基于目标生成器对接收的待处理图片进行处理，生成多张最终图。本发明通过目标生成器生成的包含生僻字的最终图片兼顾了随机性、可控性和准确性，实现快速准确的生成大量包含生僻字的最终图片。
-
公开(公告)号：CN111598075A
公开(公告)日：2020-08-28
申请号：CN202010446590.6
申请日：2020-05-25
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本发明公开了一种图片生成方法、装置、设备及可读存储介质，该方法包括：调用生成器对仿真图片和真实图片分别处理，生成与仿真图片对应的第一图片和第二图片，以及与真实图片对应的第三图片和第四图片；根据仿真图片与第二图片，真实图片与第四图片，对生成器优化训练；调用判别器对真实图片和第一图片，以及第三图片与仿真图片分别进行辨别，并基于辨别结果对辨别器进行优化训练；在生成器和辨别器均训练完成后，得到目标生成器，以基于目标生成器对接收的待处理图片进行处理，生成多张最终图。本发明通过目标生成器生成的包含生僻字的最终图片兼顾了随机性、可控性和准确性，实现快速准确的生成大量包含生僻字的最终图片。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.098 seconds)
