-
公开(公告)号：CN115159606A
公开(公告)日：2022-10-11
申请号：CN202210959047.5
申请日：2022-08-10
Applicant: 浙江大学
IPC: C02F1/04 , C02F1/14 , C02F1/58 , C02F101/30
Abstract: 本发明公开了一种利用太阳能光热催化处理有机污水的方法，将具有光热水蒸发和催化降解有机污染物双功能的MOF衍生金属氧化物/C复合材料置于亲水无纺布包裹的聚苯乙烯泡沫隔热材料表面，构建可浮于水面的太阳能水蒸发器，在太阳光照射下，所述MOF衍生金属氧化物/C复合材料的表面产生热量促使水分蒸发，同时有机污染物随水输送至所述MOF衍生金属氧化物/C复合材料进行光热催化降解，实现有机污水中有机污染物的降解及清洁水的获取。本发明的MOF衍生金属氧化物/C复合材料实现了在光热水蒸发获取清洁水的过程中，有效处理有机污染物，降低二次污染，可用于处理多组分复杂的有机污水。
-
公开(公告)号：CN114580659A
公开(公告)日：2022-06-03
申请号：CN202210176359.9
申请日：2022-02-25
Applicant: 浙江大学
Abstract: 本发明公开了一种基于模型特征信息增强的BERT模型融合方法，该方法首先对所有的原模型进行部分模型融合，生成对应的中间模型，这些中间模型包含了原模型的特征信息，对原有模型进行了增强。然后对原有模型和中间模型共同进行模型融合，生成最终的新模型本发明通过增强原模型的特征信息，使得融合后的新模型可以获取到更多原模型相关的特征信息，进而提高了融合后新模型的表现效果。相比于直接对原有模型进行融合，本方法通过引入中间模型对原有模型进行增强，可以有效地提升原模型的特征信息，进而提高融合后新模型的表现效果。
-
公开(公告)号：CN114580352A
公开(公告)日：2022-06-03
申请号：CN202210223992.9
申请日：2022-03-09
Applicant: 浙江大学
IPC: G06F40/126 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于浅层特征预计算的神经网络推理加速方法，该方法首先获取预训练神经网络，根据输入文本，使用预训练神经网络将输入文本进行编码；然后根据所述预训练神经网络，构建浅层特征可预计算神经网络，根据输入文本，使用浅层特征可预计算神经网络将输入文本进行编码；再使用所述浅层特征可预计算神经网络拟合预训练神经网络的中间层特征，训练浅层特征可预计算神经网络；再根据所述浅层特征可预计算神经网络，构建浅层特征查询表；最后使用上述浅层特征查询表替换浅层特征可预计算神经网络的浅层神经网络。本发明可以用于新闻分类、情感分析、问答系统等人工智能领域任务。
-
公开(公告)号：CN114461307A
公开(公告)日：2022-05-10
申请号：CN202111479640.1
申请日：2021-12-06
Applicant: 浙江大学
Abstract: 本发明公开提供了一种java‑lua混合方法调用栈的获取方法及装置，该方法首先获取目标应用程序的java方法调用栈；然后获取LuaJ虚拟机，通过LuaJ虚拟机获取lua调用栈数据，进而将获取的java方法调用栈按照特定java调用lua脚本栈帧位置与lua方法调用栈进行数据缝合处理，基于缝合后方法调用栈可以确定该目标的java‑lua应用程序更完整的方法调用栈。本发明能够获取到更全面的性能分析数据，有利于提高对应用程序的性能分析准确性。
-
公开(公告)号：CN111581957B
公开(公告)日：2022-04-12
申请号：CN202010371816.0
申请日：2020-05-06
Applicant: 浙江大学
IPC: G06F40/279 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于金字塔层级网络的嵌套实体检测方法，属于自然语言处理技术领域。该嵌套实体检测方法包括：(一)对单词进行编码获得词向量，将词向量作为仅包含单个单词的文本区域的表示输入第一个解码层；(二)当前解码层对输入的每个文本区域的表示进行命名实体识别，将相邻的两个文本区域的表示被合并为一个新的文本区域的表示，输入到下一解码层，重复该步骤直到次数达到预设的层数或输入文本的长度；(三)对应于上述金字塔层级网络，使用合适的优化方法进行训练；(四)将待检测文本输入训练好的金字塔层级网络，获得命名实体识别结果。本发明的基于金字塔层级网络的嵌套实体检测方法可以解决命名实体识别中存在实体嵌套的问题。
-
Patent Agency Ranking
