-
公开(公告)号：CN114842277B
公开(公告)日：2024-12-17
申请号：CN202210398479.3
申请日：2022-04-15
Applicant: 中国科学院信息工程研究所
IPC: G06V10/771 , G06V10/774 , G06V10/778
Abstract: 本发明公开了一种基于伪增益类别再平衡的半监督目标检测方法及平台，所述方法包括：建立训练数据集S0，所述训练数据集S0包括：标注样本和若干未标注样本；基于所述标注样本进行监督学习，得到目标检测器M0；根据目标检测器Mi对训练数据集Si中未标注样本的推理结果，计算训练数据集Si中各未标注样本的伪增益分数，以在训练数据集Si中选取K个未标注样本进行人工标注，得到训练数据集Si+1；直至标注完所有未标注样本后，获取目标检测器M；基于所述目标检测器M对待检测图片进行目标检测。本发明基于伪增益的样本挖掘策略获得分布均衡且信息含量丰富的数据集，使得未标注数据中的信息利用程度最大化。
-
公开(公告)号：CN118741527A
公开(公告)日：2024-10-01
申请号：CN202411199241.3
申请日：2024-08-29
Applicant: 中国科学院信息工程研究所
IPC: H04W12/121 , H04W24/08
Abstract: 本发明公开了一种5G专网核心网安全监测的方法及系统，属于网络安全领域。本发明对5G专网的N1、N2和N4接口进行监测，从AMF、SMF网元处捕获流量，解析得到NAS、NGAP和PFCP信令；通过信令数据包的深度解析，生成xDR话单，并进行周期性地信令统计计数；基于xDR话单进行异常信令监测、异常终端监测、网络状态监测和异常网元监测，基于信令统计计数进行信令风暴监测，基于模型进行未知异常监测，输出监测结果。本发明可以对5G专网核心网中的NAS、NGAP、PFCP信令进行深入细致地安全监测，对5G专网核心网环境进行有效地防护。
-
公开(公告)号：CN114880582B
公开(公告)日：2024-09-13
申请号：CN202210373353.0
申请日：2022-04-11
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9536 , G06F18/2433 , G06F18/27 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种用户项目推荐方法，其步骤包括：1)从训练数据集中选取一已观测用户/项目对(u,p)并将其输入到推荐系统模型M，得到用户u与项目p的相似性分数s(u,p)；2)选取一未观测用户/项目对(u,n)并将其输入到模型M，得到用户u与项目n的相似性分数s(u,n)；3)利用损失函数#imgabs0#计算得到损失值#imgabs1#；然后根据所得损失值#imgabs2#采用反向传播算法对模型M进行优化；bu为用户u对应的辅助分数；4)对于一预测项目x，则其输入到训练好的模型M中，若相似性分数s(u,x)大于bu，则将项目x推荐给该用户u。
-
公开(公告)号：CN118509527A
公开(公告)日：2024-08-16
申请号：CN202410962604.8
申请日：2024-07-18
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种5G核心网多维KPI时间序列的异常检测方法及系统，属于网络安全领域。本发明通过采集5G核心网中的数据包并对其进行解析，识别消息类型和进行KPI统计计数来生成多维KPI时间序列，然后对多维KPI时间序列进行离线处理生成KPI的筛选结果，再通过在线处理基于前述筛选结果筛选KPI时间序列并进行异常检测。本发明实现了在没有标注信息的情况下检测多维KPI时间序列中的多种异常，解决现有的KPI检测方法无法适用于5G核心网中多维KPI的问题。
-
公开(公告)号：CN118350480A
公开(公告)日：2024-07-16
申请号：CN202410394143.9
申请日：2024-04-02
Applicant: 中国科学院信息工程研究所
IPC: G06N20/00 , G06F18/213 , G06F18/214 , G06F18/24 , G06F21/62
Abstract: 本发明公开一种基于元知识进行数据增强的联邦学习方法及系统，属于联邦学习技术领域。所述方法包括第一阶段执行传统的联邦学习训练以及第二阶段的利用特征协方差矩阵来捕获类语义特征变换并据此进行数据增强的联邦学习训练。本发明可以减小联邦学习中不同客户端之间的特征差异，得到性能更优的模型。
-
Patent Agency Ranking
公开(公告)号：CN114048395B
公开(公告)日：2024-07-05
申请号：CN202111305785.X
申请日：2021-11-05
Applicant: 中国科学院信息工程研究所
IPC: G06F18/25 , G06F18/15 , G06F18/22 , G06F40/194 , G06F40/30 , G06N3/0455 , G06N3/0442 , G06F16/9536 , G06Q50/00 , G06F123/02 , G06N3/048
