-
公开(公告)号：CN102006186B
公开(公告)日：2012-10-17
申请号：CN201010548279.9
申请日：2010-11-16
Applicant: 暨南大学
Abstract: 本发明为一种内网设备非法外联监控系统及其方法，其中包括内网设备客户端和监控中心服务端。当内网设备通过非法途径试图连接互联网时，客户端通过信息采集模块获取设备信息和用户信息，并进行信息捆绑生成告警信息，然后把告警信息传递给加密模块，接着封装模块对加密后的告警信息进行封装，最后把封装后的告警信息发送到连接互联网的监控中心服务端。服务端根据制定的策略和接收到的告警信息判断此设备是否允许外联，并做出相应的操作。本发明由内部设备直接向服务端发送告警信息，则无论内部受监控主机通过什么方式接入外网，都会受到服务端监控，同时也避免了内部受监控移动存储设备在不知情的情况下接入外网的情况。
-
公开(公告)号：CN101751458A
公开(公告)日：2010-06-23
申请号：CN200910214558.9
申请日：2009-12-31
Applicant: 暨南大学
Abstract: 本发明为一种网络舆情监控系统及方法，其中系统包括舆情采集模块、舆情处理模块、舆情服务模块、管理控制模块和数据库服务器。本发明将采集的网页文本数据首先进行分词处理、关键词处理、敏感词处理和聚类分析，从而将网页文本数据处理成标准化结构形式以供舆情服务模块进行处理，有效解决了传统舆情监控系统存在的较长时间滞后性的缺点，舆情服务模块采用数据挖掘来获取热点话题，有效的解决了传统舆情监控系统存在的计算机复杂度较高的缺点，从而保证了热点话题的实时性和准确性。
-
公开(公告)号：CN114448599B
公开(公告)日：2024-11-29
申请号：CN202210151457.7
申请日：2022-02-18
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 暨南大学
IPC: H04L9/00
Abstract: 本发明公开一种入侵检测方法及系统，其由边缘节点对边缘侧自身的设备特征数据进行边缘入侵检测模型的构造，由云节点基于所有边缘节点的边缘入侵检测模型的模型输入和模型输出训练云节点的全局模型参数，其中，所述全局模型为基于贝叶斯深度学习的模型；同时云节点基于全局模型预测的误差精度自适应调整全局模型输入的采样数据量，本发明不仅能减少云节点通信传输的压力，还提升了云节点响应服务的能力。同时，本发明每隔一检测周期进行入侵检测模型的更新，全局模型的参数更新会随着边缘节点的数据分布的变动而变动，从而能提高入侵检测的准确率。
-
公开(公告)号：CN118046370B
公开(公告)日：2024-07-02
申请号：CN202410451520.8
申请日：2024-04-16
Applicant: 暨南大学
Abstract: 本发明属于机器人技术领域，尤其涉及一种展开机器人单元，包括多面体模块；至少一个活动板，活动板与多面体模块的边部活动连接，活动板用于驱动多面体模块移动，活动板用于组合连接两个以上的多面体模块；驱动组件，驱动组件用于多面体模块、活动板的连接及角度调节，驱动组件还用于两个相邻的活动板的连接及角度调节。通过多面体模块、活动板和驱动组件的配合，机器人通过灵活的形态变化和快速移动能力，能够快速有效的对区域进行探索和侦查，更好的满足灾难环境的使用需求，并且能够高效稳定的进行越障和承运，能够及时有效的运输物资，不仅有效的提高了机器人使用的灵活适应性，还有利于大大提高救援效率。
-
公开(公告)号：CN118036768A
公开(公告)日：2024-05-14
申请号：CN202410148779.5
申请日：2024-02-01
Applicant: 中电科普天科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 暨南大学
IPC: G06N20/00
Abstract: 本发明公开了一种联邦学习模型优化方法、设备、介质及程序产品，所述方法包括：获取边缘端采集的多属性数据，并计算边缘端的数据量因子、数据质量因子以及数据分布特征因子，从而得到边缘端的可信度；选取可信边缘端进行全局模型的参数更新；向可信边缘端发送第一全局参数，以使可信边缘端进行本地模型的训练，并得到本地模型参数；根据本地模型的平均误差以及预设的全局模型学习率，计算得到动态学习率；根据第一全局参数、动态学习率、可信边缘端的可信度以及本地模型参数，计算得到第二全局参数，实现全局模型的参数更新。本发明实施例解决了数据异构所导致的全局模型性能低下的问题，实现了全局参数更新速度和算法稳定度的平衡。
-
Patent Agency Ranking
公开(公告)号：CN118035568A
公开(公告)日：2024-05-14
申请号：CN202410437158.9
申请日：2024-04-12
Applicant: 暨南大学
IPC: G06F16/9535 , G06N3/0499 , G06Q50/20