公开(公告)号：CN111475500B
公开(公告)日：2022-04-12
申请号：CN202010279614.3
申请日：2020-04-10
Applicant: 浙江大学
IPC: G06F16/215
Abstract: 本发明公开了一种自动发现审计规则和异常数据的方法。该方法先将审计的数据集按照属性类型分成分类属性和数值属性，用户再分别给定分类属性的最小支持率和数值属性的偏移率，然后在分类属性中选出支持率高于最小支持率的候选分类属性和属性值；再根据属性类型生成候选属性集，从而获取审计规则；最后根据获取的审计规则，依次对收集的审计数据集进行筛选，选出符合审计规则中满足条件约束的，而派生属性的属性值不在正常值范围内的数据，即为异常数据。该自动发现审计规则和异常数据方法能够有效地提高审计效率，降低审计成本。
-
公开(公告)号：CN113657608A
公开(公告)日：2021-11-16
申请号：CN202110894759.9
申请日：2021-08-05
Applicant: 浙江大学
IPC: G06N20/00 , G06F21/60 , G06F16/27 , G06F16/182
Abstract: 本发明公开了一种激励驱动的区块链联邦学习方法，任务发布节点根据自身需求通过区块链部署一个联邦训练任务智能合约，任务发布后，训练节点以及验证节点访问区块链，向智能合约获取任务状态，根据自身条件选择报名参与训练或者验证过程。报名完成后，训练节点通过文件句柄下载模型文件，然后利用本地数据进行训练，训练完成后将模型上传至分布式文件系统，然后将文件句柄上传至智能合约。验证节点通过智能合约中的本地模型文件句柄下载对应的模型进行聚合和评估，完成后上传评估结果以及聚合模型。待全部验证节点上传结果后，智能合约比对评估结果。本发明增加了联邦学习系统灵活性以及抵抗恶意攻击的能力，能够应对各种不信任环境。
-
公开(公告)号：CN113657607A
公开(公告)日：2021-11-16
申请号：CN202110894758.4
申请日：2021-08-05
Applicant: 浙江大学
Abstract: 本发明公开了一种面向联邦学习的连续学习方法。联邦学习服务端和各个客户端在确定学习任务后，通过搜集若干个与任务类型匹配的无隐私问题的公开数据集，各自独立地构建一份辅助数据集，用于后续训练过程；客户端借助知识蒸馏损失让本地模型在学习新任务的同时学习辅助数据集以及辅助标签，从而减少对旧知识的遗忘；服务端借助知识蒸馏损失让聚合模型同时学习辅助数据集以及辅助标签，从而减少模型在聚合过程中产生的遗忘。本发明在隐私安全且通信代价小的基础上，提升了联邦模型的连续学习能力。
-
公开(公告)号：CN109145121B
公开(公告)日：2021-10-29
申请号：CN201810778978.9
申请日：2018-07-16
Applicant: 浙江大学
Abstract: 本发明公开了一种时变图的快速存储查询方法。将时变图数据分为结构和属性数据，将结构数据变成带关系节点的网络图模型；使用日志结构存储时变图的属性数据，建立日志属性模型；根据时变图的结构数据存储模型和属性数据存储模型建立时变图查询模型，对输入数据分类执行到网络图模型和日志属性模型对应的不同物理存储中并执行查询并行化，并且构建图数据库和文档数据库的底层数据存储和特殊的上层查询封装进行查询。本发明建立了通用的上层存储模型，并设计了时变图数据的查询，发明相比传统方法在实体状态和历史属性值查询上有显著的查询效率，在历史属性值的存储空间上也有显著的节省。
-
公开(公告)号：CN113032390A
公开(公告)日：2021-06-25
申请号：CN202110162262.8
申请日：2021-02-05
Applicant: 浙江大学
IPC: G06F16/22
Abstract: 本发明公开了一种内存数据库中的工作负载自适应学习型索引方法。该方法结合基数树和具有最大误差界的分段线性模型，通过机器学习模型利用数据分布来降低索引的内存占用，同时保持稳定的查询性能。在此基础上，使用一种高效的插入缓冲来降低数据插入更新的成本，同时为了缓解数据插入对索引性能的影响，使用两种工作负载自适应的重组优化方法，有针对性地对工作负载中点查询和范围查询涉及的热点数据进行优化。该方法具有较高的构建效率和较低的内存占用，也保证了相对高效的查询性能，并且能够很好地支持插入和更新；同时通过感知查询工作负载有针对性地进行重组优化，以较低的代价降低了插入对于索引性能的影响。
-
-
-
-
-
-
-
-
-
Search Results
189
records
(took 0.057 seconds)
