-
公开(公告)号：CN107527147A
公开(公告)日：2017-12-29
申请号：CN201710732666.X
申请日：2017-08-18
Applicant: 扬州大学
CPC classification number: G06Q10/063112 , G06Q10/101 , G06Q50/01
Abstract: 本发明涉及基于社会网络的复杂任务分配方法。本发明社会网络SN由工人A，邻接关系E和权重D组成，任务请求者提交一个任务R给平台，包括任务的技能请求和估值，组成社会网络的A中的工人向平台提交所拥有的技能和相应的成本，收集到社会网络、任务请求者和工人的信息后，平台作为拍卖者负责整个分配过程的运作，主要包括赢者决策和定价策略两个阶段的工作。本发明克服了未考虑工人之间社会网络、加入团队的亲密度和技能贡献，以及公平性等缺陷。本发明采用拍卖方式，考虑工人之间、团队、技能等，是一种防策略性的分配机制。
-
公开(公告)号：CN119672331A
公开(公告)日：2025-03-21
申请号：CN202411632220.6
申请日：2024-11-15
Applicant: 扬州大学
IPC: G06V10/26 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/088
Abstract: 本发明公开了一种基于跨模态深度学习的多目标图像分割方法，包括以下步骤：(1)采集黄瓜图像数据和文本数据并进行预处理；(2)利用基于卷积神经网络模型的DeepLab v3中的编码器提取输入图像的特征，利用递归神经网络模型长短时记忆网络LSTM提取输入文本特征；(3)选取无监督掩码生成器FreeSOLO获取输入图像中所有目标的掩码候选区域，并采用逐元素相乘法，获取每个掩码的视觉特征；(4)处理掩码视觉特征与文本特征，获得对应的特征序列，采用跨模态注意力机制计算图像序列与文本序列间的相似度获得注意力权重；(5)在注意力机制输出的融合掩码特征后设置“激活门”；利用过滤器筛选出被激活的掩码候选区域并采用聚合器进行聚合；(6)将聚合获得的掩码与提取的视觉特征融合，输入到长短时记忆网络中进行文本重构；(7)输出结果；本发明可以得到比较准确的多目标分割结果。
-
公开(公告)号：CN118135207A
公开(公告)日：2024-06-04
申请号：CN202311726240.5
申请日：2023-12-14
Applicant: 扬州大学
IPC: G06V10/26 , G06T7/11 , G06V10/762 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于几何交互和自适应图卷积的点云叶片分割方法及系统。本发明包括：获取单株植物点云数据并进行标注得到训练数据集；将点云数据输入到点云分割模型进行训练；采用训练好的模型对测试样本进行预测，得到单株植物叶片点云分割结果；通过聚类算法分离出单个叶片。本发明所提的点云分割模型首先进行邻域点的搜索，将邻域点与中心点连接构成局部图，然后局部图中的点嵌入到欧几里得空间和双曲空间中，进而通过图卷积网络捕捉到点云在不同几何空间中的局部特征信息，最后使用门控机制将这两个局部特征进行融合。本发明引入局部点云在不同几何空间的几何结构，并将特征进行融合，使分割模型更好地学习点云复杂的几何结构。
-
公开(公告)号：CN115496075A
公开(公告)日：2022-12-20
申请号：CN202211308507.4
申请日：2022-10-25
Applicant: 扬州大学
IPC: G06F40/30 , G06F40/289 , G06F40/211 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及自然语言处理领域，具体涉及一种基于超图神经网络的生物医学事件触发词提取方法与系统。本发明方法首先预处理非结构化的生物医学数据集；接着通过预训练的模型得到生物医学语料库中所有文本信息的特征嵌入，获取每个单词的向量表示；随后将每条句子生成相应的超图结构；再将得到的每条句子的特征嵌入和超图结构输入到超图卷积神经网络中，定义交叉熵损失函数训练模型；最后，在未标注的测试集上进行触发词检测。本发明不同于现有方法采用双向的LSTM来聚合每条句子中的上下文信息，而是创新性的使用超图结构聚合上下文信息，效果卓越，达到了提高生物医学文本中触发词提取准确性的目的。
-
公开(公告)号：CN111339535A
公开(公告)日：2020-06-26
申请号：CN202010094870.5
申请日：2020-02-17
Applicant: 扬州大学
IPC: G06F21/57
Abstract: 本发明公开了一种面向智能合约代码的漏洞预测方法、系统、计算机设备和存储介质，方法包括：采集若干智能合约代码和漏洞数据；针对每个智能合约代码，提取其代码特征值，并识别与漏洞数据相关度值满足预设条件的代码特征值，记为漏洞特征值；针对每个智能合约代码，利用漏洞特征值构建分类器模型；构建智能合约漏洞预测网络；随机选取若干漏洞特征值，并输入至预测网络进行训练，生成漏洞预测分类器；提取待预测智能合约代码的代码特征值，并将该代码特征值输入至漏洞预测分类器中，获得漏洞预测结果。本发明结合多粒度扫描、级联森林等技术构建漏洞预测分类器，能提供有效的智能合约代码漏洞预测效果，进而提高智能合约代码上链前的代码质量。
