-
公开(公告)号：CN119443250A
公开(公告)日：2025-02-14
申请号：CN202411579415.9
申请日：2024-11-07
Applicant: 重庆邮电大学
IPC: G06N5/025 , G06F16/36 , G06F40/284 , G06F40/295 , G06F18/2415 , G06F18/243 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种融入先验关系知识的关系抽取方法、装置及设备，属于关系抽取技术领域。本发明设计了基于注意力机制的表示融合模型来帮助提取关系。首先将先验关系标签编码的向量作为关系信息，用较少的关系信息替换关系嵌入矩阵。为了获得具有丰富语义信息的向量进行关系提取，使用注意力机制选择性地融合句子和关系标签之间的重要语义特征。有效地利用了关系标签来丰富关系信息并提高句子和关系之间的语义交互。本发明设计的融合层在促进这一过程和提高简单结构关系提取的整体性能方面起着至关重要的作用，从而获得更准确的预测效果。
-
公开(公告)号：CN118861773A
公开(公告)日：2024-10-29
申请号：CN202410977470.7
申请日：2024-07-22
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/25 , G06F40/126 , G06F40/279 , G06F40/30 , G06V20/70 , G06V10/40 , G06N3/045 , G06N3/0464 , G06N3/0442
Abstract: 本发明涉及一种跨模态多层融合的情感识别方法和系统，该方法包括：对所述待检测的文本样本和图像样本进行预处理，得到文本数据和图像数据；使用生成式编码模型对所述图像样本进行处理，生成图像描述文本，将其作为第三模态；对所述文本数据、图像描述文本以及图像数据进行特征提取得到单模态特征；使用多层Transformer编码器对上述单模态特征两两交叉融合以实现模态间的对齐与交互，并使用Mamba状态空间模型对上述融合特征进行状态选择和更新，以降低维度和复杂性并得到最终用于情感分类的融合特征R；使用分类器对所述融合特征R进行分类，得到情感识别结果。本发明方可以有效提高多模态情感识别结果的准确性和推理速度。
-
公开(公告)号：CN118413256A
公开(公告)日：2024-07-30
申请号：CN202310359701.3
申请日：2023-04-06
Applicant: 重庆邮电大学
IPC: H04B7/0413 , G06F17/10 , H01Q1/24 , H01Q21/00 , H04B7/06 , H04B17/336 , H04B17/391
Abstract: 本发明属于无线通信技术领域，涉及一种基于圆形天线阵列的超大规模MIMO传输方法，包括建立三维空间中均匀圆形阵列的多用户超大规模MIMO系统模型；建立基站端天线阵列到用户的信道向量；基于基站端天线阵列到用户的信道向量构建用户的接收信号模型；建立信道模型，并基于球面波模型推导出直射信道的表达式；获取系统中的信道容量和信号泄露噪声比；获取基于球面波模型的均匀圆形阵列在具有空间非平稳特征的多用户超大规模MIMO系统中最优发射方向的闭式表达式；用户基于贪婪思想选择最优用户集，最优用户集的用户基于最优发射方向的策略进行信号发送；本发明所提出的最优发射策略需要较少的反馈信息和较低的复杂度。
-
公开(公告)号：CN116362246A
公开(公告)日：2023-06-30
申请号：CN202310126446.8
申请日：2023-02-16
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F40/30 , G06F18/214 , G06F18/2415 , G06N7/01 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种面向多源威胁情报的实体识别及关系抽取方法，包括：获取与APT攻击相关的原始情报文本数据，并采用YEEDA对原始文本数据中的实体进行标注得到标注语料文本数据；构建实体识别模型和实体关系抽取模型，将标注语料文本数据做为训练样本对实体识别模型和实体关系抽取模型进行训练；获取目标情报文本数据，将目标情报文本数据输入训练好的实体识别模型和实体关系抽取模型，通过实体识别模型识别出目标情报文本中的实体；通过实体关系抽取模型抽取目标情报文本中实体之间的关系，本发明通过实体识别模型和实体关系抽取模型能够自动且准确的识别出文本中的实体与实体之间的关系，及时的发现网络攻击，提高网络的安全。
-
公开(公告)号：CN116362243A
公开(公告)日：2023-06-30
申请号：CN202310443963.8
申请日：2023-04-23
Applicant: 重庆邮电大学
IPC: G06F40/289 , G06F40/268 , G06F16/31 , G06F16/335 , G06F40/30 , G06F16/35 , G06F18/22 , G06F40/216
