-
公开(公告)号：CN119783015A
公开(公告)日：2025-04-08
申请号：CN202411663511.1
申请日：2024-11-20
Applicant: 湖南大学
IPC: G06F18/25 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种基于历史数据的多元时间序列扩散插补方法、终端设备及存储介质，选择多段与当前时间段最匹配的历史数据来补充训练数据，以解决自监督训练过程中训练数据不足的问题。在此基础上，进一步设计了基于历史数据融合方案，充分考虑目标观测数据与历史数据之间的相似性与时间相关性，并利用多个历史数据段通过归一化方式与目标观测数据整合，确保了融合的训练数据分布在真实值的近似值范围内。扩散过程用于训练一个噪声估计模型，将融合的训练数据和部分观测数据同时输入到扩散过程中，为模型的训练提供了丰富的特征信息，去噪过程从一个随机生成的噪声数据开始，利用噪声估计模型，逐步去除噪声，最终得到插补数据。
-
公开(公告)号：CN118573630A
公开(公告)日：2024-08-30
申请号：CN202410512472.9
申请日：2024-04-26
Applicant: 湖南大学
IPC: H04L47/10
Abstract: 本发明公开了一种针对时延敏感型任务的流量调度方法及系统，在路由前考虑时延敏感型任务的传输时延要求，借助Markovian Arrival Process/Markovian Service Process/Single Server Queue Model，计算时延敏感型任务的端到端时延，提出端到端时延的松弛化表示，利用线性规划，显式对其进行约束，实现更加高效的路由方式。在四种实际网络拓扑上的大量实验结果表明，本发明的方法能够在不降低网络整体性能的前提下，有效地降低时延敏感型任务的端到端时延，并在大多数情况下达到最优性能的目标，对未知的流量矩阵和不同的流量变化具有良好的泛化能力。
-
公开(公告)号：CN117746157A
公开(公告)日：2024-03-22
申请号：CN202311851063.3
申请日：2023-12-29
Applicant: 湖南大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种基于神经网络剪枝的轻量级图像分类方法及系统，利用BN层缩放因子的绝对值作为衡量卷积核重要程度的指标，并在损失函数中对缩放因子引入l1正则化稀疏，使得网络能够正确识别不同卷积核的重要程度。通过分析和计算卷积核变化率，确定包含全部存在冗余参数的卷积核的剪枝比例pbest％，从而进行后续剪枝操作。本发明提高了图像分类的精度。
-
公开(公告)号：CN120017508A
公开(公告)日：2025-05-16
申请号：CN202510482704.5
申请日：2025-04-17
Applicant: 湖南大学
IPC: H04L41/0823 , H04L41/16 , H04L43/04 , H04L47/24
Abstract: 本发明提供一种网络结构的特征选择及优化方法，构建任务模型并加入选择因子层，得到特征选择模型；获取的流量数据集作为特征选择模型的输入，依据特征选择策略筛选出K个统计特征及其对应的选择因子值，得到预筛选特征；以位宽长度为特征采用动态规则算法筛选出满足位宽限制条件的特征，与所述预筛选特征组合，得到流量特征；针对流量特征与设定的标签特征之间的空间距离，得到精确度；依据所述精确度，调整所述选择因子层中选择因子的值大小，并通过控制平面下发指令，以调整数据平面的匹配操作表，从而选取更适配的流量特征。通过自适应于下游任务模型的流统计特征选择及有限资源下，择优且快速地选择特征，提高网络结构的计算精度。
-
Patent Agency Ranking
公开(公告)号：CN119313986A
公开(公告)日：2025-01-14
申请号：CN202411857098.2
申请日：2024-12-17
Applicant: 湖南大学
IPC: G06V10/764 , G06V10/72
