-
公开(公告)号：CN113780535B
公开(公告)日：2024-06-04
申请号：CN202111137522.2
申请日：2021-09-27
Applicant: 华中科技大学
IPC: G06N3/0495 , G06N3/0464 , G06N3/096 , G06N3/084 , G06F9/50
Abstract: 本发明公开了一种应用于边缘设备的模型训练方法及系统，属于模型压缩和迁移学习领域，包括：在边缘设备中加载预训练好的原模型，并识别出其中由Point‑wise卷积层、Depth‑wise卷积层和Point‑wise卷积层依次连接构成的残差块；在残差块的基础上加入对应的轻架构，以将原模型转换为目标模型；轻架构由Group‑wise卷积层和Point‑wise卷积层组成；利用目标任务数据集对目标模型进行训练，并通过两步压缩的方式先后对目标模型中的共享参数和非共享参数进行压缩，从而完成对目标模型的训练和压缩；两步压缩为常规的两步压缩、基于激活值的两步压缩或基于压缩训练的两步压缩。本发明能够提高边缘设备中模型训练效率，并减少模型训练过程以及推理过程中占用的存储空间和计算复杂度。
-
公开(公告)号：CN115564987A
公开(公告)日：2023-01-03
申请号：CN202211128442.5
申请日：2022-09-16
Applicant: 华中科技大学
IPC: G06V10/764 , G06N3/04 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种基于元学习的图像分类模型的训练方法及应用，图像分类技术领域，在元学习的预训练阶段的第一轮内循环迭代结束时，对子任务模型进行剪枝操作，在保证模型精度的情况下省去了很多不必要的计算，大大减少了预训练阶段以及微调阶段的计算量，降低了元学习微调阶段在移动终端设备上的门槛；与此同时，本发明通过预训练完成后的微调阶段来弥补剪枝所带来的精度损失，能够在不改变模型精度的情况下降低了模型的大小，从而在移动终端设备上实现了快速高效的训练。
-
公开(公告)号：CN107102824B
公开(公告)日：2019-08-30
申请号：CN201710382513.7
申请日：2017-05-26
Applicant: 华中科技大学
IPC: G06F3/06
Abstract: 本发明公开了一种基于存储和加速优化的Hadoop异构方法和系统，属于分布式计算领域。本发明技术方案针对数据处理需求将存储介质分为三类：固态存储介质、普通存储介质和高密度存储介质，为不同类型的数据找到最适合的存储方式；同时将需要提升计算性能的加速应用定向到有特定算法的FPGA加速器或GPU加速器上完成计算，以提升应用的处理性能，并且FPGA和GPU加速器的算法功能以及布局可以进行静态切换。本发明还实现了一种基于存储和加速优化的Hadoop异构系统。本发明技术方案提高了整个集群的读写性能、应用任务的执行性能和加速器件的资源利用率。
-
公开(公告)号：CN119311644A
公开(公告)日：2025-01-14
申请号：CN202411452390.6
申请日：2024-10-17
Applicant: 华中科技大学
IPC: G06F16/14 , G06F16/13 , G06F21/62 , G06F21/60 , G06F40/289 , G06F40/216
Abstract: 本发明属于密文检索技术领域，公开了一种基于硬件加密卡的同态加密密文检索方法及系统，方法包括：构建密文数据库，基于加密服务器的硬件加密卡实现的加密算法对大规模文档数据进行加密，构建包含密文文档、同态密文索引表等加密数据的密文数据库并存储在云服务器中，对文档进行对称加密，对文档全文提取的关键词采用同态加密；密文文档查询，查询者可以通过客户端输入关键词查询密文数据库的密文文档内容，云服务器和加密服务器通过密文关键词匹配，在密文状态下检索用户所需的密文文档，得到的密文文档信息集合经由加密服务器解密后返回给客户端。本发明能够在大规模密态文档的全文检索场景下，实现安全高效的密态全文搜索。
-
公开(公告)号：CN107341571B
公开(公告)日：2020-05-19
申请号：CN201710497921.7
申请日：2017-06-27
Applicant: 华中科技大学
IPC: G06Q10/04 , G06Q50/00 , G06F16/901 , G06F16/35
Abstract: 本发明公开了一种基于量化社会影响力的社交网络用户行为预测方法，该方法包括数据爬取、数据预处理、构建网络图、用户兴趣提取、用户间影响力量化、预测建模、模型训练评估。主要用于在大规模社交网络中实现对用户行为，例如社交网络如Twitter上的转推行为进行预测。同现有技术相比，本发明首先考虑量化社交网络中用户间的社会影响力，并将该量化的影响力引入到预测模型中来，使得预测模型能够充分考量一个给定用户周围的其他用户对该用户行为的影响，并且本发明从用户兴趣这一角度出发来进行用户行为的预测，通过量化的社会影响力来计算用户的兴趣，并最终由用户兴趣来推测用户的行为，具有更高的准确度。
-
Patent Agency Ranking
公开(公告)号：CN107102824A
