-
公开(公告)号：CN101118632A
公开(公告)日：2008-02-06
申请号：CN200710121756.1
申请日：2007-09-13
Applicant: 中商流通生产力促进中心有限公司 , 北京工业大学 , 青岛海信智能商用设备有限公司 , 北京雅普兰科技发展有限公司 , 广东亿业科技有限公司
IPC: G06Q30/00
Abstract: 本发明是一种网络税控器断网的数据处理方法，该方法包括：网络税控器获取数据采集模块采集的销售数据，并对该销售数据解析获得销售明细数据，从该销售明细数据提取发票明细数据；网络税控器确认税控卡中具有未使用的发票，则将发票明细数据中的相关数据项发送至税控卡，生成税控防伪码；通过生成的税控防伪码与发票明细数据共同生成税控发票数据，并将生成的税控发票数据存储在网络税控器中。该方法在网络税控器断网状态下，由网络税控器来完成对POS机终端的采集的销售数据进行解析处理、存储，提供处理过程中所需的发票数据，并对生成的税控发票数据进行存储，实现在断网状态下对MIS系统以票控税的连续性，保证了网络税控系统以票控税的准确性。
-
公开(公告)号：CN119094158A
公开(公告)日：2024-12-06
申请号：CN202411044467.6
申请日：2024-08-01
Applicant: 北京工业大学
IPC: H04L9/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , H04L41/16
Abstract: 本发明提出了一种基于扩散模型的网络攻击样本生成方法，利用一维混合扩散模型对攻击数据进行学习，生成分布相似的新攻击样本。该方法增加了样本量和多样性，提高了物联网系统中的检测精度和鲁棒性，有效应对复杂网络攻击，适用于物联网和工业控制系统的网络安全防护。
-
公开(公告)号：CN118365853A
公开(公告)日：2024-07-19
申请号：CN202410380420.0
申请日：2024-03-30
Applicant: 北京工业大学
IPC: G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种面向电子固体废弃物的双向密集嵌套网络小目标检测方法。该方法针对小尺度目标的特征难以提取，利用双向密集嵌套网络对小目标的特征进行有效提取和融合，从而精准地识别小尺度目标。通过双向密集嵌套的网络结构学习小尺度目标的重要特征，本发明能够显著提高面向电子固体废弃物的小目标的检测精度。特别是在处理不同拍摄条件下电子固体废弃物检测时，本方法能有效克服由于小目标特征少而难以提取的难题，实现对关键信息的准确提取。这不仅提升了小目标检测的准确性，也为废旧家电的有效回收再利用供了强大的技术支持。
-
公开(公告)号：CN117648947A
公开(公告)日：2024-03-05
申请号：CN202311529513.7
申请日：2023-11-16
Applicant: 北京工业大学
IPC: G06N3/042 , G06N3/094 , G06N3/0464 , G06N5/04 , G06F16/901 , G06F40/279 , G06F40/295 , G06F18/22 , G06F40/30 , G06N3/048
Abstract: 本发明公开了一种基于对抗实体图网络实现多跳推理自动问答的方法，构建一个基于图神经网络解决多跳推理自动问答任务的通用框架，并将对抗训练的思想引入模型训练。具体包括：文档构建实体图方法，根据给定自然语言文本段落将其转换为实体图结构；图神经网络嵌入，使用词嵌入模型为实体图节点生成单词级特征的嵌入和上下文级特征的嵌入；图神经网络推理方法，在实体图上使用关系图卷积网络作为不同实体之间信息传递的方法，网络中的结点通过聚合邻居结点的信息来更新自身特征表示；对抗训练，在已经完成嵌入的实体图上添加对抗干扰，以生成全新的对抗实体特征表示；最后，基于对抗实体图网络实现多跳推理自动问答。
-
公开(公告)号：CN115239361A
公开(公告)日：2022-10-25
申请号：CN202210631117.4
申请日：2022-06-06
Applicant: 北京工业大学
Abstract: 本发明针对难以使用同一模型实现对多机型废旧手机进行精准融合定价问题，提出了一种基于宽度集成学习的废旧手机定价方法，通过建立一组基于模糊宽度学习网络的基学习器，提取不同手机机型数据中的知识，并建立基于宽度学习网络的元学习器，利用基学习器提取的信息，融合多机型知识实现废旧手机多机型定价。该方法能够使用同一模型对不同机型手机进行定价，具有较高精度，并使定价结果趋于稳定。
-
