-
公开(公告)号：CN112613273A
公开(公告)日：2021-04-06
申请号：CN202011490078.8
申请日：2020-12-16
Applicant: 上海交通大学
IPC: G06F40/126 , G06F40/242 , G06F40/289 , G06F40/295
Abstract: 本发明提供了多语言BERT序列标注模型的压缩方法及系统，涉及BERT类模型的知识蒸馏技术领域，该方法包括：步骤1：基于Wordpiece算法从多语语料中抽取词表；步骤2：对多/单语言BERT教师模型、多语言BERT学生模型进行预训练；步骤3：基于人工标注的下游任务数据对多/单语言BERT教师模型进行微调；步骤4：利用多/单语言BERT教师模型对预训练后的多语言BERT学生模型进行残差知识蒸馏；步骤5：基于人工标注的下游任务数据对蒸馏后的多语言BERT学生模型进行微调。本发明通过残差学习和多对一的知识蒸馏方式，提高了学生模型的准确率和泛化程度，降低了多语言环境下BERT类序列标注模型部署所需的硬件资源。
-
公开(公告)号：CN108093469B
公开(公告)日：2020-11-06
申请号：CN201611046324.4
申请日：2016-11-22
Abstract: 本发明提出了基于TDMA的弹性长距离无线传输系统的分布式接入方法，系统按照下列步骤工作：第一步，节点入网，监听，进行帧的起始时间同步；第二步，节点在下一个帧的起始时隙发送入网请求信息，并等待邻居节点广播时隙占用信息，构建两跳内邻居节点的时隙占用情况；第三步，节点根据自身的ID和时隙选择算法进行时隙占用，并广播占用结果；第四步，两跳邻居完成对新节点信息的更新后，节点入网，根据时隙传输算法进行传输。本发明所提出的帧结构，节点入网接入过程以及时隙传输算法，在弹性长距离传输网络中可以获得更高的吞吐量，具有更高的传输稳定性。
-
公开(公告)号：CN109412992B
公开(公告)日：2020-07-14
申请号：CN201811347970.3
申请日：2018-11-13
Applicant: 上海交通大学
IPC: H04L27/26
Abstract: 本发明提供了一种基于正交频分多址技术的反向散射系统及方法，包括：发射机：产生预设的激励信号；标签：通过频移反向散射将所述激励信号调制到正交频分复用信号的不同子载波上；接收机：接收并解调频移反向散射后的信号。本发明能够实现超级功耗的通讯。标签作为一个物联网节点，其功耗可以降至80μV，取决于数字芯片工艺。本发明中的标签能够独立携带信息并同时通讯，并发量达到48，大大提高反向散射系统并发量以及总吞吐量，远远优于当前采用蓝牙、Wi‑Fi模块的物联网设备。
-
公开(公告)号：CN111026895A
公开(公告)日：2020-04-17
申请号：CN201911212122.6
申请日：2019-12-02
Applicant: 上海交通大学 , 腾讯科技(深圳)有限公司
IPC: G06F16/54
Abstract: 本申请实施例提供一种数据可视化处理方法、装置及存储介质，所述方法包括：对初始网络中各层位图的节点进行重叠去除，得到待处理网络；分别对所述待处理网络中的每层位图进行切片，得到各层位图的至少两个切片，所述至少两个切片均分布在预设窗口内，所述切片包括至少两个节点；在各切片上设置节点信息以及节点间的关联信息，得到多层切片；将所述多层切片保存为至少两个图片，对所述至少两个图片进行分层加载，以展示各图片对应的图形界面。本方案能够提高网络的绘制效率和网络的缩放效率。
-
公开(公告)号：CN110245238A
公开(公告)日：2019-09-17
申请号：CN201910314357.X
申请日：2019-04-18
Applicant: 上海交通大学
IPC: G06F16/36 , G06F16/332 , G06N3/04
Abstract: 本发明提供一种基于规则推理和句法图式的图嵌入方法及系统，步骤1使用条件随机场算法-双向长短期记忆网络从原始问题中提取实体/值；步骤2基于第一步中的实体/值信息和特定领域知识图的图式，采用传统的规则推理方法检测查询子图的可能结构；步骤3使用第一步的类标签结果来替换原问题中的实体/值；步骤4根据第二步结构检测步骤和第三步链接/属性提取步骤的结果，使用传统的规则推断方法对所有原始问题形成查询子图；步骤5对于不能形成连接查询子图的原始问题，构建句型示意图，使用Node2Vec学习表示句子模式图，利用双向长短期记忆网络的输出来模拟原始问题中隐藏的链接。使得用户可以快速地将自然语言转化为数据库查询语句。
-
Patent Agency Ranking
公开(公告)号：CN105787068B
公开(公告)日：2019-08-23
申请号：CN201610116043.5