Abstract: 本发明属于自然语言处理领域，具体涉及一种融入句子间关联关系的文本关键短语提取方法、存储介质及装置，包括：采用词性组合方式提取名词性短语；结合两个Trie树对名词性短语进行过滤，得到候选短语集；计算候选短语的全局语义相似度得分；对各个句子进行聚类，得到包含不同语义信息的句子簇；根据候选短语的全局语义相似度得分，对句子簇中的候选短语排序得到关键短语集；本发明在基于嵌入的无监督关键短语提取模型中融入句子间关系，提高了模型的准确率，同时构建不同的Trie树来计算互信息与左右信息熵的方式来作为关键短语提取模型中的候选短语提取方法，降低了提取到的候选短语集中的出现语义信息不完整的短语出现的概率。
-
Patent Agency Ranking
公开(公告)号：CN105739705A
公开(公告)日：2016-07-06
申请号：CN201610079868.4
申请日：2016-02-04
Applicant: 重庆邮电大学
CPC classification number: G06F3/013 , G06K9/00604 , G06K9/0061
Abstract: 本发明涉及一种车载系统人眼控制装置，装置包括摄像头、车载系统、透明显示器，其中车载系统包括视频采集模块、图像处理模块、眼控系统模块。摄像头用于扫描驾驶区域，采集1秒以内的图像，车载系统处理采集的图像并根据眼部运动信息判断车载系统控制指令，由透明显示器反馈车载系统信息，以便驾驶员控制。从开启透明显示器到关闭，全程通过眼部动作对车载系统进行控制。
-
公开(公告)号：CN103945330A
公开(公告)日：2014-07-23
申请号：CN201410198376.8
申请日：2014-05-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种虚拟私有云平台、虚拟私有云安全接入方法和系统，虚拟私有云平台接收到用户的接入请求时，使用定位服务器和无线信号源设备对无线云终端进行位置定位并做位置权限判断，位置允许通过则继续验证用户账户的信息，如果无线云终端同时具有位置权限和账户权限，虚拟私有云将允许无线云终端访问所请求的资源，接入成功后，虚拟私有云平台仍对接入的无线云终端进行定位追踪，防止其移动到非法的位置进行攻击。本发明将可攻击区域缩小到指定的范围内，以强化虚拟私有云的安全管控。
-
公开(公告)号：CN103488932A
公开(公告)日：2014-01-01
申请号：CN201310484702.7
申请日：2013-10-16
Applicant: 重庆邮电大学
CPC classification number: G06F21/35 , G06F21/445
Abstract: 本发明提出一种移动设备与个人电脑的桌面安全互信方法即系统，技术方案是：将个人电脑与移动设备进行唯一绑定，把移动设备的特有属性作为密钥，当电脑检测到移动设备离开电脑的有效范围内的时候，电脑将立即响应并自动进入锁屏状态；当移动设备接近电脑一定范围内时，电脑将自动识别并解屏。通过此系统和方法既及时保护电脑信息的安全，同时给用户提供更快捷简单的使用。
-
公开(公告)号：CN119418037A
公开(公告)日：2025-02-11
申请号：CN202411458188.4
申请日：2024-10-18
Applicant: 重庆邮电大学
IPC: G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于特征融合的小目标检测方法及系统，包括：将图像输入到主干网络中进行特征提取，得到多尺度特征图；将多尺度特征图输入到CIAM进行特征信息集成，得到包含目标上下文的特征信息；将主干网络中第37、50层的输出特征跨层连接到融合网络，得到结合目标原始特征信息的融合特征图；将融合特征图输入到检测网络中，得到检测结果。本发明通过将CIAM集成到yolov7的特征提取网络中，以整合多尺度特征图中目标特征及其相关背景信息，同时使用跨层特征融合网络来保留目标的原始特征，解决了小目标由于特征信息匮乏和定位误差敏感导致的识别精度低的问题。
-
公开(公告)号：CN111178525A
公开(公告)日：2020-05-19
申请号：CN201911349816.4
申请日：2019-12-24
Applicant: 重庆邮电大学
IPC: G06N3/08
Abstract: 本发明请求保护一种基于剪枝的卷积神经网络压缩方法、系统及介质，包括步骤：对训练数据进行预处理；初始化卷积神经网络模型的权重；计算网络连接的显著度，以显著度的分数作为评估连接重要性的标准，并对显著度进行排序：对卷积神经网络进行剪枝，保留top-k的连接，使得网络稀疏化：训练稀疏化后的卷积神经网络模型，直到模型收敛。本发明在训练之前对网络进行裁剪，省去了预训练和微调流程，极大地简化了剪枝过程的同时保持了网络的准确率，同时通过显著度分数结构化地选择重要的连接，对于不同的网络结构具有鲁棒性，因此可以应用到多种网络结构中而不需要进行过多的调整。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.031 seconds)
