-
公开(公告)号：CN114422606B
公开(公告)日：2022-06-28
申请号：CN202210249791.6
申请日：2022-03-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种联邦学习的通信开销压缩方法、装置、设备及介质，包括：根据联邦学习中的模型参数在训练前后的变化幅度确定基本参数，并将基本参数所在的卷积核中的所有模型参数确定为待传输参数；基于卷积核的目标特征将卷积核中的待传输参数封装至不同数据包中；对不同数据包中的待传输参数进行二值量化，并对待传输参数对应的索引进行位置编码，如此一来，由于一个卷积核内所有待传输参数的位置信息都是固定的，因此一个索引可以反应整个卷积核中所有待传输参数的位置信息，一定程度上降低了索引的通信开销，同时，本申请通过对待传输参数进行量化，对待传输参数对应的索引进行位置编码，进一步减少了通信开销。
-
公开(公告)号：CN117095243B
公开(公告)日：2024-05-07
申请号：CN202311345466.0
申请日：2023-10-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/764 , H04L9/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/70 , G06V10/74 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/24 , G06F18/25 , G06F18/20 , G06N3/045 , G06N3/0895 , G06N3/096 , G06N3/084 , G06N3/0985 , G06F123/02
Abstract: 本发明提供一种基于分支融合策略的小样本类增量网络入侵检测方法，包括：步骤一：将采集到的网络流量样本进行拆分处理，处理后的网络流量样本被转化为灰度图像表示；步骤二：将网络流量样本的灰度图像输入到骨干网络ViT中用于自监督模式的预训练以提高特征嵌入的表示能力；步骤三：初始化基础会话分支分类器的投影层参数，用于训练初始的检测分类模型；步骤四：学习每个新会话分支分类器模块，进而使用分支融合策略关联基础会话和新会话分支分类器从而帮助分类器模型完成训练和推理。本发明的有益效果是：本发明方法在不会遗忘已学习攻击类别的情况下，允许以增量、小样本、灵活的方式持续学习新攻击类别，实现保护目标网络系统免受恶意攻击。
-
公开(公告)号：CN114418098A
公开(公告)日：2022-04-29
申请号：CN202210255131.9
申请日：2022-03-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供一种神经网络差量压缩方法、装置、电子设备及存储介质，该方法在获取到神经网络的两个相邻训练版本时，可为这些版本所包含的各网络层生成专用的量化参数，并利用这些量化参数为对应的网络层进行浮点参数量化处理，得到训练版本对应的整数版本，再利用这些整数版本替代训练版本进行差量数据计算及差量压缩。换而言之，本发明为神经网络模型的每一网络层设置了生成的专用的量化参数，可采用不同力度对每一网络层进行针对性量化，相较于全局量化策略额外考虑了神经网络模型不同网络层之间的参数取值差异，能够有效避免将整个网络的浮点数参数看作一个集合来确定全局的量化参数所导致的量化误差增大及模型的精度下降问题。
-
公开(公告)号：CN116886237B
公开(公告)日：2024-10-29
申请号：CN202310177258.8
申请日：2023-02-28
Applicant: 哈尔滨工业大学(深圳)
IPC: H04L1/00
Abstract: 本申请实施例公开了一种纠删码编解码处理方法、纠删码编解码处理设备以及计算机可读存储介质，用于在减小对丢失目标块的纠删码进行编解码的计算开销的情况下，对丢失目标块的纠删码进行编解码处理。本申请实施例方法包括：在纠删码的目标块丢失后，确定对丢失目标块的纠删码进行编解码处理的目标编解码公式，预估按照每个预设计算方式对目标编解码公式进行计算所需的计算开销，根据每个预设计算方式对应的计算开销确定目标计算方式，按照目标计算方式对目标编解码公式进行计算，以对丢失目标块的纠删码进行编解码处理。
-
公开(公告)号：CN116149894A
公开(公告)日：2023-05-23
申请号：CN202310177236.1
申请日：2023-02-28
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F11/07
Abstract: 本申请实施例提供了一种卡慢的检测方法及相关设备，用于检测卡慢故障，并尽可能地提升卡慢盘检测的准确率。本申请实施例方法包括：当存储系统触发卡慢故障状态时，获取所述存储系统的目标故障数据；分析所述目标故障数据，以根据目标判定算法检测所述存储系统的故障类型；根据所述故障类型确定所述存储系统的目标故障源，并将所述目标故障源与所述存储系统进行隔离，以使得所述存储系统由所述卡慢故障状态恢复至预设运行状态。
-
Patent Agency Ranking
公开(公告)号：CN113947022A
公开(公告)日：2022-01-18
申请号：CN202111220714.X
申请日：2021-10-20
