一种基于图结构信息的小样本知识图谱补全方法

    公开(公告)号:CN119227790A

    公开(公告)日:2024-12-31

    申请号:CN202411138796.7

    申请日:2024-08-19

    Abstract: 本发明涉及知识图谱技术领域,其公开了一种基于图结构信息的小样本知识图谱补全方法,解决现有技术中在小样本知识图谱补全过程中对图结构利用不完全导致的实体嵌入不准确、路径信息利用不充分的问题。该方法在训练过程中,首先构建头尾实体的子图,包括邻居子图和路径子图;接着,通过图注意力网络构建头尾实体嵌入,以及通过Transformer路径交互构建关系嵌入;最后,利用多层感知机层将基于路径的相似性嵌入φ转换为评分结果;在预测过程,将待预测样本的支持集作为微调输入进模型中,再将查询集中的样本输入模型中获得预测结果评分。

    SiC上增强型高Al-AlGaN环栅纳米线场效应晶体管及其制备方法

    公开(公告)号:CN117832283A

    公开(公告)日:2024-04-05

    申请号:CN202410032404.2

    申请日:2024-01-09

    Abstract: 本发明公开了一种SiC上增强型高Al‑AlGaN环栅纳米线场效应晶体管,主要解决现有技术反向耐压能力低,电能损耗大的问题。其包括衬底(1),沟道层(2),欧姆接触层(3),纳米线沟道(4)、栅介质(5)及源漏栅电极,其中衬底采用高热导率SiC材料,沟道层采用高Al‑AlGaN材料,欧姆接触层采用渐变低Al组分AlGaN材料,纳米线沟道采用单一的高Al‑AlGaN材料形成若干条相间分布的纳米线并与沟道层连接;栅介质包裹在高Al‑AlGaN纳米线条外围并悬空于SiC衬底上方。本发明能消除沟道区域的异质结界面,提高器件反向耐压能力,改善栅极漏电问题,降低器件的电能损耗,可用做电力传输和转换的大功率器件。

    一种高热导率SiC衬底上环栅增强型高Al组分氮化镓基器件及其制备方法

    公开(公告)号:CN117012829A

    公开(公告)日:2023-11-07

    申请号:CN202310983633.8

    申请日:2023-08-07

    Abstract: 本发明公开了一种高热导率SiC衬底上环栅增强型高Al组分氮化镓基器件,主要解决现有同类器件导通电流小、开关速度慢、散热差的问题。其自下而上包括:包括:SiC衬底(1)、成核层(2)、缓冲层(3)、AlGaN沟道层(4)、势垒层(6)、环形介质层(7)及栅电极,其源、漏电极(9,10)分布在势垒层的两端,该沟道层与势垒层之间设有插入层(5),三者共组成纳米沟道;该环形介质层包括两个P‑GaN帽层(71,72),且第一帽层设置在纳米沟道的底部,第二层覆盖于纳米沟道两个侧面及顶部形成包覆结构,该结构外部分布栅电极(8)。本发明栅控能力强、导通电流大、开关速度快、散热性能好,可应用于大功率高速开关器件。

    基于多级特征融合及混合注意力的SAR图像舰船目标检测方法

    公开(公告)号:CN116469002A

    公开(公告)日:2023-07-21

    申请号:CN202310273227.2

    申请日:2023-03-20

    Abstract: 本发明公开了一种基于多级特征融合及混合注意力的SAR图像舰船目标检测方法,包括:构建用于SAR图像舰船目标检测的YOLO‑SP网络模型,所述YOLO‑SP网络模型包括依次连接的主干特征提取网络、多级特征融合网络和检测头;利用训练数据集对所构建的YOLO‑SP网络模型进行训练,计算损失函数,并反向更新模型参数,获得训练后的YOLO‑SP网络模型;对待检测的SAR图像进行数据标准化预处理,获得预处理后的像素矩阵;将预处理后的像素矩阵输入训练后的YOLO‑SP网络模型,对待检测的SAR图像进行舰船目标检测,获得目标的类别信息、位置信息和置信度。本发明通过多级特征提取策略与混合注意力机制,加强了目标特征信息的提取,提高对舰船目标的检测精度。

    一种基于图神经网络的多模态知识图谱表示学习方法

    公开(公告)号:CN114443858A

    公开(公告)日:2022-05-06

    申请号:CN202210065665.5

    申请日:2022-01-20

    Inventor: 邵杰 梁爽 杨晨旭

    Abstract: 本发明公开了一种基于图神经网络的多模态知识图谱表示学习方法,其包括获取多模态文本特征、视觉特征和数值特征并转换成超点;从超点中确认目标节点超点,及其邻居节点超点;计算得到邻居节点超点相对于目标节点超点的关系注意力;将目标节点和邻居节点之间的边作为邻边,通过互相关方式融合邻居节点和邻边,得到实体关系融合信息;通过关系注意力和实体关系融合信息构建关系聚合函数;基于关系聚合函数更新超点和关系注意力,直到得到收敛的关系图神经网络模型,完成多模态知识图谱表示学习;本发明有效建模具有多模态信息的不同实体同一模态内和不同模态间的信息交互;以灵活的形式处理不同实体不同数量的模态;实现了更优的图表示学习能力。