申请日：2016-03-01
Applicant: 上海交通大学
IPC: G06F16/332 , G06F16/36 , G06F16/35 , G06K9/62
Abstract: 本发明提供的一种基于引用网络及用户熟练度分析的学术推荐方法及系统，包括如下步骤：步骤1，采用模型进行分析，得到第一候选集；步骤2，采用论文引用网络进行分析，得到第二候选集；步骤3，采用用户熟悉度分析，得到第三候选集；步骤4，对第一候选集、第二候选集和第三候选集进行过滤排序，得到推荐候选集；步骤5，展示推荐候选集。与现有技术相比，本发明的有益效果如下：在传统推荐系统的基础之上，结合对引用网络及领域熟练度的分析，增强了学术推荐的个性化，打造了一套更加适合研究人员的推荐系统。
-
公开(公告)号：CN109889917A
公开(公告)日：2019-06-14
申请号：CN201711280964.6
申请日：2017-12-06
IPC: H04N21/845 , H04N21/433 , H04N21/647 , H04N21/231 , H04N21/437 , H04N21/238
Abstract: 本发明公开了一种基于缓存编码的视频传输方法，包括以下步骤：步骤S1，服务器对视频文件进行预处理，并在客户端分配缓存；步骤S2，客户端播放视频文件前，向服务器发送请求；步骤S3，服务器收到请求，处理该请求；步骤S4，服务器将客户端请求的请求文件进行编码，并发送给客户端；步骤S5，客户端收到服务器发送的请求文件，并解码该客户端所请求的请求文件；步骤S6，客户端播放视频文件。本发明所实现的基于缓存编码的视频传输方法，混合单播与广播的传输方式，在满足客户端的请求下，减少服务器的传输数据量，并且加入重传机制，消除网络丢包的影响，同时能够满足实时传输的需求。
-
公开(公告)号：CN109587000A
公开(公告)日：2019-04-05
申请号：CN201811354840.2
申请日：2018-11-14
Applicant: 上海交通大学
IPC: H04L12/26
Abstract: 本发明提供了一种基于群智网络测量数据的高延迟异常检测方法及系统，包括：对原始数据集进行特征工程，去除异常值与缺失值，并将原始数据统一进行数值化与离散化；将包含相同特征的原始数据聚类为一个实例，计算对应权重并打上标签，作为输入决策树模型的基本单位；将预处理后的原始数据集随机采样生成多个子数据集，并对每个子数据集进行CART决策树建模得到子树；基于每个子树的拓扑信息与节点信息进行高延迟异常规则挖掘；基于树节点的样本子空间的网络延迟状况，对每条规则进行标定及置信度评分；将所有子树的规则挖掘结果进行合并，生成最终的网络高延迟异常检测结果。本发明提高了算法泛化性和鲁棒性，从而有效检测出高延迟网络异常。
-
公开(公告)号：CN105444770B
公开(公告)日：2018-05-29
申请号：CN201510960552.1
申请日：2015-12-18
Applicant: 上海交通大学
IPC: G01C21/32
Abstract: 本发明提供了一种基于智能手机的车道级别地图生成和定位方法，包括：手机请求定位步骤：具体包括步骤A1：通过手机上内置的GPS、加速度传感器、方向传感器获取车辆的实时GPS、加速度、方向数据；步骤A2：手机客户端通过监测加速度传感器、方向传感器的变化，识别车辆变道和转弯时的动作点；步骤A3：手机客户端将获得的GPS数据上传至服务器；服务器更新地图步骤：具体包括步骤B1：服务器汇总各个用户手机客户端上传的GPS数据，通过约束型K‑Means聚类方法得到用户的车道位置信息；步骤B2：服务器将包含有车道信息的地图反馈给用户。本发明能够通过用户上传的GPS信息主动生成车道级别的地图，提高了地图的精度，简化了导航地图的绘制。
-
公开(公告)号：CN104768186B
公开(公告)日：2018-05-04
申请号：CN201410002012.8
申请日：2014-01-02
Abstract: 本发明提供的在无线传感器网络中基于时序压缩感知的数据收集方法，包括步骤：步骤1，数据稀疏度检测：按照时序压缩感知的过程，网络中的每个传感器节点重复发送自身数据的加权到汇聚节点，直至汇聚节点根据得到的数据特征进行计算检测出数据的稀疏度为止；步骤2，网络数据传输：通过第一步的检测结果确定需要的测量数后，汇聚节点网络中的每个节点进行数据收集；步骤3，测量数的动态调整：汇聚节点在信号恢复的同时检测此时网络数据的性质是否发生变化进行相应地调整。本发明不仅能够在稀疏度未知的情况下成功恢复信号，甚至能够根据实际数据稀疏度的变化自适应地调整需要收集的信号测量的数目。
-
-
-
-
-
-
-
-
-
Search Results
254
records
(took 0.054 seconds)
