-
公开(公告)号：CN116523022A
公开(公告)日：2023-08-01
申请号：CN202310481502.X
申请日：2023-04-27
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06N3/08 , G06N3/044 , G06F16/9537
Abstract: 本申请公开了一种神经网络模型的更新方法、装置、设备、机器人及介质。方法包括：获取待检测数据；在待检测数据包括模拟数据的情况下，基于神经网络模型对模拟数据进行检测，输出第一检测结果；采用模拟处理方式对模拟数据进行检测，得到第二检测结果；在第二检测结果包与第一检测结果不一致的情况下，更新神经网络模型；或者在待检测数据包括真实数据的情况下，对真实数据进行检测，得到第三检测结果；在第三检测结果满足第一预设条件的情况下，更新神经网络模型。本申请能够对于神经网络模型进行更新，提高神经网络模型检测异常数据的准确率。
-
公开(公告)号：CN116264704A
公开(公告)日：2023-06-16
申请号：CN202310510073.4
申请日：2023-05-08
Applicant: 深圳大学 , 香港科技大学 (广州) , 中移信息技术有限公司
Abstract: 本申请提供一种基于信道感知和强化学习的低功耗广域网通感融合方法，该方法包括：网关接收机接收终端节点发送的上行信号，利用软解调算法对上行信号进行解调，得到比特对数似然比；深度强化学习模型根据比特对数似然比，完成通信过程中对应链路的信道重建，得到重建信道；根据重建信道，计算当前最优网络配置，以在下次下行传输时分配给各终端节点。该方案利用深度强化学习模型挖掘环境关键信息，使得网关能够根据当前的网络环境情况，给不同终端节点分配最优的网络配置，并提升网关的解码能力。
-
公开(公告)号：CN111352827A
公开(公告)日：2020-06-30
申请号：CN201811584574.2
申请日：2018-12-24
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例提供一种自动化测试的方法及装置，用于解决终端设备在识别破解验证码时存在识别效率较低的技术问题。所述自动化测试的方法包括：获取第一网页页面的验证码图像；所述验证码图像中包括至少一个验证码字符；将所述第一网页页面的验证码图像输入至卷积神经网络模型，获得所述第一网页页面的验证码图像的识别内容；将所述识别内容加载至所述第一网页页面的验证码输入框中，以完成所述第一网页页面的测试。
-
公开(公告)号：CN117668116A
公开(公告)日：2024-03-08
申请号：CN202311674952.7
申请日：2023-12-06
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F16/27 , G06F16/2455 , G06F16/242 , G06F16/25 , G06F16/248 , G06Q50/50
Abstract: 本发明涉及移动通信技术领域，尤其涉及一种话单合并方法、话单合并装置以及存储介质。该话单合并方法包括：首先获取生成的当前话单；然后根据当前话单的身份标识，将当前话单映射至分布式集群中对应的处理节点上，然后根据当前话单的身份标识，从处理节点的缓存层中查找是否存在与当前话单具有相同身份标识的历史话单，若是，则将当前话单与所述历史话单合并；若否，则继续从处理节点的数据库中查找是否存在与当前话单具有相同身份标识的历史话单，若是，则将当前话单与所述历史话单合并。这样首先在概率比较大的缓存层中查找可以合并的历史话单，再从概率较小的数据库中查找，缩短了查找可以合并的历史话单所花费的时间，提高了话单合并的效率。
-
公开(公告)号：CN117332425A
公开(公告)日：2024-01-02
申请号：CN202311298984.1
申请日：2023-10-07
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明公开了一种安全风险预测方法、装置、设备及存储介质，包括：获取安全设备的运行数据；将运行数据输入预设安全风险预测模型，获得安全风险预测模型输出的预测概率值，预设安全风险预测模型通过决策树提取的风险特征数据对神经网络模型训练获得；根据预测概率值确定安全设备的预测风险等级。本发明通过决策树提取的风险特征数据对神经网络模型训练获得预设安全风险预测模型，将安全设备的运行数据输入预设安全风险预测模型，获得预测概率值，根据预测概率值确定安全设备的预测风险等级，通过决策树提取的与设备安全风险相关的风险特征数据训练模型，提高了模型的挖掘能力，从而提高了安全风险预测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN116264704B
