-
公开(公告)号：CN107895215A
公开(公告)日：2018-04-10
申请号：CN201711396478.0
申请日：2017-12-21
Applicant: 北京理工大学
Abstract: 基于神经网络的社会网络影响力预测及最大化系统与方法，属于网络科学技术领域。包括如下内容：内容一、观察社会网络节点行为属性或使用线性阈值模型，获得节点之间部分的影响力关系。将影响力关系文本化，使用神经网络进行学习。通过得到的神经网络模型对该社会网络影响力进行预测。内容二、对得到的神经网络，使用贪婪算法，求取影响力最大化集合。内容三、对得到的神经网络，使用权重值算法，求取影响力最大化集合。对于影响力最大化研究，传统的方法使用图论、建模等方法进行计算，需要已知社会网络的结构属性。本发明无需知道社会网络结构，利用神经网络对网络节点之间行为进行学习并做出预测，求取影响力最大化。
-
-
公开(公告)号：CN102968506A
公开(公告)日：2013-03-13
申请号：CN201210544232.4
申请日：2012-12-14
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于扩展特征向量的个性化协同过滤推荐方法，属于计算机机器学习领域。其具体操作过程为：①确定用户/物品的扩展特征向量。②计算候选推荐物品的推荐值。③对候选推荐物品的推荐值按照从大到小的顺序进行排序。④选取前N个物品推荐给用户u。本发明方法与已有个性化推荐方法相比较，具有如下优点：①由于参与计算的信息更多，可以更准确地为用户给出推荐项目列表。②具有简单、易行、高效的特点，适合目前广泛流行的分布式计算应用。③可以从现有的关于用户和项目自身属性的信息，为新用户做出推荐，一定程度上减小了偏好信息缺乏对推荐结果的影响。
-
公开(公告)号：CN102708088A
公开(公告)日：2012-10-03
申请号：CN201210140745.9
申请日：2012-05-08
Applicant: 北京理工大学
Abstract: 本发明提出了一种面向海量数据高性能计算的CPU/GPU协同处理方法，用于解决海量数据计算运行效率偏低的问题。通过设计一套JAVA注释码规范以及搭建一个由多台计算机组成的计算机集群，在集群中部署改进后的Hadoop平台，改进后的平台中被加入设计好的Java注释码规范和GPU Class loader；在每个计算节点上安装好某一版本的CUDA，使用户在编写程序时可通过注释码在MapReduce的Map函数中方便的使用GPU计算资源。本方法实现了对计算机集群上CPU和GPU计算能力的统一调度利用，使兼具数据密集型和计算密集型特点的应用可被高效的实现，编写好的源代码具有可移植性，便于程序员进行开发。
-
-
Patent Agency Ranking
公开(公告)号：CN112581373A
公开(公告)日：2021-03-30
申请号：CN202011471881.7
申请日：2020-12-14
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度学习的图像颜色校正方法，属于深度学习和计算机视觉领域。首先，收集不同光照环境下的图像数据构建色偏图像数据集。之后，对数据进行数据增强和预处理，使数据符合神经网络训练要求。然后，构建一种Encoder‑Decoder结构的基础卷积神经网络，并依据该基础神经网络构建级联的卷积神经网络。同时，针对级联神经网络的特点，设计了特定的神经网络损失函数。通过训练之后，该级联卷积神经网络可将一张色偏的原图片转化为无色偏的图片。本方法不需要进行先验的假设，可快速实时检测，能够应用到各种自动化图像色偏矫正系统和设备中，不仅避免了人工校正的主观性，同时大大提高了矫正效率，减轻了人工矫正负担，提升了图像色偏矫正的准确性。
-
公开(公告)号：CN108156035B
公开(公告)日：2020-06-30
申请号：CN201711420408.4
申请日：2017-12-25
Applicant: 北京理工大学
IPC: H04L12/24 , H04L12/721 , G06Q50/00
Abstract: 本发明涉及一种社区结构网络的社交圈中的交友策略，属于网络科学及社会学技术领域。根据真实社交网络和用户视角的不同，交友策略分为局部交友策略和全局交友策略。首先获取连接代价和时间代价，然后执行交友策略，建立社区结构局部网络和社区结构全局网络，在社区结构局部网络和社区结构全局网络中寻找新的节点，并根据连接代价和时间代价，判断并决定与目标结点是建立还是解除关系。本发明保证了用户可以在短时间内较快提高自己在网络中的重要性；避免了社交过程中用户隐私的泄露，实现了安全的社交模式；可以为社交网络提供好友推荐的理论支持；可以将本发明中的策略研究应用于其他网络结构中，如在道路网络、合作网络中解决实际问题等。
-
公开(公告)号：CN108133426A
公开(公告)日：2018-06-08
申请号：CN201711420406.5
申请日：2017-12-25
Applicant: 北京理工大学
IPC: G06Q50/00
Abstract: 本发明涉及一种社交网络链路推荐方法及其网络模型演化设计,属于网络科学技术领域。本发明包括一种在有限代价下基于代价和收益的链路推荐算法以及一种基于博弈论的社交网络动态演化设计。其中，前者链路推荐算法通过遍历所有潜在链路对目标节点的贡献，在不超过总代价的前提下，依次选择贡献与代价比最高的节点获取节点集合，然后依次选择贡献最高的节点，以实现最大化目标节点的接近中心度。后者，一种基于博弈论的社交网络动态演化设计假设网络中节点的竞争是非合作，探究网络演化的结果，挖掘网络核心-边缘结构的形成。本发明能够在非核心-边缘网络中迅速演化出强核心-边缘结构。
-
公开(公告)号：CN107888431A
公开(公告)日：2018-04-06
申请号：CN201711423482.1
申请日：2017-12-25
Applicant: 北京理工大学
IPC: H04L12/24
Abstract: 本发明涉及一种动态核心-边缘网络的中心化算法及其模型构造方法，属于网络科学技术领域及计算机领域。中心化算法的核心为：在一个动态的核心-边缘网络中，选中的目标点在每个选定的时刻选择网络中的点连边，目的是最小代价下目标点到达网络的中心。基于代理人的核心-边缘结构模型构造方法的核心为：依概率选择网络中的点为目标点，假设网络非合作博弈的情况下应用中心化算法，演化给定次数后，得到具有核心-边缘结构的网络。本发明的中心化算法为核心-边缘结构的研究提供了个体的视角；在动态网络上算法表现出众；本发明的模型构造方法放宽了现有构造方法的约束。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.018 seconds)