-
Patent Agency Ranking
公开(公告)号：CN107967647A
公开(公告)日：2018-04-27
申请号：CN201711324096.7
申请日：2017-12-07
Applicant: 扬州大学
CPC classification number: G06Q30/08 , G06Q30/0283
Abstract: 本发明涉及基于联盟形成的拍卖机制设计方法。本发明模拟云带宽预留市场为一个双边拍卖，其中有m个云提供商，n个租户和一个拍卖商，云提供商和租户同时向拍卖商提交他们密封的定价和投标，租户可形成多个联盟进行带宽预留，拍卖者进行赢者决策、带宽预留分配、定价策略，每个租户对于某个云供应商所提供带宽形成的联盟主要是交换操作。本发明克服了频谱拍卖存在的真实性、预算平衡和拍卖机制与联盟形成的结合的缺陷。本发明将双边拍卖机制与联盟博弈论结合起来合并了买方联盟形成与拍卖机制，迭代的联盟形成算法，整个拍卖过程满足真实性和预算平衡，避免了交易不公平，在以上两种情况下的定价方式下，拍卖商的利润始终为非负。
-
公开(公告)号：CN107944768A
公开(公告)日：2018-04-20
申请号：CN201711398963.1
申请日：2017-12-18
Applicant: 扬州大学
IPC: G06Q10/06
CPC classification number: G06Q10/063112
Abstract: 本发明涉及一种基于协商的重叠联盟形成下的任务分配方法。本发明任务请求者提交任务完成所需的特定技能以及完成这些技能的报价，从而进行技能请求；工人提交拥有的技能以及每个技能的要价，从而进行技能请求响应；任务请求者根据工人的响应情况进行调整，工人根据调整后的情况做出最后的决定，从而进行响应确认。本发明克服了任务请求者和工人的收益情况存在冲突，未考虑到工人之间的结构和计算复杂度等缺陷。本发明根据任务请求者和工人目标的不同，所以应该考虑任务请求者以及工人的异质的目标，制定相应的协商策略，使得双方满意。
-
公开(公告)号：CN107734005A
公开(公告)日：2018-02-23
申请号：CN201710886103.6
申请日：2017-09-21
Applicant: 扬州大学
IPC: H04L29/08
CPC classification number: H04L67/12
Abstract: 本发明涉及一种基于移动智能体技术下智能体联盟形成方法。本发明子任务之间需要进行数据交换，为无向有权图，权值为两者之间的数据交换量，完成任务的社会网络由个体节点组成，为无向有权图，权值为两者之间通信距离，每个子任务分配一个移动智能体，搜索到完成任务的社会网络中的个体节点，移动智能体形成联盟，所有联盟构成联盟结构，根据其偏好形成多个联盟移动到相应的个体节点，联盟的操作耗费分为数据交换成本和时延成本。本发明克服了储备之间无依赖关系、无联盟及耗费高等缺陷。本发明一个复杂任务由多个有依赖关系的子任务组成，分配一个移动智能体，搜索到完成任务的个体节点，根据其偏好形成多个联盟移动到相应的个体节点。
-
公开(公告)号：CN119600137A
公开(公告)日：2025-03-11
申请号：CN202411643080.2
申请日：2024-11-18
Applicant: 扬州大学
Abstract: 本发明公开了一种文本到图像扩散快速概念擦除方法，包括以下步骤：(1)利用开源网站获取误导性或虚假的图像并进行预处理；(2)构建文本到图像扩散模型：包括通过使用知识蒸馏框架设计目标概念擦除策略；引入校准集设计其它概念保留策略；(3)生成与文本描述对应的图像；本发明能够高效地实现特定概念的擦除，同时保留其他相关概念的语义一致性，从而显著提高了图像生成过程的安全性和可靠性。
-
公开(公告)号：CN119538110A
公开(公告)日：2025-02-28
申请号：CN202411586896.6
申请日：2024-11-07
Applicant: 扬州大学
IPC: G06F18/243 , G06Q10/0639 , G06Q50/20 , G06N3/042 , G06N3/0455 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种融合BERT模型和SAGEConv图卷积的学习成效分类研究方法，包括数据收集与预处理；采集一定时期内学生的各类过程性评价数据，将这些数据整理成适合模型输入的格式；模型构建与训练；融合预训练的BERT模型和SAGEConv图卷积网络，构建一个分类模型LABTG；超参数优化；通过调整模型的超参数，优化模型的性能，以达到最佳的分类预测效果；模型评估与应用；使用独立的测试集评估模型的分类预测性能，并根据不同阶段的教学评价数据，辅助教师预估学生期末的学习成效类别。本发明能够更全面地分析学生的过程性评价数据，提高学习成效分类预测的准确性；为教师提供实时的教学效果反馈，从而实现精准教学。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.016 seconds)
