-
公开(公告)号：CN118280107A
公开(公告)日：2024-07-02
申请号：CN202410375178.8
申请日：2024-03-29
Applicant: 湘江实验室
IPC: G08G1/01 , G06T19/00 , G06T17/05 , G06F8/30 , G06N3/0455 , G06N3/0475 , G06N3/096 , G10L15/22 , G10L15/26 , G10L17/22 , G10L17/02
Abstract: 本发明公开了一种智慧交通三维数字孪生方法、装置及介质，所述方法包括：获取对话音频，并将对话音频转换为文本指令；基于所述文本指令生成对应的代码指令；根据所述代码指令生成交通场景；将所有交通场景集成后用虚幻引擎创建，得到Carla场景，以模拟自动驾驶车辆在不同场景下的行为和决策。本发明利用AIGC将语音识别的文字转换为代码指令，再通过对静态、动态数据的感知，可以对应的创建数字孪生模型，实现基于孪生数据的情景再现。本发明在智慧交通领域有很大的应用前景，它不仅可以提高规划、设计、施工、运营、安全方面管理水平，实现交通管理决策协同化和智能化，还可以大幅度降低使用成本，利于普遍推广。
-
公开(公告)号：CN117547283A
公开(公告)日：2024-02-13
申请号：CN202410042200.7
申请日：2024-01-11
Applicant: 湘江实验室
IPC: A61B5/349 , A61B5/366 , A61B5/00 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种心电信号数据分类方法、装置、计算机设备及介质，包括：获取心电信号数据，对心电信号数据进行显性特征提取，得到第一特征，第一特征包括R波、Q波、S波、P波、T波的波形时限和高度，基于外部注意力的方式，进行深度特征提取，得到第二特征；对第一特征和第二特征进行特征融合，得到融合特征；根据融合特征进行分类，得到分类结果。实现隐式的不同样本之间的关联特征与同一类别的QRS波形特征进行融合，进而进行分类识别，提高心电信号数据分类的准确性。
-
公开(公告)号：CN116346863B
公开(公告)日：2023-08-01
申请号：CN202310609308.5
申请日：2023-05-29
Applicant: 湘江实验室
Abstract: 本发明公开了一种基于联邦学习的车载网数据处理方法、装置、设备及介质，包括：根据各个节点的历史通信消息数据和硬件配置信息，构建车载网的分层结构；针对每个基础分层，基于节点对应的车辆特征信息进行分组，得到至少两个基础分组；对于每个基础分组，进行组内消息队列的部署，得到目标分组；将车载网内的每个车辆标识关联分配到目标分组；执行组内局部联邦学习，对目标分组内每个节点的本地模型进行聚合更新，得到更新后的局部全局模型；将每个目标分组作为一个中心，采用每个中心对应的更新后的局部全局模型进行全局学习，得到每个中心对应的全局模型，并采用全局模型进行车载网数据的处理。采用本发明可确保数据隐私性和处理结果的准确性。
-
公开(公告)号：CN118965444A
公开(公告)日：2024-11-15
申请号：CN202411442499.1
申请日：2024-10-16
Applicant: 湘江实验室
IPC: G06F21/62 , G06N3/045 , G06F18/21 , G06F18/2415
Abstract: 本申请提供了一种多模态数据隐私保护的虚假信息检测方法及设备，属于信息安全技术领域，具体包括：基于最优神经网络搜索的多模态傅里叶动态扰动保护算法，在本地对用户多模态数据进行编码融合并添加高斯噪声保护；基于多头时空相关性注意力机制的深度神经网络模型预训练方法，对多模态数据进行局部检测训练；基于梯度相关性增强的差分隐私保护机制，对多层网络模型梯度的相关性进行自适应保护；基于Transformer模型的多模态虚假信息检测方法，检测用户多模态数据的真实性，并标记具体虚假区域；通过本公开的方案，基于差分隐私的特性，本发明扰动的多模态数据满足差分隐私，实现了高准确度的虚假信息检测并确保了多模态数据隐私。
-
公开(公告)号：CN118760677A
公开(公告)日：2024-10-11
申请号：CN202411255515.6
申请日：2024-09-09
Applicant: 湘江实验室
IPC: G06F16/215 , G06F16/29 , G06N3/045 , G06N3/084 , G06N3/0985 , G06N5/04
Abstract: 本申请涉及一种基于稀疏拓扑时空注意力机制的缺失数据补全方法，包括：对时序数据进行随机缺失处理，并标记时序数据中的缺失值；对处理后的时序数据进行归一化处理，构建含有缺失值的数据集；构建稀疏拓扑时空注意力模型，稀疏拓扑时空注意力模型包括时间注意力模块、稀疏拓扑注意力模块；将数据集输入至稀疏拓扑时空注意力模型，计算损失函数，基于损失函数训练稀疏拓扑时空注意力模型，得到基于稀疏拓扑时空注意力机制的数据补全模型；将缺失数据输入至数据补全模型，得到完整数据。该方法能够捕获不同时间点和不同空间位置数据之间的复杂依赖关系，通过融合拓扑结构信息，能够精确地补全缺失数据，提高了补全结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117725965B
