-
公开(公告)号：CN113887806B
公开(公告)日：2023-04-07
申请号：CN202111169186.X
申请日：2021-10-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种长尾级联流行度预测模型、训练方法及预测方法，该长尾级联流行度预测模型包括骨干网络、以及位于骨干网络之后的回归器，回归器包括并行设置的原始回归器和子网络SUB；骨干网络和原始回归器构成长尾级联流行度预测模型的基线模型；骨干网络用于提取长尾级联的时间特征和空间特征；原始回归器用于得到该长尾级联流行度的原始预测值；述子网络SUB用于得到该长尾级联流行度的加权偏差；以该长尾级联流行度的原始预测值与加权偏差之和作为最终流行度预测值。本发明利用解耦的思想，整个模型训练分为两个阶段，首先利用不同的采样策略来提取骨干网络的特征表示，然后将骨干网络的参数固定住，再通过几种不同的方法微调回归器，该回归器结合了原始的预测值和由子网络SUB产生的加权偏差值，达到更准确预测流行度的目的。
-
公开(公告)号：CN114021836A
公开(公告)日：2022-02-08
申请号：CN202111352050.2
申请日：2021-11-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于不同角度融合的多变量水库入水量预测系统、训练方法及应用，基于水库各变量历史观测值，首先通过随机循环神经网络和生成模型获得符合多模态分布的隐变量，然后通过注意力模型获得注意力矩阵，再将符合多模态分布的隐变量和注意力矩阵输入多层感知机，便可实现未来水库入水量的预测；相较于传统的人工经验判断和统计学方法，本发明对特定的场景具有建模能力；相较于传统的循环神经网络，本发明可以更好地捕捉多个观测值之间的关联和时间上较长的依赖，因而具有更高的准确率，不仅节省了大量的人力和物理成本，而且其预测结果也更有价值。
-
公开(公告)号：CN110232480B
公开(公告)日：2021-05-11
申请号：CN201910515356.1
申请日：2019-06-14
Applicant: 电子科技大学
Abstract: 本发明提供了一种利用变分的正则化流实现的项目推荐模型训练方法及项目推荐方法，采用带注意力机制的循环神经网络并加入正则化流的变分推断，通过学习会话序列的隐含变量，为用户推荐下一次点击的项目，只通过用户点击过的项目序列数据就可以稳定有效地近似推断整个会话序列的下一次点击项目，而且预测模型加入注意力机制来增强会话中重要的项目点的权重，大大提高了预测的精确度。此外，本发明在模型中加入了变分的正则化流去学习隐含变量的真实分布，这可以减小传统的变分模型(比如VAE)在基于会话的推荐问题中的误差。
-
公开(公告)号：CN108564129B
公开(公告)日：2020-09-08
申请号：CN201810372762.2
申请日：2018-04-24
Applicant: 电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于生成对抗网络的轨迹数据分类方法，首先将真实轨迹数据输入生成对抗网络，使生成对抗网络训练至生成器生成与真实轨迹数据分布相同的仿真轨迹数据；然后利用生成对抗网络的生成器生成若干组仿真轨迹数据；最好对生成的若干组仿真轨迹数据与真实轨迹数据一起进行分类处理，得到轨迹用户映射。本发明通过生成对抗网络可以模拟真实轨迹数据的分布，以生成的仿真轨迹数据和真实轨迹数据一起作为轨迹数据分类的数据源，对轨迹数据进行分类，可以有效解决数据稀疏问题，避免稀疏轨迹数据对轨迹数据分类产生的负面影响；由于稀疏轨迹数据也存在相应的轨迹用户映射，因此能够实现对稀疏轨迹数据分类有助于提高数据分类效果。
-
公开(公告)号：CN109636658A
公开(公告)日：2019-04-16
申请号：CN201910044138.4
申请日：2019-01-17
Applicant: 电子科技大学
CPC classification number: G06Q50/01 , G06N3/0454
Abstract: 本发明公开了一种基于图卷积的社交网络对齐方法，首先利用图卷积神经网络对社交网络中的用户关系进行网络嵌入，然后利用高斯核函数将嵌入空间升维，得到高维空间中节点的相似度矩阵，利用锚节点来表示非锚节点，得到两个社交网络最终的网络嵌入，再利用已知的锚节点信息来学习一个网络映射函数，最后利用该函数将两个社交网络中的节点进行对齐。本发明不需要提取大量的用户隐私信息，利用图形就能够很好地表示社交网络用户之间的社交关系。通过引入高斯核函数将嵌入空间升维，可以分离原始低维嵌入空间中不可分离的节点。利用已知锚节点来学习网络映射函数，可以大大地提高社交网络对齐的准确率，从而实现了一种优于现有方法的社交网络对齐方法。
-
Patent Agency Ranking
公开(公告)号：CN118690069A
公开(公告)日：2024-09-24
申请号：CN202410902540.2
申请日：2024-07-07
