-
公开(公告)号：CN119623515A
公开(公告)日：2025-03-14
申请号：CN202510170315.9
申请日：2025-02-17
Applicant: 南京信息工程大学
IPC: G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/086 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/23 , G06F18/21
Abstract: 本发明提供了一种基于相似性代理辅助的演化神经架构搜索方法和系统，所述方法包括：步骤1，初始化一个架构种群，选择性能最佳的架构作为初始基准架构；步骤2，构建一种图神经网络变体作为特征提取器；步骤3，构建代理模型，通过联合损失函数训练代理模型；步骤4，根据适应度值保留高潜力架构，并对高潜力架构进行真实性能评估，将评估结果加入训练集；将当前种群与代理模型预测筛选出的高性能架构合并，通过环境选择策略更新种群；步骤5，重复步骤3和步骤4直至种群性能收敛，最终输出全局最优架构。本发明能够在有限的计算资源下快速搜索到高性能的神经网络架构，为神经网络的自动化设计与优化提供了一种高效、智能的新型解决方案。
-
公开(公告)号：CN119152193B
公开(公告)日：2025-01-24
申请号：CN202411601484.5
申请日：2024-11-11
Applicant: 南京信息工程大学
IPC: G06F17/10 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0985
Abstract: 本发明提供了一种基于可微分架构搜索的YOLO目标检测方法和系统，所述方法首先构建了候选操作集合。然后，基于YOLO的网络架构，设计了超网。随后，使用可微分架构搜索方法对超网进行预训练，交替优化网络权重与架构参数。最后，根据架构参数得到搜索后的子网，并引入坐标注意力机制，进一步提升模型性能。与手工设计方法不同，本发明通过自动化搜索神经网络架构，极大地减少了人工所需要的试验与经验，有更高的搜索效率与性能，能更快地找到适用于目标检测的高效YOLO改进模型。
-
公开(公告)号：CN118196600A
公开(公告)日：2024-06-14
申请号：CN202410615399.8
申请日：2024-05-17
Applicant: 南京信息工程大学
IPC: G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/006
Abstract: 本发明提供了基于差分进化算法的神经架构搜索方法和系统，所述方法首先定义了一个搜索空间，将所有候选操作糅合在一起构建超网，并使用连续数值进行编码。接着，利用训练数据及其标签来训练超网的网络权重。然后，我为超网内的每个子网设计了唯一的编码方式，并直接从超网获得网络权重。随后，使用差分进化算法优化子网的编码。最后，交替执行超网的网络权重优化和子网的编码优化。与使用梯度下降方法和遗传算法优化子网编码的方式不同，本发明的差分进化算法能够更充分地利用连续编码的矢量化信息。这种方法相比传统的优化方法具有更高的效率和更好的搜索性能，能够更快地找到适合任务的最优神经网络架构。
-
公开(公告)号：CN117725988A
公开(公告)日：2024-03-19
申请号：CN202311800048.6
申请日：2023-12-25
Applicant: 南京信息工程大学
IPC: G06N3/0985
Abstract: 本发明公开了一种基于分数制采样的渐进式神经网络预测器方法，获取数据集，进行预处理；将给定搜索空间的神经网络架构转换为神经网络预测器所需的输入格式；初始化神经网络预测器和每一个候选架构的被采样分数，由神经网络预测器对整个搜索空间的所有候选架构做初始预测评估，进行迭代搜索，对所有候选架构的全局被采样分数进行调整，重复之前步骤，直至迭代搜索次数达到最大迭代次数，根据最后一轮的排序结果更新并得到最优神经网络架构。本发明能够在不增加额外计算量的前提下，使神经网络预测器拟合优秀的架构来提高训练效果。
-
公开(公告)号：CN111047727A
公开(公告)日：2020-04-21
申请号：CN201911179076.4
申请日：2019-11-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于移动网络WLAN热点感知的免安装、零连接电子考勤系统，包括关联模块、考勤信息感知模块、考勤信息处理模块、考勤信息反馈模块以及考勤信息纠错模块；基于移动热点的有效覆盖范围，通过考勤方主动搜索并感知出勤方的WLAN热点信号，将感知到的WLAN热点列表，存入并与后台服务器的签到信息备用列表进行比对，完成最终的签到考勤作业。本发明鉴于移动热点信号能有效地覆盖常规场景中的教室区域，能确保考勤结果的高准确度；考勤方在无需实质连接出勤方的前提下，通过WIFI扫描主动感知出勤方的热点信号，使得考勤时间耗费极大地降低，确保了考勤作业的高效执行；考勤/出勤双方无需进行实质性网络连接，最大限度地减低彼此通讯开销。
