-
公开(公告)号：CN1858722A
公开(公告)日：2006-11-08
申请号：CN200610011704.4
申请日：2006-03-31
Applicant: 清华大学
Abstract: 本发明涉及SRAM工艺FPGA的设计安全性问题，其特征在于：在FPGA电路中增加一个异步采样环节，随机地使密钥选择状态机从FPGA内密钥表中去选择FPGA密钥，同时也使发送给CPLD的密钥跳转指示是一个随机序列，增强了设计安全性；同时，分别在FPGA和CPLD中增加了M序列解密和加密电路，使CPLD向FPGA传送的密钥，先经过M序列加密，提高了系统的抗攻击能力；同时，应用密钥状态的跳转，使得剽窃者需要破解状态机的个数以及无规律的状态机的跳转方式，增加了破译的难度。
-
公开(公告)号：CN1553577A
公开(公告)日：2004-12-08
申请号：CN200310121721.X
申请日：2003-12-19
Applicant: 清华大学
Abstract: 本发涉及一种时序逻辑数字电路的设计方法，属于数字电路设计技术领域。本方法首先设时序逻辑数字电路中共有s种状态，向时序逻辑数字电路输入的条件共有m种，时序逻辑数字电路的动作有p种；建立用以描述上述s种状态中的任意两种状态之间转移的索引表；建立状态、动作与条件之间的索引表。本发明方法的优点是：将已有数字电路系统中的串行状态机转化为并行状态机，使其适应数字电路系统中的并行技术，利用本发明方法可以高效，准确地设计时序逻辑数字电路。
-
公开(公告)号：CN115631622B
公开(公告)日：2024-11-26
申请号：CN202211153883.0
申请日：2022-09-21
Applicant: 清华大学
IPC: G08G1/01 , G06N3/08 , G06N3/0464 , G06N3/049
Abstract: 本发明涉及城市计算领域，提供一种交通状态预测方法、装置、电子设备及存储介质，方法包括：接收历史时段内的第一交通状态数据；基于第一交通状态数据分别进行时空相关性提取和时域变化提取，并基于时空相关性提取的结果和时域变化提取的结果，确定未来时段内的第二交通状态数据。由于可以基于第一交通状态数据分别进行时空相关性提取和时域变化提取，能够获取第一交通状态数据中隐藏的非线性特征和时空关联性特征，使得输出数据可靠性更高，提高了交通状态预测结果的精度，解决了现有的交通状态预测方法预测结果精度低的问题。
-
公开(公告)号：CN115761519B
公开(公告)日：2024-08-06
申请号：CN202211153765.X
申请日：2022-09-21
Applicant: 清华大学
Abstract: 本发明涉及城市计算技术领域，尤其涉及一种指标预测方法、装置、设备、存储介质及程序产品。方法包括：获取目标区域的街道网络图数据，其中，所述街道网络图数据包括至少一个街道节点；获取所述目标区域对应的至少一张卫星图像，其中，每一张所述卫星图像包括至少一个所述街道节点；获取所述目标区域对应的至少一张街景图像，其中，每一张所述街景图像对应一个所述街道节点；基于每一个所述街道节点分别对应的所述卫星图像和所述街景图像，计算每一个预设指标标签分别对应的指标预测概率。本发明用以解决现有技术中对图像分析处理的效果较差，通过图像获得的信息准确性较低的缺陷，提升对图像处理的效果。
-
公开(公告)号：CN115860179B
公开(公告)日：2024-07-16
申请号：CN202211358510.7
申请日：2022-11-01
Applicant: 清华大学
IPC: G06Q10/04 , G06N5/02 , G06N20/00 , G06F16/9537 , G06Q50/26
Abstract: 本发明涉及城市计算技术领域，尤其涉及一种轨迹预测方法、装置、设备、存储介质及程序产品。方法包括：获取至少一个用户轨迹移动的历史数据，以及获取空间位置和/或时间节点之间的多步路径规则，其中，历史数据包括历史上空间位置和/或时间节点之间的直接访问路径；根据历史数据，构建时空知识图谱；将任意一个用户的预测时间节点和/或前次访问位置输入轨迹预测嵌入模型，获得轨迹预测嵌入模型输出的预测空间位置，其中，轨迹预测嵌入模型基于时空知识图谱和多步路径规则训练得到。本发明用以解决现有技术中忽略时间和/或空间位置之间复杂的依赖关系，导致轨迹预测结果准确性较低的缺陷，实现更准确的轨迹预测。
-
Patent Agency Ranking
公开(公告)号：CN113591366B
公开(公告)日：2024-07-16
申请号：CN202110699665.6
申请日：2021-06-23