Abstract: 本发明涉及无线电定向技术领域，具体公开面向图像识别任务的快速DCT频率分量选择方法，该方法包括：频率分量选择集统计、图像识别准确指标判定、选择因子匹配以及图像识别反馈，获取待处理图像，导入频率变换组件得到频率分量，完成快速DCT选择并统计为频率分量选择集，利用该集进行图像任务识别，判定其识别准确指标，与预定义识别准确参照指标比较得到比较结果，基于结果匹配选择因子，使得频率分量能够适应不同任务条件，结合图像识别有效性数据，综合评估图像识别有效程度值，对频率分量选择集的图像识别进行反馈，整个过程旨在优化频率分量选择集在图像识别任务上的效率与准确性。
-
公开(公告)号：CN117786330A
公开(公告)日：2024-03-29
申请号：CN202311771557.0
申请日：2023-12-21
Applicant: 湖南大学
Abstract: 本发明提供一种基于序列注意力机制的交通数据补全方法及电子设备，该方法利用消息传递神经网络提取图信息聚合的空间特征，将图信息聚合的空间特征编码为更具表达力的空间嵌入向量，解决了现有基于神经网络的交通数据补全算法只考虑时间特征不提取空间特征的技术问题；采用序列注意力机制，使用改进之后的注意力机制提取到序列和序列之间的相关性，进而提取时间序列数据中周期性，解决了使用自回归模型时可能会面临误差传播的技术问题，同时解决了自注意力机制只提取点和点相关性不能更全面捕捉序列相关性的问题。
-
公开(公告)号：CN119313986B
公开(公告)日：2025-03-21
申请号：CN202411857098.2
申请日：2024-12-17
Applicant: 湖南大学
IPC: G06V10/764 , G06V10/72
Abstract: 本发明涉及无线电定向技术领域，具体公开面向图像识别任务的快速DCT频率分量选择方法，该方法包括：频率分量选择集统计、图像识别准确指标判定、选择因子匹配以及图像识别反馈，获取待处理图像，导入频率变换组件得到频率分量，完成快速DCT选择并统计为频率分量选择集，利用该集进行图像任务识别，判定其识别准确指标，与预定义识别准确参照指标比较得到比较结果，基于结果匹配选择因子，使得频率分量能够适应不同任务条件，结合图像识别有效性数据，综合评估图像识别有效程度值，对频率分量选择集的图像识别进行反馈，整个过程旨在优化频率分量选择集在图像识别任务上的效率与准确性。
-
公开(公告)号：CN118155027A
公开(公告)日：2024-06-07
申请号：CN202410018216.4
申请日：2024-01-05
Applicant: 湖南大学
IPC: G06V10/776 , G06V10/764 , G06V10/82 , G06N3/0495 , G06N3/082
Abstract: 本发明公开了一种基于域自适应和神经网络动态剪枝的图像分类方法及系统，引入了局部最大平均差异度量作为域自适应损失，更为细粒度地减小领域数据分布差异的问题，而不是最直接从全局域来进行数据分布对齐。采用动态剪枝的方法，对参数施加掩码矩阵进行剪枝，有效避免了错误剪枝。定义了一个新的损失函数，由剪枝后的分类损失和用于转移源域数据知识辅助目标域剪枝的域自适应损失两部分组成，本发明的模型既能解决剪枝算法在有限训练数据的图像分类任务场景下不能很好执行来得到较高准确度的问题，同时也解决了当前跨域联合剪枝算法因没有考虑不同域数据分布差异的问题引起的剪枝后的图像分类准确度不高的问题。
-
公开(公告)号：CN117828283A
公开(公告)日：2024-04-05
申请号：CN202311771578.2
申请日：2023-12-21
Applicant: 湖南大学
IPC: G06F18/15 , G06F18/25 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/084 , G06F18/214 , H04L43/04 , H04L41/16
Abstract: 一种网络监测数据补全方法及设备。与现有技术相比，本发明通过神经网络捕获数据之间的非线性关联，从而提高数据补全的准确性。充分考虑网络数据相关特征，从而实现对网络数据进行具有针对性地补全，进一步提高数据补全的准确性。通过更新数据在每个时刻下的隐状态，并综合利用所提取的特征对二分图上未观测边进行预测，进一步提高数据补全的准确性。通过提出在线模式，使用由已收集数据训练的、固定参数后的模型对新到来数据进行补全，保证一定精度下快速地进行缺失数据的补全。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.012 seconds)