    一种面部图像身份去识别方法、装置及电子设备

    公开(公告)号:CN112101087A

    公开(公告)日:2020-12-18

    申请号:CN202010725766.1

    申请日:2020-07-24

    Abstract: 本发明实施例公开了一种面部图像身份去识别方法,方法包括:从获取的原始图像中提取每个预先选定的面部所在区域中的内容,得到原始面部图像;对于每个原始面部图像,利用预先训练的生成模型,获得该原始面部图像的原始身份特征和原始非身份特征;确定用于代替原始身份特征的目标身份特征;利用生成模型结合原始非身份特征和目标身份特征,得到该原始面部图像对应的目标面部图像;分别用每个目标面部图像的内容,替换该目标面部图像对应的目标区域的内容,得到替换完成的目标图像。应用本发明实施例能够实现在面部图像的身份去识别的同时,完整地保留该面部图像的非身份属性,使得新生成的面部图像能够用于后续的效用。

    一种用户标签数据预测系统、方法、装置及电子设备

    公开(公告)号:CN112085159A

    公开(公告)日:2020-12-15

    申请号:CN202010724476.5

    申请日:2020-07-24

    Abstract: 本发明公开了一种用户标签数据预测系统和方法,第一客户端获取目标用户的第一标识数据和第一特征数据组,针对每个第二客户端,预测第一特征数据组在该第二客户端的第二预测特征数据组,将第一标识数据和第二预测特征数据组的加密数据发送给该第二客户端;利用训练得到的联邦学习模型参数,获得第一特征数据组的第一加密加权值并发送给服务端;每个第二客户端利用接收到的加密数据,确定目标用户在该第二客户端的第二目标特征数据组,利用训练得到的联邦学习模型参数,获得第二目标特征数据组的第二加密加权值并发送给服务端;服务端对接收到的第一加密加权值和第二加密加权值求和,对求和结果解密得到目标用户的目标标签数据并返回给第一客户端。

    宏弯曲侧抛塑料光纤表面等离子体共振传感器及制备方法

    公开(公告)号:CN110987832A

    公开(公告)日:2020-04-10

    申请号:CN201910979766.1

    申请日:2019-10-15

    Abstract: 本发明公开了一种宏弯曲侧抛塑料光纤表面等离子体共振传感器,并首次提出了一种宏弯曲侧抛结构光纤探头的制备方法,属于光纤传感技术领域。本发明的传感器由光源、宏弯曲侧抛结构塑料光纤表面等离子体共振传感探头以及光谱仪组成。所述的光纤传感探头的制备包括热定型、抛磨、抛光和镀膜等四个步骤。本发明所提出的光纤抛磨方法操作灵活、工艺简单,所制备的传感器具有成本低廉、结构紧凑等特点。

    基于累积功率信息的无线网络通联关系识别方法

    公开(公告)号:CN108966272A

    公开(公告)日:2018-12-07

    申请号:CN201810840119.8

    申请日:2018-07-27

    CPC classification number: H04W24/08

    Abstract: 本发明属于电子对抗技术领域,具体涉及一种基于功率累积信息的无线网络通联关系识别方法。本发明提出的基于累积功率信息的通联关系识别方法,通过对目标功率谱在时间维度上采取不同时间分辨率下的积分,提取累积功率信息,通过KMEANS++聚类算法以及PCA主成分分析方法,完成网络通联关系的识别包括通信关系以及通信时间间隔等网络通联关系信息。并通过实际实验,实现IEEE802.11b无线传输协议和TCP/IP网络传输协议下,完成基于功率累积信息的无线网络通联关系识别方法,并验证了该方法的理论可行性。相比于传统无线网络通联关系识别方法,该方法仅需要无线通信网络的物理层信息,不需要通过对无线信号进行传统的解码,解密操作,来完成无线网络通联关系识别。

    一种在会话推荐中从时空角度解析用户层次意图的方法

    公开(公告)号:CN118673129A

    公开(公告)日:2024-09-20

    申请号:CN202410682797.1

    申请日:2024-05-29

    Abstract: 本发明提供一种在会话推荐中从时空角度解析用户层次意图的方法,训练步骤包括意图感知步骤、时间意图解耦步骤、特征变换步骤、物品预测步骤和跨尺度对比学习步骤。相比较传统的会话推荐模型,本发明创新性地引入了层次化意图的概念,使用时间意图解耦模块将长期意图和短期意图从原始会话中解耦,从而避免其在学习过程中的相互干扰。其次,为了利用空间维度意图的相容性,HearInt还提出了一个跨尺度的对比学习损失计算方法,有利于模型在进行意图感知时将大尺度意图信息融入小尺度意图之中,从而丰富小尺度意图的信息量。本发明不但丰富了当前会话表示的信息量,充分挖掘的用户意图能在会话推荐引用中实现当前最好的推荐效果。

Patent Agency Ranking