-
公开(公告)号：CN118917412A
公开(公告)日：2024-11-08
申请号：CN202410894307.4
申请日：2024-07-04
Applicant: 北京京航计算通讯研究所
IPC: G06N5/04 , G06N3/0985 , G06N3/0455 , G06N3/048
Abstract: 基于超参数智能寻优的感知模型自推荐方法及装置，大大提升了超参数优化过程中的计算效率与吞吐量，允许模型在大规模数据集和复杂任务中快速迭代，降低了对计算资源的依赖，从而满足了现代AI系统对于高效能和快速响应的需求，显著加速了超参数搜索进程，减少了实际训练开销，使得优化过程更加灵活经济，有助于在有限的时间和资源下探索更广阔的超参数空间。方法包括：(1)设计基于Transformer编码器的策略网络；(2)构建目标性能预测模型；(3)采用近端策略优化算法进行超参数优化。
-
公开(公告)号：CN118690064A
公开(公告)日：2024-09-24
申请号：CN202410839092.6
申请日：2024-06-26
Applicant: 北京京航计算通讯研究所
IPC: G06F16/9035 , G06F16/9038
Abstract: 一种高可信部件模型智能匹配与自推荐方法及装置，能够大幅度提高部件模型智能匹配与推荐的准确率。方法包括：(1)获取面向型号产品设计领域的部件需求；(2)开展部件模型数据智能匹配技术研究，通过FP‑Growth方法实现部件数据之间的关联分析，对部件参数、所属型号、产品层级、历史质量问题、研制时间、研制人员多个维度的属性之间的关联性进行挖掘分析，查找具有强关联性的属性；(3)通过协同过滤算法完成依据设计师的感兴趣程度对部件进行排序，同时结合FP‑Growth方法获得部件之间的相关性，生成一个满足用户需求的高可信的部件模型匹配和推荐列表；(4)在用户发起请求后进行自推荐。
-
公开(公告)号：CN114064487B
公开(公告)日：2024-09-24
申请号：CN202111369107.X
申请日：2021-11-18
Applicant: 北京京航计算通讯研究所
IPC: G06F11/36 , G06N3/045 , G06N3/0442
Abstract: 本发明公开了一种代码缺陷检测方法，属于软件测试技术领域，能够提高代码缺陷检测的准确率。方法包括：根据预设切片准则对待识别代码进行切片处理，得到待检测切片代码段；输入所述待检测切片代码段至预设代码缺陷检测模型，将所述预设代码缺陷检测模型的输出结果作为代码缺陷检测结果；其中，所述预设代码缺陷检测模型是通过对训练阶段的各切片代码段中的语句语义向量和语句类型向量进行分段学习，得到的网络模型。
-
公开(公告)号：CN118643062A
公开(公告)日：2024-09-13
申请号：CN202410673594.6
申请日：2024-05-28
Applicant: 北京京航计算通讯研究所
IPC: G06F16/2455 , G06F16/332 , G06F40/30 , G06F18/22 , G06F16/36 , G06F17/16 , G06F17/18 , G06N3/084
Abstract: 本发明涉及一种面向航天装备的质量分析方法，属于语义处理技术领域，解决了现有技术中质量分析的效率和准确度不高的问题。该方法包括：S1、将待分析数据传入训练好的多模态嵌入模型中，得到待分析特征向量；根据最新的用户交互数据更新多模态相关性矩阵得到实时相关性矩阵；S2、根据待分析特征向量和实时相关性矩阵，利用HNSW图输出检索结果；S3、将待分析数据和选择的检索结果传入训练好的大语言模型中，根据提交的问题输出问题答案；如果问题答案被认可，则作为质量分析结果；否则，获取补充数据并作为新的待分析数据，迭代执行步骤S1‑S3，直至得到质量分析结果。实现了对航天装备数据高效准确的质量分析。
-
公开(公告)号：CN114328265B
公开(公告)日：2024-08-06
申请号：CN202210008623.8
申请日：2022-01-05
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种软件安全性分析方法及系统，属于软件开发和测试技术领域，解决了现有技术中软件安全性分析方法分析结果准确率低、可靠性差的问题。该方法包括：建立软件失效数据知识库；基于所述软件失效数据知识库，根据目标软件的需求文档和/或软件系统关键词为所述目标软件匹配相应的软件失效模式，根据所述软件失效模式更新所述目标软件的需求文档。该方法提高了软件安全性分析的效率和质量，进而减低软件质量风险。
-
Patent Agency Ranking
公开(公告)号：CN118378237A
公开(公告)日：2024-07-23
申请号：CN202410513392.5
申请日：2024-04-26