Abstract: 本发明涉及一种基于时间感知与关键信息抽取的用户转发预测方法和系统。该方法的步骤包括：根据用户与目标推文的原作者的全部历史发布内容的相关性，以及用户与原作者发布内容所关注的主题随时间迁移的特性，得到融合用户及原作者的全局和层级历史内容后的目标推文特征表示；使用Topk‑Mask机制动态地抽取用户的朋友圈信息关键词，使用Tweet‑Mask机制学习用户的每条朋友圈推文的权重，并将两种机制输出的结果合并，得到用户的朋友圈特征表示；根据融合用户及原作者的全局和层级历史内容后的目标推文特征表示，以及用户的朋友圈特征表示，预测用户是否会对目标推文进行转发。本发明能够有效提高用户转发预测的准确率。
-
公开(公告)号：CN117786054A
公开(公告)日：2024-03-29
申请号：CN202311267037.6
申请日：2023-09-27
Applicant: 中国传媒大学 , 中国科学院信息工程研究所
IPC: G06F16/332 , G06F16/33 , G06F16/383 , G06F16/583 , G06F16/58 , G06N3/0455 , G06N3/042 , G06N5/04
Abstract: 本发明提供一种基于提示学习的生成式文本视觉问答方法及系统，其中的方法包括：对以文本为中心的多模态采样数据进行预处理，以提取所述多模态采样数据中每种模态的特征作为训练数据；利用所述训练数据训练基于提示学习的生成式文本视觉问答模型，其中包括：利用Transformer编码器对所述每种模态的特征进行跨模态交互，以生成所述多模态采样数据的特征向量；利用Transformer解码器将文本视觉问答建模为完形填空任务，通过所述完形填空任务对所述特征向量进行文本视觉问答处理，以文本序列的形式生成答案；模型处理文本视觉问答任务。利用本发明，能够极大地激发预训练语言模型的潜能，同时避免它可能带来的语言偏见。
-
公开(公告)号：CN113627479B
公开(公告)日：2024-02-20
申请号：CN202110775393.3
申请日：2021-07-09
Applicant: 中国科学院信息工程研究所
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于半监督学习的图数据异常检测方法。本方法为：1)数据分批采样模块将图数据样本进行分批，然后对于每一批图数据样本，以每一图数据样本中的每个边为目标边，依据设定采样跳数h以及每跳所要选取的边数Si对该目标边的邻居进行采样，得到该目标边的h阶邻域信息；2)利用边卷积神经网络依次对每一阶邻域信息加权求和，实现对目标边的邻域信息融合；重构该目标边并计算重构误差；若该目标边的重构误差超过设定阈值，则判定该目标边为异常；3)基于重构误差设计异常检测模型的损失函数，并利用步骤2)处理后的结果对图数据样本的边进行标注后训练异常检测模型；4)利用训练后的异常检测模型对待检测的图数据进行检测。
-
公开(公告)号：CN112380835B
公开(公告)日：2024-02-20
申请号：CN202011078614.3
申请日：2020-10-10
Applicant: 中国科学院信息工程研究所
IPC: G06F40/205 , G06F40/295 , G06F40/30 , G06N3/042
Abstract: 本发明提供一种融合实体和句子推理信息的问题答案提取方法及电子装置，包括：将一问题与若干目标文档拼接，输入预训练语言模型，得到问题表示Q与文档上下文表示C；获取融合文档信息的问题表示Q0与融合问题信息的文档表示C0；依据问题表示Q(t‑1)与文档表示Ct‑1，获取实体图节点集合E(t‑1)与句子图节点集合#imgabs0#并采用图注意力网络对实体图与句子图更新，获取问题表示Q(t)与文档表示Ct；对实体图节点集合E(t)与句子图节点集合#imgabs1#融合并与文档表示Ct交互；依据推理更新后上下文表示C′(t)，获取问题答案预测结果。本发明提出引入句子节点的图神经网络，通过门机制将实体表示与句子表示融合，利用句子级别推理信息弥补实体推理信息的缺失，提升推理阅读理解任务的性能。
-
公开(公告)号：CN117523571A
公开(公告)日：2024-02-06
申请号：CN202311298617.1
申请日：2023-10-09
Applicant: 中国科学院信息工程研究所
IPC: G06V30/14 , G06V30/148 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于对比学习特征增强的场景文字检测方法及装置，该方法包括：构建训练图片集和场景文字检测模型；基于场景文字检测模型对训练图片进行文字检测，并结合标签图，获得文字检测损失；抽取特征融合模块输出的视觉特征图，并基于文字特性进行微调后，结合标签图实施文字特征、背景特征和文本邻接区域特征的抽取和聚合，且对聚合特征进行对比学习的拉近和推远，以得到对比学习损失；根据文字检测损失和对比学习损失进行反向传播，得到训练后的场景文字检测模型；基于训练后的场景文字检测模型获取待检测图片的预测概率图后进行后处理，得到待检测图片中的文字位置。本发明可以在保证推理速度的同时提升检测效果，提高检测精度。
-
-
-
-
-
-
-
-
-
Search Results
227
records
(took 0.08 seconds)