Abstract: 本发明涉及习题推荐技术领域，特别是涉及一种感知知识掌握程度的教育习题智能推荐方法，包括：获取第一预设时间内用户的历史答题信息；将历史答题信息输入预设的感知预测模型中，输出第二预设时间内用户的推荐练习习题，其中，感知预测模型通过数据集训练，数据集包含习题序列，习题序列为第三预设时间内用户的历史答题信息按时间先后顺序组成，第三预设时间大于且不包含第一预设时间；感知预测模型包括感知模块和预测模块，感知模块用于对数据集中的习题序列进行处理，获取输出向量；预测模块用于对输出向量进行处理，输出推荐结果。本发明能够为用户进行精准、有效的习题推荐。
-
公开(公告)号：CN117876799A
公开(公告)日：2024-04-12
申请号：CN202410269658.6
申请日：2024-03-11
Applicant: 暨南大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00 , G06V10/82 , G01D21/02
Abstract: 本发明公开了一种物流供应链品控缺陷检测方法及系统，其中方法包括：采集有关物流供应链品控的训练数据，并提取训练数据的缺陷特征；基于特征缺陷，构建混合检测模型；优化检测模型，得到最终模型；利用最终模型，完成物流供应链上的品控缺陷检测。本发明通过融合形变检测和穿透性破损检测两个神经网络模块，实现了对物流供应链纸箱包装的综合检测。本发明能够同时兼顾形变检测和穿透性破损检测，解决了目前方法只能单一处理这两个方面的问题。这将会进一步提高物流供应链纸箱包裹运输过程中的安全性和效率，为物流行业带来更大的便利和效益。
-
公开(公告)号：CN117728879A
公开(公告)日：2024-03-19
申请号：CN202410091420.9
申请日：2024-01-22
Applicant: 中电科普天科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 暨南大学 , 华南理工大学
Abstract: 本发明公开了一种卫星节点部署方法。该方法包括：计算卫星链路的数据传输速率、卫星网络的可靠性、业务总时延和负载均衡系数；基于数据传输速率、业务总时延、卫星网络的可靠性和负载均衡系数，构建以部署成本最小化为目标的目标函数；采用强化学习算法求解目标函数，得到卫星节点的最佳部署位置；根据最佳部署位置部署卫星节点。本发明通过采用主从协同的方式构建星地组网架构，基于数据传输速率、业务总时延、卫星网络的可靠性和负载均衡系数，构建目标函数，保证了部署成本的最小化，采用强化学习算法能够快速求解卫星节点的最佳部署位置。
-
公开(公告)号：CN112052886B
公开(公告)日：2022-06-03
申请号：CN202010847005.3
申请日：2020-08-21
Applicant: 暨南大学
IPC: G06V10/774 , G06V10/82 , G06V10/74 , G06V40/10 , G06V40/20 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/60
Abstract: 本发明属于深度学习计算机视觉领域，公开了一种基于卷积神经网络的人体动作姿态智能估计方法及装置，方法包括：将待进行动作姿态估计的人体图像输入到训练好的人体检测模型中进行处理，得人物个体检测结果，输入到训练好的全局估计模型中进行处理，得到不同尺度的人体关键点的第一特征图，输入到训练好的补充精调模型中进行处理，通过加强学习得到不同尺度的人体关键点的第二特征图；补充精调模型中包括多个特征提取分支，每个特征提取分支中设置数量不同的精调模块，通过各特征提取分支的精调模块加强学习；基于第二特征图，得到人体姿态估计结果。本发明有效解决了现有技术容易遗漏人体图像中难以分辨的关键点而导致人体姿态估计不准确的问题。
-
公开(公告)号：CN114038517A
公开(公告)日：2022-02-11
申请号：CN202110983302.5
申请日：2021-08-25
Applicant: 暨南大学
Abstract: 本发明涉及一种基于对比学习的自监督图神经网络预训练方法，步骤为：对公开数据库的化合物分子进行预处理，筛选出有机分子；对筛选出的有机分子进行结构分解并提取，将所得的子结构作为标识符，并构建子结构的语料库；将分解后的子结构看作超级节点并构建相应的子图数据，该子图数据与原分子图数据构成正样本对，随机选出若干个子图数据与原分子图数据组成负样本对；构建基于注意力机制的图卷积神经网络、基于多层次的门控循环单元和多层感知机模块，组成自监督学习模型；将所有正负样本对数据输入自监督学习模型进行预训练并保存，便于下游任务的微调。解决对缺乏标注的药物分子的场景时，进行深度学习模型训练所产生的泛化性能不足的问题。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.04 seconds)