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F30/27 , G06V20/40 , G06K9/62 , G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明公开了一种基于模型的近端策略优化方法，包括步骤：获取模拟环境，并确定所述模拟环境对应的环境模型和策略网络；基于所述策略网络与所述模拟环境，确定状态数据；其中，所述状态数据包括所述模拟环境的视频序列帧；基于所述模拟环境的视频序列帧训练所述环境模型，得到已训练的环境模型输出的预测图像；基于所述预测图像，更新所述状态数据，得到更新的状态数据；基于所述更新的状态数据，更新所述策略网络，得到更新的策略网络。融合基于模型的深度强化学习算法，提出了基于模型的近端策略优化框架，较好的解决了非完全信息博弈环境下采样利用率低的问题，在提高采样率的同时提升训练速度。
-
公开(公告)号：CN110309331B
公开(公告)日：2021-07-27
申请号：CN201910599265.0
申请日：2019-07-04
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/51 , G06F16/583 , G06F16/31 , G06F16/33 , G06K9/62
Abstract: 本发明专利涉及一种基于自监督的跨模态联合哈希检索方法，该方法包括以下步骤：步骤1：针对图像模态数据进行处理：采用深度卷积神经网络对图像模态的数据进行特征提取，对图片数据进行哈希学习，将深度卷积神经网络的最后一层全连接层的节点个数设置为哈希码的长度；步骤2：针对文本模态数据进行处理：使用词袋模型对文本数据进行建模，建立一个两层的全连接神经网络对文本模态的数据进行特征提取，神经网络的输入是使用词袋模型表示的词向量，第一个全连接层节点的数据与第二个全连接层节点的数据与哈希码的长度相同；步骤3：针对类别标签处理的神经网络：采用自监督的训练方式从标签数据中提取语义特征；步骤4：最小化图像与文本网络所提取的特征与标签网络的语义特征间的距离，使得图像与文本网络的哈希模型能够更充分学习不同模态间的语义特征。
-
公开(公告)号：CN115309745B
公开(公告)日：2025-05-13
申请号：CN202210976474.4
申请日：2022-08-15
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/22 , G06F16/2455
Abstract: 本申请公开了一种键值对存储方法、装置、设备及介质，涉及计算机技术领域，包括：确定出键值对存储桶组中的键值对存储桶，并判断键值对存储桶内的剩余容量是否小于待存储键值对的占用容量；若键值对存储桶内的剩余容量小于待存储键值对的占用容量，则判断预先获取的键值对虚拟桶组的重散列次数与本地哈希表的延展次数之间的大小关系；若重散列次数小于延展次数，则确定出键值对转移存储桶组，并将属于键值对虚拟桶组中的历史键值对转移并存储至键值对转移存储桶组；确定出目标键值对存储桶，并将待存储键值对存储至目标键值对存储桶。本申请能够提高键值对存储效率，提高读取密集和读取偏斜场景下索引的读性能，并减少维护索引完美性的开销。
-
公开(公告)号：CN112241468B
公开(公告)日：2024-11-19
申请号：CN202010718382.7
申请日：2020-07-23
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/732 , G06F16/783 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/0442
Abstract: 本发明提供了一种基于多头目自注意力机制的跨模态视频检索方法、系统及存储介质，该跨模态视频检索方法包括视频编码步骤、文本编码步骤和联合嵌入步骤，本发明通过有监督训练的形式，充分利用训练多模态数据中的语义信息进行训练，同时引入多头目自注意力机制，捕捉视频和文本内部的细微交互，有选择性地关注多模态数据的关键信息来增强模型的表征能力，更好地挖掘数据语义，保证数据在原始空间和在共享子空间中距离的一致性。本发明的有益效果是：通过实验证明，本发明既可以有效保持数据在原始空间相似性，又能提高检索的准确率。
-
公开(公告)号：CN112182351B
公开(公告)日：2024-08-13
申请号：CN202011042260.7
申请日：2020-09-28
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/9532 , G06F16/9535 , G06F16/33
Abstract: 本申请公开了一种基于多特征融合的新闻推荐方法，该方法包括：在达到向目标用户进行新闻推荐的触发条件时，获得待推荐新闻集合中每条待推荐新闻的多特征向量；确定目标用户的用户画像；基于用户画像与待推荐新闻集合中每条待推荐新闻的主题特征向量，确定第一推荐结果；基于目标用户的当前浏览新闻与待推荐新闻集合中每条待推荐新闻的关键词向量、标题与摘要特征向量，确定第二推荐结果；根据第一推荐结果和第二推荐结果，确定最终推荐结果，并推荐给目标用户。应用本申请所提供的技术方案，推荐给用户的新闻更符合用户的兴趣，更有针对性，提升了用户的浏览体验。本申请还公开了一种基于多特征融合的新闻推荐装置，具有相应技术效果。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.025 seconds)