公开(公告)日：2017-08-29
申请号：CN201710382513.7
申请日：2017-05-26
Applicant: 华中科技大学
IPC: G06F3/06
Abstract: 本发明公开了一种基于存储和加速优化的Hadoop异构方法和系统，属于分布式计算领域。本发明技术方案针对数据处理需求将存储介质分为三类：固态存储介质、普通存储介质和高密度存储介质，为不同类型的数据找到最适合的存储方式；同时将需要提升计算性能的加速应用定向到有特定算法的FPGA加速器或GPU加速器上完成计算，以提升应用的处理性能，并且FPGA和GPU加速器的算法功能以及布局可以进行静态切换。本发明还实现了一种基于存储和加速优化的Hadoop异构系统。本发明技术方案提高了整个集群的读写性能、应用任务的执行性能和加速器件的资源利用率。
-
公开(公告)号：CN119293212A
公开(公告)日：2025-01-10
申请号：CN202411384735.9
申请日：2024-09-30
Applicant: 华中科技大学
IPC: G06F16/334 , G06F16/36 , G06F40/30 , G06N3/0455 , G06N3/0895 , G06N3/084 , G06N5/022 , G06N5/04
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于自适应上下文学习的因果事理图谱形成模型构建方法，因果事理图谱形成模型包括检索器和大语言模型，构建方法分为检索器预训练和自适应上下文学习微调两阶段，利用对比学习损失构建基于自监督学习的样本检索器，实现优化文本向量表征；另外，设计出包含样本示例的提示词，结合自适应上下文学习策略，微调大语言模型，使得大语言模型捕捉相似样本中的事件因果关系模式，提高隐式事件因果关系抽取的准确性。本发明方法能充分挖掘文本中的事理逻辑知识，提高了隐式因果事件关系的抽取准确性，从而能够自动高效地构建高质量的因果事理图谱，并推动因果知识问答与推理等下游任务的发展。
-
公开(公告)号：CN115659334A
公开(公告)日：2023-01-31
申请号：CN202211271076.9
申请日：2022-10-17
Applicant: 华中科技大学
IPC: G06F21/56 , G06F18/22 , G06F18/2411 , G06N20/10
Abstract: 本发明属于深度学习对抗样本和智能合约领域，具体涉及一种智能合约对抗样本生成方法，在通过修改变量名生成智能合约对抗样本的过程中引入变量名词性隐蔽性的概念，提出隐蔽性更高的智能合约对抗样本生成方法。包括：针对恶意智能合约创建者通过对抗样本来规避检测这个全新场景，系统的研究智能合约的对抗样本生成方法，提出权重引导的高隐蔽性智能合约对抗样本生成技术，使通过替换变量名来生成对抗样本时选择与原变量名词性相近的新变量名，增加智能合约对抗样本的隐蔽性；使用平衡因子和掩码，将多个变量名被修改时新旧变量名的词性差距平均值、方差与扰动添加的稀疏性引入优化函数。在求使得优化函数最小的解的时候同时平衡对抗样本的隐蔽性。
-
公开(公告)号：CN115577301A
公开(公告)日：2023-01-06
申请号：CN202211180720.1
申请日：2022-09-27
Applicant: 华中科技大学
IPC: G06F18/2415 , G06F18/23 , G06F18/214
Abstract: 本发明公开了一种用于分布式系统的个性化拆分学习方法及应用，属于分布式协作机器学习技术领域，在每轮训练中所有客户端先训练出一个全局服务端模型，在此基础上，根据数据相似性为客户端分簇，并为每个簇中设置一个个性化的局部服务端模型，且在训练过程中对局部服务端模型基于全局服务端模型进行正则化微调，从而使局部服务端模型相较于全局服务端模型，可以更符合簇中客户端的本地数据特征，进而簇中的客户端设备经局部训练后能够获得更高的预测精度；本发明同时考虑了全局模型和局部模型，既可以利用较多样本来训练模型，又可以在一定程度上解决不同客户端数据非独立同分布的问题，使模型的预测精度有所提升。
-
公开(公告)号：CN107341571A
公开(公告)日：2017-11-10
申请号：CN201710497921.7
申请日：2017-06-27
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于量化社会影响力的社交网络用户行为预测方法，该方法包括数据爬取、数据预处理、构建网络图、用户兴趣提取、用户间影响力量化、预测建模、模型训练评估。主要用于在大规模社交网络中实现对用户行为，例如社交网络如Twitter上的转推行为进行预测。同现有技术相比，本发明首先考虑量化社交网络中用户间的社会影响力，并将该量化的影响力引入到预测模型中来，使得预测模型能够充分考量一个给定用户周围的其他用户对该用户行为的影响，并且本发明从用户兴趣这一角度出发来进行用户行为的预测，通过量化的社会影响力来计算用户的兴趣，并最终由用户兴趣来推测用户的行为，具有更高的准确度。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.035 seconds)
