-
公开(公告)号：CN115659007A
公开(公告)日：2023-01-31
申请号：CN202211151849.X
申请日：2022-09-21
Applicant: 浙江大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/006 , G06Q50/00 , H04L51/42 , H04L51/52
Abstract: 本发明公开了一种基于多样性的动态影响力传播种子最小化方法，基于一个双向自适应贪婪算法的框架，采用基于鞅的影响力最大化算法(IMM)和基于鞅的多样性影响力最大化算法(DIMM)实现，算法核心是使用一种随机产生反向影响草图(RI‑Sketch)的采样方法，用于估计影响力扩散和多样性函数增益，具有良好的近似保证。本发明解决了如何以最小的成本在最少时间内使得影响力传播达到特定阈值的问题，克服了传统方法不能有效考虑多样性问题以及算法本身缺乏动态选择过程的弊端，可以在一定的扩散模型下有效选取合适的种子集合。
-
公开(公告)号：CN115409157A
公开(公告)日：2022-11-29
申请号：CN202211028120.3
申请日：2022-08-25
Applicant: 浙江大学
IPC: G06N3/04 , G06N3/08 , G06V10/82 , G06V10/778 , G06V10/776 , G06V10/764
Abstract: 一种基于学生反馈的无数据知识蒸馏方法，具体涉及一种用于图像分类的基于学生反馈的无数据知识蒸馏方法。包括如下步骤：S1：初始化学生模型，并在学生模型的特征提取器后添加一个辅助分类器S2：利用辅助分类器反馈学生模型的当前学习能力，并同时根据学生反馈和教师反馈的损失函数联合训练噪声向量和生成器，从而获得最佳合成图片；S3：利用在S2中获得的合成图片通过知识蒸馏训练学生模型，并同时独立训练辅助分类器学习辅助任务；S4：重复S2和S3，直至学生模型被训练至收敛。本发明在无原始训练数据的情况下，根据学生模型的当前状态自适应地调整合成图片的内容，为学生模型量身定做合成图片，从而更加有效地训练学生模型以至提高最终表现。
-
公开(公告)号：CN106789962A
公开(公告)日：2017-05-31
申请号：CN201611095301.2
申请日：2016-12-02
Applicant: 浙江大学
Abstract: 一种基于临界时间的网络污染抑制方法，包括以下步骤：(1)获取原始网络结构G的邻接信息，边的传播权值以及时延函数，并抽样生成n个激活图；(2)在步骤(1)得到的每个激活图中，对于每个污染源利用BFS生成CR树；(3)基于步骤(2)得到的CR树，计算每条边的传播能力；(4)根据每条边的传播能力，找到并切除传播能力最大的边，同时计算新图的每条边的传播能力；(5)重复步骤(4)，直到切除k条边为止。此时得到最终污染抑制方案。
-
Patent Agency Ranking
公开(公告)号：CN118170950A
公开(公告)日：2024-06-11
申请号：CN202311781141.7
申请日：2023-12-22
Applicant: 浙江大学
IPC: G06F16/901 , G06F18/23 , G06F9/50
Abstract: 本发明提出了一种分布式的基于邻居节点聚类的图分割方法及装置。构建无向图以及指定的分区个数，将点集划分为若干个子集，使得每个节点均位于且仅位于其中一个子集中；满足负载均衡限制，分区大小尽可能均等；割边数量最小化，即两端处于不同分区的边的总量尽可能少。本发明基于图分割问题的LDG算法：采用邻居节点聚类的思想，将每个节点指派至邻居节点中所在最多的分区，通过将关联紧密的节点纳入同一分区降低割边的数量；对较大的分区施加线性惩罚因子，从而满足负载均衡限制。在单机LDG算法的基础上，本发明设计并实现了一套高效、易于实现，且适用于任意分区个数k的分布式并行计算方案，能在较短的运行时间内对巨型图结构完成划分。
-
公开(公告)号：CN117786160A