公开(公告)日：2023-09-08
申请号：CN202310510073.4
申请日：2023-05-08
Applicant: 深圳大学 , 香港科技大学 (广州) , 中移信息技术有限公司
Abstract: 本申请提供一种基于信道感知和强化学习的低功耗广域网通感融合方法，该方法包括：网关接收机接收终端节点发送的上行信号，利用软解调算法对上行信号进行解调，得到比特对数似然比；深度强化学习模型根据比特对数似然比，完成通信过程中对应链路的信道重建，得到重建信道；根据重建信道，计算当前最优网络配置，以在下次下行传输时分配给各终端节点。该方案利用深度强化学习模型挖掘环境关键信息，使得网关能够根据当前的网络环境情况，给不同终端节点分配最优的网络配置，并提升网关的解码能力。
-
公开(公告)号：CN116321239A
公开(公告)日：2023-06-23
申请号：CN202310512860.2
申请日：2023-05-09
Applicant: 深圳大学 , 香港科技大学 (广州) , 中移信息技术有限公司
IPC: H04W24/02 , H04W4/02 , H04B7/185 , H04B17/391 , H04B17/373
Abstract: 本申请提供一种基于无人机辅助的低功耗广域网通信的链路状态优化方法，该方法包括：获取当前时刻的无人机的惯性测量单元的当前姿态信息；根据当前姿态信息，确定无人机辅助的低功耗广域网通信的链路模型；根据当前姿态信息，预测下一时刻无人机的接收机和发射机之间的预测距离及预测姿态信息；根据预测距离、预测姿态信息、当前姿态信息及链路模型预测未来的链路质量；根据未来的链路质量确定是否更新传输参数配置。该方案可以预估通信的链路变化，进而对通信节点的参数配置进行调整，从而达到通信质量的保证。
-
公开(公告)号：CN107171879B
公开(公告)日：2020-01-07
申请号：CN201610128180.0
申请日：2016-03-07
Applicant: 中移信息技术有限公司
Abstract: 本发明提供了一种在线计费接口消息的检测方法及装置，解决现有人工检测DCC消息方式存在的测试结果不全面、不准确、工作量巨大等问题。本发明的方法包括：从在线计费接口文件中分割出Diameter信用控制DCC消息原始码文件；根据预先配置的筛选规则，从所述DCC消息原始码文件中筛选出所需的消息样本；根据预设测试标准对所述消息样本进行检测处理，得出检测结果。本发明有效解决了现阶段人工测试存在的巨大人力和时间成本问题，同时解决了测试结果不全面、存在人为误差的问题，满足功能和效率的要求，具有很强的实用性。
-
公开(公告)号：CN105824746B
公开(公告)日：2018-09-25
申请号：CN201510005938.7
申请日：2015-01-05
Applicant: 中移信息技术有限公司
IPC: G06F11/36
Abstract: 本发明公开了一种基于用例依赖关系自动生成测试调度的方法和装置，其中所述方法包括：获取预设测试任务所需的测试用例；获取测试用例之间的依赖关系及前置依赖类型，并根据所述前置依赖类型，为同顶级的多个测试用例设置优先级，所述同顶级表示依赖于同一个前置用例；根据测试用例间的依赖关系以及测试用例的优先级，生成测试调度。本发明实施例提供的自动生成测试调度的方法通过管理简单的用例关系和前置依赖类型，即可自动生成测试调度，同时可消除测试过程中的缺陷误报，提升调度执行的可靠性，提升测试结果分析的效率，进而提高自动化测试工作的准确性与效率。
-
公开(公告)号：CN118261224A
公开(公告)日：2024-06-28
申请号：CN202410350410.2
申请日：2024-03-25
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06N3/08 , G06N3/045 , G06F18/25 , G06F18/214
Abstract: 本申请公开了一种多模态联合学习方法、装置、设备、可读存储介质及产品，涉及计算机技术领域，包括：获取训练数据与待训练的多模态学习模型，其中，所述多模态学习模型包括融合网络与任务网络；获取所述训练数据中每一种单模态数据对应的字节序列，将每一所述字节序列输入至所述多模态学习模型中，通过所述融合网络确定所有所述字节序列对应的融合嵌入向量；通过任务网络确定所述融合嵌入向量对应的处理结果，基于所述处理结果调整所述融合网络与所述任务网络的网络参数，返回执行将每一所述字节序列输入至所述多模态学习模型的步骤，直至满足预设的迭代终止条件。本申请降低了实现多模态联合学习所需的计算机系统资源耗费。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.034 seconds)