Patent Agency Ranking
公开(公告)号：CN114170332A
公开(公告)日：2022-03-11
申请号：CN202111426701.8
申请日：2021-11-27
Applicant: 北京工业大学
IPC: G06T9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764
Abstract: 本发明公开了一种基于对抗蒸馏技术的图像识别模型压缩方法，属于计算机视觉领域。本发明将对抗学习思想引入知识蒸馏中，采用对抗生成网络(GAN)作为框架。将生成器映射为学生模型，真实样本映射为教师模型的知识来进行循环对抗训练。具体包括：采集图像识别数据集并进行类别标注；利用GAN生成图片数据集；选取教师模型并进行训练；采用优化或浓缩小型网络版本选取学生模型；对知识类型进行选取；引入对抗蒸馏算法训练学生模型；实现图像识别任务，解决网络模型参数量大，计算效率低的问题。
-
公开(公告)号：CN114092410A
公开(公告)日：2022-02-25
申请号：CN202111252569.3
申请日：2021-10-27
Applicant: 北京工业大学
Abstract: 一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法，针对废旧手机回收过程中表面缺陷难以精准识别的问题。本发明利用灰度化和索贝尔算子对数据集进行预处理得到清晰的图像数据，构造了一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法实现对表面缺陷的快速准确识别。本发明对不同场景下的手机表面缺陷识别均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
公开(公告)号：CN113487009A
公开(公告)日：2021-10-08
申请号：CN202110675569.8
申请日：2021-06-18
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于RESN‑SOL神经网络的分类方法。本方法主要操作流程如下：首先，采用不敏感损失函数对网络的预测性能进行评估以提高回声状态网络预测模型的鲁棒性；其次，利用输入样本驱动网络模型，采用在线梯度下降法对所建网络模型进行训练；再次，设计稀疏逼近算法将输出权重矩阵中的较小权重逼近为零，以提高网络的稀疏性；最后对数据集中的样本进行分类，使其误差最小化，提高了网络结构稀疏性。本发明利用RESN‑SOL神经网络进行分类，具有分类准确率高、稳定性强、维护成本低、计算时间短等优点。
-
公开(公告)号：CN113486143A
公开(公告)日：2021-10-08
申请号：CN202110569271.9
申请日：2021-05-25
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多层级文本表示及模型融合的用户画像生成方法，利用真实用户的互联网搜索文本，通过文本预处理，分别从不同层级提取文本特征，经不同的神经网络分类，最后将各神经网络预测出的分类结果经二级分类器进行二次分类，以此实现用户特征画像。将真实用户的互联网搜索数据进行分词，分别生成单词级的向量表示，子词级向量表示和字符级向量表示，分别作为输入传入不同的深度神经网络进行分类，每个神经网络分类器的训练阶段皆使用k折交叉验证的方法，最后将每个一级分类模型得到的训练数据和测试数据的预测结果各自进行拼接，作为二级分类器的训练数据和测试数据进行再次分类，实现对互联网用户的准确画像。
-
公开(公告)号：CN107018493B
公开(公告)日：2020-03-27
申请号：CN201710259686.X
申请日：2017-04-20
Applicant: 北京工业大学
IPC: H04W4/02 , H04W64/00 , G06F16/9537 , G06F16/29
Abstract: 本发明公开一种基于连续时序马尔科夫模型的地理位置预测方法，包括：步骤1、对原始的用户轨迹数据进行过滤和聚类，产生一系列的候选地点；步骤2、根据候选地点信息，将用户的轨迹数据转化为[时间T，地点L]序列；步骤3、对每个位置的序列密度进行高斯混合建模，结合转移概率矩阵、序列点概率等信息，对原始的马尔科夫模型进行改进，建立基于连续时序的马尔科夫模型；步骤4、利用基于连续时序的马尔科夫模型对目标时间点的地理位置预测。采用本发明的技术方案，提高了预测准确率。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.026 seconds)