公开(公告)日：2024-03-29
申请号：CN202311643894.1
申请日：2023-12-01
Applicant: 浙江大学
IPC: G06F16/901 , G06F16/903 , G06N5/022
Abstract: 基于索引的不确定图两点间可达概率查询方法和装置，其方法包括：通过预计算得到一系列索引标签并将其预存，从而在查询时通过直接访问索引实现高效且具有理论保证的查询。本发明首先对新输入的图，构造一个相应的节点覆盖；之后在图上进行预计算，构造索引标签并进行存储，建立起一套索引结构；随后对新输入的查询，判断其属于四种查询类别中的哪一种；最后根据对应的查询类别，扫描索引进行基于两跳覆盖的计算，用返回的估计值作为两点间可达概率的查询结果，完成查询。本发明将部分重要属性在图数据的初始化阶段完成预计算，并作为索引进行存储，查询时只需浏览对应节点的索引信息就可高效完成查询响应，提高了查询的性能。
-
公开(公告)号：CN114970351A
公开(公告)日：2022-08-30
申请号：CN202210601241.6
申请日：2022-05-30
Applicant: 浙江大学
IPC: G06F30/27 , G06F113/04 , G06F119/02
Abstract: 基于注意力机制和深度强化学习的电网潮流调整方法。本发明基于注意力机制构建深度强化学习模型，能够自动学习并解决电网潮流调整任务。首先基于马尔可夫决策过程和潮流仿真程序构建强化学习交互环境，基于注意力机制构建神经网络模型作为智能体；之后随机初始化电网潮流状态，随机选择需要进行潮流调整的电网线路或断面并随机设定合理范围内的目标功率；随后智能体与环境交互采集数据存入经验池，使用双竞争深度Q网络算法训练更新智能体参数。本发明的优点在于，通过智能体自主与环境交互来学习发电机调度策略，实现了断面功率控制的自动化，相比基于专家知识的人工调整方法具有更强的自适应性；引入注意力机制，建模捕获调整目标和全局电气特征的关系，提高了算法的准确度。
-
公开(公告)号：CN114970351B
公开(公告)日：2024-11-05
申请号：CN202210601241.6
申请日：2022-05-30
Applicant: 浙江大学
IPC: G06F30/27 , G06F113/04 , G06F119/02
Abstract: 基于注意力机制和深度强化学习的电网潮流调整方法。本发明基于注意力机制构建深度强化学习模型，能够自动学习并解决电网潮流调整任务。首先基于马尔可夫决策过程和潮流仿真程序构建强化学习交互环境，基于注意力机制构建神经网络模型作为智能体；之后随机初始化电网潮流状态，随机选择需要进行潮流调整的电网线路或断面并随机设定合理范围内的目标功率；随后智能体与环境交互采集数据存入经验池，使用双竞争深度Q网络算法训练更新智能体参数。本发明的优点在于，通过智能体自主与环境交互来学习发电机调度策略，实现了断面功率控制的自动化，相比基于专家知识的人工调整方法具有更强的自适应性；引入注意力机制，建模捕获调整目标和全局电气特征的关系，提高了算法的准确度。
-
公开(公告)号：CN118396709A
公开(公告)日：2024-07-26
申请号：CN202410560136.1
申请日：2024-05-08
Applicant: 浙江大学
IPC: G06Q30/0601 , G06N5/01
Abstract: 本发明提出了一种基于边子模序列函数的鲁棒商品推荐方法和装置，其方法对于待推荐商品网络构建边子模序列目标函数，并基于边子模序列函数最大化的贪婪算法框架，将推荐序列按照鲁棒系数拆分成两部分，按照边际增益对物品按顺序选择，最后将两个子序列合并成为最终推荐序列。本发明提出的算法可以在最大化目标函数值的情况下保证推荐序列的鲁棒性，使得算法给出的推荐序列在用户不接受其中若干个商品的最差情况下，仍能保证推荐平台有较好的收益。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.028 seconds)
