-
公开(公告)号：CN113157917B
公开(公告)日：2023-03-24
申请号：CN202110277166.8
申请日：2021-03-15
Applicant: 西北大学
IPC: G06F16/35 , G06F40/253 , G06F40/30 , G06N3/0464
Abstract: 本发明属于源码转图与特征学习技术领域，公开了一种基于OpenCL的优化分类模型的建立、优化分类方法及系统。建模方法包括：OpenCL Kernel程序预处理，对预处理过后的程序进行Cl2Graph的源码转图操作，之后使用创新的关系图神经网络(RGNN)学习代码图的有效表示，最终进入决策网络完成异构设备映射以及线程粗化因子的启发式优化任务。本发明在通过转图的过程，丰富了代码的语法语义关系，保留了代码的特征，另一方面通过神经网络有效的对边进行建模，学习了代码的有效特征，最终指导OpenCL程序的启发式优化任务，使其运行效率大大提升，获得更高的加速比。
-
公开(公告)号：CN113157917A
公开(公告)日：2021-07-23
申请号：CN202110277166.8
申请日：2021-03-15
Applicant: 西北大学
IPC: G06F16/35 , G06F40/253 , G06F40/30 , G06N3/04
Abstract: 本发明属于源码转图与特征学习技术领域，公开了一种基于OpenCL的优化分类模型的建立、优化分类方法及系统。建模方法包括：OpenCL Kernel程序预处理，对预处理过后的程序进行Cl2Graph的源码转图操作，之后使用创新的关系图神经网络(RGNN)学习代码图的有效表示，最终进入决策网络完成异构设备映射以及线程粗化因子的启发式优化任务。本发明在通过转图的过程，丰富了代码的语法语义关系，保留了代码的特征，另一方面通过神经网络有效的对边进行建模，学习了代码的有效特征，最终指导OpenCL程序的启发式优化任务，使其运行效率大大提升，获得更高的加速比。
-
公开(公告)号：CN113127933A
公开(公告)日：2021-07-16
申请号：CN202110302875.7
申请日：2021-03-22
Applicant: 西北大学
Abstract: 本发明公开了一种基于图匹配网络的智能合约庞氏骗局检测方法及系统，该方法获取庞氏骗局数据集，庞氏骗局数据集包括多个智能合约地址、智能合约及其对应的标签，为智能合约字节码构造控制流图，利用深度学习中的图匹配网络技术，训练神经网络，为智能合约静态审计提供技术支持，缩小审计的范围，减少了用户和监管人员发现恶意合约的时间，而且漏报率和误报率较低。本发明基于开源代码数据集，使用静态审计技术。
-
公开(公告)号：CN112990026A
公开(公告)日：2021-06-18
申请号：CN202110296103.7
申请日：2021-03-19
Applicant: 西北大学
Abstract: 本发明公开了基于对抗训练的无线信号感知模型构建、感知方法及系统，包括：采集无干扰数据和干扰数据，对无干扰数据标注动作分类标签，得到数据集；对数据集进行去噪和数据转化处理，得到预处理后的干扰数据和带有动作分类标签的无干扰数据；将干扰数据和带有动作分类标签的无干扰数据作为输入，以是否为干扰的判断结果和动作分类结果作为输出，训练对抗网络模型，训练完成后获得无线信号感知模型；再采用该无线信号感知模型对待处理的无线信号数据进行感知分类。本发明通过特征提取器和干扰判别器的对抗训练，使得特征提取器能够提取到不包含干扰的信号特征，解决难以预先建模的多径干扰分离函数的映射问题。
-
公开(公告)号：CN104193892A
公开(公告)日：2014-12-10
申请号：CN201410373603.6
申请日：2014-07-31
Applicant: 西北大学
IPC: C08F220/34 , C08F226/02 , C08F2/32 , C10L1/236 , C10L10/00
Abstract: 本发明公开了一种具有油品抗静电性能的聚季铵盐的制备方法，步骤如下：(1)将引发剂过硫酸铵充分溶解于甲基丙烯酰氧乙基三甲基氯化铵和二甲基二烯丙基氯化铵中，形成混合液；(2)将煤油和无水乙醇加入容器中，然后搅拌，通氮气，升温至55-65℃，再滴加步骤(1)所配制的混合液；(3)滴加完毕后，升温至75-85℃，保温4-6小时；(4)倒出反应液，冷却至室温，下层白色沉淀即为聚合粗产物；(5)将步骤(4)中所得粗产物加入丙酮中，沉降法提纯，过滤，烘干，即得到本发明的聚季铵盐。本发明选用石油醚和蒸馏后的航空煤油为测试油，测定结果显示所制备的聚季铵盐具有优良的抗静电性能，可用作油品抗静电剂。
-
Patent Agency Ranking
公开(公告)号：CN112990026B
公开(公告)日：2024-01-19
申请号：CN202110296103.7
申请日：2021-03-19
Applicant: 西北大学
IPC: G06F18/241 , G06F18/213 , G06F18/10 , G06F18/214 , G06F18/2135 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了基于对抗训练的无线信号感知模型构建、感知方法及系统，包括：采集无干扰数据和干扰数据，对无干扰数据标注动作分类标签，得到数据集；对数据集进行去噪和数据转化处理，得到预处理后的干扰数据和带有动作分类标签的无干扰数据；将干扰数据和带有动作分类标签的无干扰数据作为输入，以是否为干扰的判断结果和动作分类结果作为输出，训练对抗网络模型，训练完成后获得无线信号感知模型；再采用该无线信号感知模型对待处理的无线信号数据进行感知分类。本发明通过特征提取器和干扰判别器的对抗训练，使得特征提取器能够提取到不包含干扰的信号特征，解决难以预先建模的多径干扰分离函数的映射问题。
-
公开(公告)号：CN113127933B
公开(公告)日：2023-04-07
申请号：CN202110302875.7
申请日：2021-03-22
Applicant: 西北大学
Abstract: 本发明公开了一种基于图匹配网络的智能合约庞氏骗局检测方法及系统，该方法获取庞氏骗局数据集，庞氏骗局数据集包括多个智能合约地址、智能合约及其对应的标签，为智能合约字节码构造控制流图，利用深度学习中的图匹配网络技术，训练神经网络，为智能合约静态审计提供技术支持，缩小审计的范围，减少了用户和监管人员发现恶意合约的时间，而且漏报率和误报率较低。本发明基于开源代码数据集，使用静态审计技术。
-
-
公开(公告)号：CN116483686A
公开(公告)日：2023-07-25
申请号：CN202310239137.1
申请日：2023-03-13
Applicant: 西北大学
IPC: G06F11/36 , G06F18/27 , G06F18/214 , G06F18/2411
Abstract: 本发明公开的基于回归的高性能应用I/O性能模型训练与分析方法，包括特征的设计、收集数据时采样算法的选择分析、回归模型的选择分析、模型特征重要性分析和性能模型的调优应用，在现有的训练I/O性能模型的基础上，增加了使用LHS拉丁超立方对数据集进行采样收集，通过使用LHS采样能够在较小的样本集中充分探索潜在的参数空间，从而在不影响模型效果的情况下减少实验数据收集的数量提高效率，提高了模型训练的效率和准确性，对应用预测模型解决实际程序I/O性能问题提供了解决思路和方案。
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.029 seconds)