Applicant: 清华大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明提供一种通勤数据生成方法及系统，其中方法包括：确定待生成通勤数据的目标城市人口普查数据；将所述待生成通勤数据的目标城市人口普查数据输入至通勤数据生成模型，得到所述通勤数据生成模型输出的目标城市通勤数据；其中，所述通勤数据生成模型是基于源城市通勤数据及历史保存的人口普查数据对分别划分为若干区域的源城市和目标城市的地图数据构建的图神经网络模型进行自适应对抗训练后得到的。本发明实现了在人口移动数据缺乏的目标城市生成可靠准确的通勤数据。
-
公开(公告)号：CN115757806B
公开(公告)日：2024-05-28
申请号：CN202211154145.8
申请日：2022-09-21
Applicant: 清华大学
IPC: G06F16/36 , G06F16/901 , G06N20/00
Abstract: 本发明提供一种超关系知识图谱嵌入方法、装置、电子设备及存储介质，其中，所述方法包括：获取待嵌入超关系知识图谱；基于属性展开操作，将所述待嵌入超关系知识图谱转化为与所述待嵌入超关系知识图谱对应的知识图谱，其中，所述知识图谱中包括多个事实；基于与所述事实对应的事实多元组，得到与所述事实多元组对应的训练样本集；基于所述训练样本集训练表征模型，得到训练后表征模型；将所述待嵌入超关系知识图谱输入至所述训练后表征模型，得到所述训练后表征模型输出的嵌入后超关系知识图谱。通过本发明提高了嵌入后的超关系知识图谱的表达能力和预测效果。
-
公开(公告)号：CN115618960B
公开(公告)日：2024-04-19
申请号：CN202211153907.2
申请日：2022-09-21
Applicant: 清华大学
IPC: G06N20/00
Abstract: 本发明提供一种联邦学习优化方法、装置、电子设备及存储介质，其中，所述方法包括：在当前轮次的联邦学习中，获取并下发上一轮次全局模型、上一轮次全局梯度估计和上一轮次二阶信息估计矩阵至多个客户端；接收并基于客户端上传的本地梯度和本地模型得到第一次更新后全局梯度估计和第一次更新后全局模型；将第一次更新后全局模型和第一次更新后全局梯度估计下发至客户端；接收并基于客户端上传的更新后本地梯度和更新后本地模型得到第二次更新后全局梯度估计和第二次更新后全局模型，并将第二次更新后全局模型和第二次更新后全局梯度估计下发至客户端，用于下一轮次的联邦学习。通过本发明提高了联邦优化算法的收敛速度。
-
公开(公告)号：CN117217325A
公开(公告)日：2023-12-12
申请号：CN202211508007.5
申请日：2022-11-29
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
IPC: G06N20/00 , G06F16/9535 , G06N3/08
Abstract: 公开了一种媒体内容推荐模型训练方法和装置。该媒体内容推荐模型训练方法包括：获取多个对象的数据集；对多个交互记录进行分组，使得同一组内媒体内容时长在同一预设范围内；针对每一个交互记录，基于从多个交互记录中采样的第一交互记录构建第一训练样本对；针对每组交互记录中每一个交互记录，基于从该组交互记录中采样的第二交互记录构建第二训练样本对；至少基于第一训练样本对计算第一损失，且至少基于第二训练样本对计算第二损失；基于第一损失和第二损失，确定媒体内容推荐模型的目标损失；基于目标损失，对媒体内容推荐模型的参数进行迭代更新直至满足预设条件。
-
公开(公告)号：CN116361551A
公开(公告)日：2023-06-30
申请号：CN202310256862.X
申请日：2023-03-08
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06F18/214
Abstract: 本公开提供了一种内容项推荐模型的训练方法、内容项推荐方法及装置，属于计算机技术领域。方法包括：基于样本训练数据，对基于有标签的样本预训练数据预训练得到的内容项推荐模型进行无监督训练，得到所述样本训练数据的反向加权损失；基于所述反向加权损失的正向梯度和反向梯度，对所述内容项推荐模型分别进行更新，得到第一临时模型和第二临时模型；基于样本测试数据和所述样本测试数据的标签信息，对所述内容项推荐模型、所述第一临时模型以及所述第二临时模型进行训练，得到目标推荐模型。该方法能够提高内容项推荐模型的推荐内容项的准确性，提升内容项推荐模型的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
245
records
(took 0.06 seconds)