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种基于开发平台的微服务组件动态鉴权方法，属于微服务技术领域，解决了现有微服务组件的授权控制不灵活且精细度不高的问题。该方法包括：基于开发平台申请项目时，根据项目信息和选择的各组件生成项目工程和授权文件；选择的各组件中包括鉴权组件；项目工程部署运行时，鉴权组件装载授权文件并验证自身是否具备基础授权，如果具备，其它运行组件将生成的身份令牌与其在服务注册中心注册的服务名称一起作为待验证的组件信息发送给鉴权组件；鉴权组件获取服务注册中心的服务实例信息，对待验证的组件信息进行验证，对未授权的运行组件的服务实例和超过实例授权数的服务实例进行强制下线。实现了对微服务组件的动态授权和精细化控制。
-
公开(公告)号：CN118365207A
公开(公告)日：2024-07-19
申请号：CN202410569235.6
申请日：2024-05-09
Applicant: 北京京航计算通讯研究所
IPC: G06Q10/0639 , G06Q10/105 , G06N20/00
Abstract: 本发明涉及一种基于训练大数据的指挥管理人员评价系统，包括数据采集层、数据存储层、数据分析层和数据展示层；数据采集层用于对接入的多源训练大数据进行抽取、转换与数据集成，得到对指挥管理人员进行能力画像所需的多维画像源数据；数据存储层，用于对多维画像源数据进行存储和管理；数据分析层，用于根据数据存储层中的多维画像源数据进行指挥管理人员的画像分析，量化出包括表彰情况、任职经历、实操情况、装备使用、训练能力与考核能力在内的多维能力标签；数据展示层，用于根据量化出的多维能力标签进行指挥管理人员能力画像的展示。本发明对指挥管理人员进行能力画像，全面、客观和综合评价指挥管理人员能力。
-
公开(公告)号：CN113987477B
公开(公告)日：2024-07-19
申请号：CN202111247976.5
申请日：2021-10-26
Applicant: 北京京航计算通讯研究所
IPC: G06F21/55
Abstract: 一种分布式AI系统的防投毒方法和系统，方法包括：接收各客户端节点发送的提交数据，基于提交数据更新中心模型，根据中心模型的误差与预期误差的差距判断当前系统是否存在中毒迹象，若否，则根据预定的策略对中心模型做镜像并通知各客户端节点清空缓存并重新进行数据缓存，缓存数据包括客户端节点的原始数据、处理算法和中间数据；否则，获取上一次模型镜像到当前时刻所有提交数据的客户端节点，并将该客户端节点作为风险节点，根据中心模型的误差与预期误差的差距计算风险节点的风险概率，基于风险概率获取风险节点的累计风险概率，根据累计风险概率对风险节点进行巡检，若存在中毒节点则将中毒节点下线，将中心模型恢复为上一次镜像的模型。
-
公开(公告)号：CN118316661A
公开(公告)日：2024-07-09
申请号：CN202410365178.X
申请日：2024-03-28
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种利用VI‑ADP算法的最优联合DoS攻击的调度方法，包括：基于Markov合作博弈得到攻击者最大程度降低分布式网络化控制系统性能的攻击策略；建立分布式网络化控制系统受到攻击过程中，攻击者的攻击策略与攻击目标达成的迭代关系；迭代关系中攻击者每步采用的攻击策略都与对应的目标函数对应，直到达成攻击目标；基于迭代关系建立VI‑ADP的调度算法模型对最优联合DoS攻击进行调度；调度算法模型中包括的评价网络以Markov合作博弈中当前时刻状态和攻击策略集合作为输入，对攻击策略进行评价；执行网络以Markov合作博弈中的下一时刻状态为输入得到逼近的攻击策略。本发明从攻击者角度出发分析分布式NCSs的安全性，并解决最优联合DoS攻击调度中高维合作博弈的计算难题。
-
公开(公告)号：CN117743719B
公开(公告)日：2024-07-09
申请号：CN202311783222.0
申请日：2023-12-22
Applicant: 北京京航计算通讯研究所
IPC: G06F16/958 , G06F8/38 , G06F18/243 , G06F18/241 , G06N20/20 , G06N3/084
Abstract: 本发明涉及一种页面元素的识别方法，属于前端网页设计技术领域，解决现有网页元素识别方法的准确性低、效率低的技术问题。该方法包括收集真实前端页面元素进行预处理，得到真实样本集；基于所述真实样本集，对随机函数优化的生成对抗网络模型进行训练，得到训练好的生成对抗网络模型；基于训练好的生成对抗网络模型中的生成器获取生成样本集；将所述真实样本集和所述生成样本集组成训练样本集；基于所述训练样本集训练元素识别模型，达到预定训练迭代次数后得到训练好的元素识别模型；获取真实前端页面元素，基于训练好的元素识别模型，得到真实页面元素的识别结果。实现了前端页面元素自动化识别。
-
-
-
-
-
-
-
-
-
Search Results
551
records
(took 0.052 seconds)