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G06F16/907 , G06F18/22 , G06N3/0455 , G06N3/0499 , G06F16/901 , G06N5/022
Abstract: 本发明属于大数据处理技术领域，公开了一种基于超图检索增强的多模态社交媒体流行度预测方法，首先构建包含图像内容、文本内容和UGC属性信息的UGC记忆库；再从记忆库中检索出与目标UGC相关的若干实例，生成实例集；将生成的实例集转换成以目标UGC为中心的超图，并进行视觉模态和文本模态两种模态的模态内传播与模态间传播，得到更新后的视觉模态和文本模态表示；将目标UGC分别与更新后的视觉模态和文本模态表示进行级联，并经交叉注意力机制处理得到丰富化后的UGC表示，基于此得到流行度预测值。本发明基于属性感知的检索增强实例，并通过模态内传播与模态间传播有效地学习多模态表示，以丰富目标UGC的表示，增强社交媒体流行度预测任务。
-
公开(公告)号：CN118606546A
公开(公告)日：2024-09-06
申请号：CN202410657715.8
申请日：2024-05-26
Applicant: 电子科技大学
IPC: G06F16/9535 , G06F16/9537 , G06Q50/14 , G06N3/0455 , G06N3/0985
Abstract: 本发明属于轨迹预测技术领域，涉及一种基于回环感知预测的可靠旅行推荐方法，基于用户查询旅行查询，构建输入数据；将输入数据输入训练好的Transformer编码器，得到预测目标兴趣序列的潜在信息分布；依据预测目标兴趣序列的潜在信息分布，将其转化为兴趣点分类的概率分布，并基于位置的引导矩阵对兴趣点分类的概率分布进行重构；依据定义的信心得分，通过解码器对重构的兴趣点分类的概率分布进行解码，得到最终的推荐结果。本发明在确保生成轨迹准确的前提下，还能够缓解轨迹重复生成的现象，以得到可靠的轨迹序列。
-
公开(公告)号：CN117975980A
公开(公告)日：2024-05-03
申请号：CN202410068768.6
申请日：2024-01-17
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G10L21/007 , G10L21/0224 , G10L21/0264 , G10L21/043 , G10L25/30
Abstract: 本发明属于机器学习中的神经网络技术领域，公开了一种基于去噪扩散概率模型的语音增强加速方法，依据浅层扩散策略，选择加入高斯噪声的时间步骤，进而向待增强语音加入高斯噪声，并利用第一噪声预测器对加入高斯噪声的待增强语音进行初步去噪，得到初步去噪语音；依据给定的时间步骤，向初步去噪语音加入高斯噪声，并利用第二噪声预测器对加入高斯噪声的初步去噪语音进行进一步去噪，得到增强后的语音。本发明提升了传统的基于去噪扩散概率模型的语音增强效率及质量。
-
公开(公告)号：CN116308854A
公开(公告)日：2023-06-23
申请号：CN202211577433.4
申请日：2022-12-09
Applicant: 电子科技大学 , 中国电子科技集团公司第五十四研究所 , 喀什地区电子信息产业技术研究院
IPC: G06Q50/00 , G06F17/13 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/08
Abstract: 本发明属于信息传播技术领域，公开了一种基于概率扩散的信息级联流行度预测方法及系统，基于神经常微分方程和扩散概率模型，来建模级联事件时间不规则性以及信息传播的不确定性，进行级联的流行度预测。首先，将信息级联数据构建为级联社交图，级联图以及级联序列，用于下游结构和序列模型的特征学习；然后，基于常微分方程和时间感知的门控机制得到级联隐式特征；在此基础上，从时空隐变量角度，结合条件扩散概率模型和隐式常微分方程，得到级联不确定的隐式特征；最后，利用级联隐式特征和级联不确定的隐式特征进行流行度预测。本发明可用于信息级联的连续时间状态建模和传播不确定性建模，能够更好地进行信息级联流行度预测。
-
公开(公告)号：CN114884877B
公开(公告)日：2023-02-03
申请号：CN202210666799.2
申请日：2022-06-14
Applicant: 电子科技大学
IPC: H04L45/74 , H04L45/7453 , H04L45/748 , H04L45/00 , H04L101/659
Abstract: 本发明属于路由查找技术领域，具体来说是涉及一种哈希表和HOT相结合的IPv6路由查找方法。本发明在分析骨干路由表前缀地址分布规律的基础上，提出一种哈希表与HOT相结合的路由查找算法，其核心思想在于将地址前缀分成两个区间，第一区间不易发生冲突，采用哈希表存储，第二区间查询更新频繁，采用HOT存储。经验证，本发明的方法在查询时间以及空间占用等方面都具有较好的性能。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.024 seconds)