-
Patent Agency Ranking
公开(公告)号：CN104298771B
公开(公告)日：2017-09-05
申请号：CN201410596395.6
申请日：2014-10-30
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明利用Hadoop/Hive分布式计算平台的高可靠性、高扩展性、高效性以及高容错性，公开了一种基于Hadoop和Hive的海量web日志数据的查询与分析方法。本发明包括以下步骤：对各个数据源的数据进行解析；将数据装载进数据仓库中；接收HiveQL语句；对接受语句进行优化，得到初步map结果；将接受语句转换成MapReduce任务执行并存储查询结果；数据分割；对数据进行分析挖掘；将数据装载进Mysql数据库中。本发明针对海量的web日志数据，实现精确地查询和数据分析，既能实现海量数据存储查询分析的可扩展性和高效性，也避免数据倾斜带来的job分布不均整体性能下降的问题。
-
公开(公告)号：CN107103053A
公开(公告)日：2017-08-29
申请号：CN201710229682.7
申请日：2017-04-10
Applicant: 南京信息工程大学
CPC classification number: G06F16/9535 , G06F2216/03 , G06Q50/01
Abstract: 本发明公开了基于重叠节点的复杂网络社区发现方法，从基于重叠节点的一个新的角度出发，利用标签传播的思想确定重叠节点，并采用计算节点权重的方法对网络中的所有重叠节点进行筛选，使得具有较低权重的节点具有更高被选中的概率，保留网络影响力较高的节点。删除前k个重叠节点，从而对更新后的网络进行社区发现。每一次的选择不是完全随机的，具有一定的倾向性和目的性，从而降低了破坏网络结构的可能性，能够快速、有效的发现网络的社区结构，使得社区发现结果更加清晰、准确。可应用在Facebook、微博、Twitter等大型复杂网络，能够较好的进行社区发现。
-
公开(公告)号：CN106991614A
公开(公告)日：2017-07-28
申请号：CN201710121328.2
申请日：2017-03-02
Applicant: 南京信息工程大学
IPC: G06Q50/00
Abstract: 本发明提供一种Spark下基于标签传播的并行社区发现方法，涉及数据挖掘领域。本发明在网络中寻找完全子图，将完全子图中的节点赋予相同的标签，以此来减少初始化阶段标签过多的缺点，提高了算法的执行效率；其次根据节点的权重计算网络中节点的传播概率，在标签选择阶段综合考虑了标签传播概率以及节点间的相似性，提高了标签选择阶段的准确度；整个算法是在Spark框架下执行的，对于海量数据具有很好的可扩展性，本发明在执行效率以及准确度都有明显的提高，社区发现的质量也有很大的提升。
-
公开(公告)号：CN106503731A
公开(公告)日：2017-03-15
申请号：CN201610888945.0
申请日：2016-10-11
Applicant: 南京信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6223
Abstract: 本发明提供一种基于条件互信息和K-means的无监督特征选择方法，首先通过多次初始条件不同的K-means算法对无类标签的数据进行聚类，然后每一次的聚类基础上，综合考虑每个特征的模块化度量值及不同特征之间的条件互信息，利用特征之间的相关独立性指标来选择出相关度高且冗余度小的特征子集。通过将不同K-means聚类结果得到的特征子集进行汇总，获得最终的特征子集。本发明能够有效地应用于无标签和不平衡的数据集，且获得的特征子集相关度高、冗余度小。
-
公开(公告)号：CN104376053A
公开(公告)日：2015-02-25
申请号：CN201410611227.X
申请日：2014-11-04
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F17/30321 , G06F17/30315 , G06F17/30575
Abstract: 本发明针对传统的数据集中存储单点查询的问题，公开了一种基于海量气象数据的存储与检索方法，利用Hadoop平台，通过对分布式非关系型数据库Hbase建立二级索引，并且将数据通过转换、迁移导入到云平台，实现海量数据的可靠存储与快速检索。本发明包括如下步骤：数据过滤；在Hbase中定义对应的表格式；建立二级索引；分情况进行数据导入；分情况进行数据检索。本发明既能实现数据的实时查询，也避免以往存储和维护大量数据所产生的高昂成本，在保证敏感数据安全的前提下能够更经济高效地实时查询海量气象数据。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.037 seconds)