公开(公告)日：2024-05-14
申请号：CN202410169410.2
申请日：2024-02-06
Applicant: 湘江实验室
IPC: G06N3/0455 , G06N3/098 , G06F21/62
Abstract: 本发明公开了一种基于张量掩码语义通信的联邦边缘数据通信方法，用于道路交通卡口的数据通信处理，在卡口边缘端分布式训练深度学习模型；利用训练好的深度学习模型对卡口监控数据进行实时分析和处理；采用语义通信技术，利用掩码自编码机提取深度学习模型的张量语义，用于提升联邦边缘学习无线通信过程中的传输效率和抗干扰能力，本发明利用联邦边缘学习训练卡口端的深度学习模型，实现了交通状态和交通事件的边缘端识别，避免了卡口监控数据的大规模传输，既保护了卡口数据隐私，又实现了对交通数据的快速分析，张量掩码语义通信方法，将通信系统的各个模块进行了神经网络建模，实现了语义通信系统的端到端学习。
-
公开(公告)号：CN117725965A
公开(公告)日：2024-03-19
申请号：CN202410169410.2
申请日：2024-02-06
Applicant: 湘江实验室
IPC: G06N3/0455 , G06N3/098 , G06F21/62
Abstract: 本发明公开了一种基于张量掩码语义通信的联邦边缘数据通信方法，用于道路交通卡口的数据通信处理，在卡口边缘端分布式训练深度学习模型；利用训练好的深度学习模型对卡口监控数据进行实时分析和处理；采用语义通信技术，利用掩码自编码机提取深度学习模型的张量语义，用于提升联邦边缘学习无线通信过程中的传输效率和抗干扰能力，本发明利用联邦边缘学习训练卡口端的深度学习模型，实现了交通状态和交通事件的边缘端识别，避免了卡口监控数据的大规模传输，既保护了卡口数据隐私，又实现了对交通数据的快速分析，张量掩码语义通信方法，将通信系统的各个模块进行了神经网络建模，实现了语义通信系统的端到端学习。
-
公开(公告)号：CN117094037A
公开(公告)日：2023-11-21
申请号：CN202311333876.3
申请日：2023-10-16
Applicant: 湘江实验室
Abstract: 本发明公开了一种基于Path+ORAM的多路径缓存写回方法、装置、计算机设备及存储介质，所述方法包括：对所有数据块进行叶标识分配，并确定访问路径，根据访问路径，构建访问路径集合；基于访问路径集合，从云服务器的ORAM树上选定和下载待访问节点；基于每个待访问节点对应的哈希值，对初始哈希表进行完整性验证，得到验证结果；当验证结果是完整性验证通过时，则将数据块存储到初始链表数组中，得到目标链表数组；对目标链表数组中的节点进行哈希值计算，得到哈希值；将目标链表数组写回云服务器，并将更新所有哈希节点且将对应的哈希值写回云服务器的哈希验证树中，采用本发明降低Path+ORAM的访问开销。
-
公开(公告)号：CN116346863A
公开(公告)日：2023-06-27
申请号：CN202310609308.5
申请日：2023-05-29
Applicant: 湘江实验室
Abstract: 本发明公开了一种基于联邦学习的车载网数据处理方法、装置、设备及介质，包括：根据各个节点的历史通信消息数据和硬件配置信息，构建车载网的分层结构；针对每个基础分层，基于节点对应的车辆特征信息进行分组，得到至少两个基础分组；对于每个基础分组，进行组内消息队列的部署，得到目标分组；将车载网内的每个车辆标识关联分配到目标分组；执行组内局部联邦学习，对目标分组内每个节点的本地模型进行聚合更新，得到更新后的局部全局模型；将每个目标分组作为一个中心，采用每个中心对应的更新后的局部全局模型进行全局学习，得到每个中心对应的全局模型，并采用全局模型进行车载网数据的处理。采用本发明可确保数据隐私性和处理结果的准确性。
-
公开(公告)号：CN118965444B
公开(公告)日：2025-02-07
申请号：CN202411442499.1
申请日：2024-10-16
Applicant: 湘江实验室
IPC: G06F21/62 , G06N3/045 , G06F18/21 , G06F18/2415
Abstract: 本申请提供了一种多模态数据隐私保护的虚假信息检测方法及设备，属于信息安全技术领域，具体包括：基于最优神经网络搜索的多模态傅里叶动态扰动保护算法，在本地对用户多模态数据进行编码融合并添加高斯噪声保护；基于多头时空相关性注意力机制的深度神经网络模型预训练方法，对多模态数据进行局部检测训练；基于梯度相关性增强的差分隐私保护机制，对多层网络模型梯度的相关性进行自适应保护；基于Transformer模型的多模态虚假信息检测方法，检测用户多模态数据的真实性，并标记具体虚假区域；通过本公开的方案，基于差分隐私的特性，本发明扰动的多模态数据满足差分隐私，实现了高准确度的虚假信息检测并确保了多模态数据隐私。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.022 seconds)
