-
公开(公告)号：CN114969318A
公开(公告)日：2022-08-30
申请号：CN202210069686.4
申请日：2022-01-21
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) , 东莞理工学院
IPC: G06F16/35 , G06F16/36 , G06F40/284 , G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多图稀疏交互网络的多任务立场检测方法。该方法通过将输入文本输入至多图稀疏交互网络模型，得到所述输入文本的立场检测极性和情感分类极性；所述多图稀疏交互网络模型包括文本编码模块、多图构建模块、多图稀疏交互模块和任务相关注意力模块；所述多图构建模块用于构建所述多图稀疏交互网络模型的立场任务图、情感任务图和任务关系图；多图稀疏交互模块用于对立场任务图、情感任务图和任务关系图的图内节点特征进行更新，和对节点特征在图间的稀疏交互进行更新；所述任务相关注意力模块用于计算输入文本的检测立场的极性和分类情感的极性。本发明技术方案提高了针对推文文本进行立场检测的准确性。
-
公开(公告)号：CN114416159B
公开(公告)日：2022-07-22
申请号：CN202210335647.4
申请日：2022-04-01
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: 本发明公开了一种基于信息增强调用序列的API推荐方法及装置，方法包括解析源代码提取得到原始API调用序列，根据原始API调用序列获取用户自定义API和非自定义API的对应关系，得到增强API调用序列；将原始API调用序列和增强API调用序列分别放入神经网络嵌入层，得到原始序列表示向量和第一增强序列表示向量，将第一增强序列表示向量输入神经网络第一编码器，得到第二增强序列表示向量，并和原始序列表示向量进行信息融合得到API新向量表示；将API新向量表示输入神经网络第二编码器中，得到API序列向量并输入相似度计算模块，得到每一个候选API的概率。本发明可解决原始API调用序列信息不足和用户自定义API携带信息过少影响推荐准确率的问题。
-
公开(公告)号：CN114416159A
公开(公告)日：2022-04-29
申请号：CN202210335647.4
申请日：2022-04-01
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: 本发明公开了一种基于信息增强调用序列的API推荐方法及装置，方法包括解析源代码提取得到原始API调用序列，根据原始API调用序列获取用户自定义API和非自定义API的对应关系，得到增强API调用序列；将原始API调用序列和增强API调用序列分别放入神经网络嵌入层，得到原始序列表示向量和第一增强序列表示向量，将第一增强序列表示向量输入神经网络第一编码器，得到第二增强序列表示向量，并和原始序列表示向量进行信息融合得到API新向量表示；将API新向量表示输入神经网络第二编码器中，得到API序列向量并输入相似度计算模块，得到每一个候选API的概率。本发明可解决原始API调用序列信息不足和用户自定义API携带信息过少影响推荐准确率的问题。
-
公开(公告)号：CN113052203B
公开(公告)日：2022-01-18
申请号：CN202110181592.1
申请日：2021-02-09
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: 本发明公开了一种面向多种类数据的异常检测方法及装置。所述面向多种类数据的异常检测方法通过训练对抗学习网络，使对抗学习网络中的生成器拟合正常训练样本的分布以及学习正常训练样本的潜在模式，得到更新的对抗学习网络，根据训练过程中产生的重构误差构造更新的对抗学习网络中的异常评价函数，并将更新的对抗学习网络构建为异常检测模型，以利用异常检测模型对输入的检测数据进行异常检测，得到异常检测结果。本发明基于传统生成对抗学习模型的异常检测方法，通过引入模式分类器的思想，有效解决了检测数据与正常数据分布相近时异常检测难的问题，进一步提高了异常检测的准确性。
-
公开(公告)号：CN111291890B
公开(公告)日：2021-01-01
申请号：CN202010399728.1
申请日：2020-05-13
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: 本发明提供了一种博弈策略优化方法、系统及存储介质，该博弈策略优化方法包括建立基于最大熵的策略递度算法步骤和多智能体最优反应策略求解步骤。本发明的有益效果是：本发明采用中心化训练和分散式执行的方式，提高动作估值网络的准确性，同时引入了全局基线奖励来更准确地衡量智能体的动作收益，以此来解决人博弈中的信用分配问题。同时引入了最大熵方法来进行策略评估，平衡了策略优化过程中的探索与利用。
-
Patent Agency Ranking
公开(公告)号：CN111260040A
公开(公告)日：2020-06-09
申请号：CN202010370070.1
申请日：2020-05-06
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: 本发明提供了一种基于内在奖励的视频游戏决策方法，包括以下步骤：S1、获取视频游戏模拟环境；S2、构建神经网络模型；S3、设计内在奖励模型；S4、将内在奖励模型与构建的神经网络模型结构结合；S5、通过模拟环境获取游戏的记录；S6、通过获取的游戏记录，更新神经网络模型；S7、循环训练神经网络模型直至收敛。本发明的有益效果是：较好的解决了三维场景中较为常见的缺乏环境反馈奖励值的问题。
-
公开(公告)号：CN119854039A
公开(公告)日：2025-04-18
申请号：CN202510322618.8
申请日：2025-03-19
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: 本公开提供一种道路交通网络的道路终端接入方法及相关设备。该方法包括：获取来自道路终端的接入请求，所述接入请求包括所述道路终端的属性信息；基于所述接入请求对所述道路终端进行第一次身份认证；响应于所述第一次身份认证通过，向所述道路终端发送随机挑战值和第二次身份认证请求；接收来自所述道路终端针对第二次身份认证请求返回的密文和签名；其中，所述密文基于所述随机挑战值得到，所述签名基于所述密文得到；基于所述密文和所述签名进行第二次身份认证；响应于所述第二次身份认证通过，对所述道路终端的运行环境进行评估以得到评估结果；响应于所述评估结果符合预设要求，允许所述道路终端接入所述道路交通网络。
-
公开(公告)号：CN118313445A
公开(公告)日：2024-07-09
申请号：CN202410529143.5
申请日：2024-04-29
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) , 鹏城实验室
IPC: G06N3/098 , G06N3/096 , G06N3/084 , G06N3/0464 , G06N3/0499 , G06F18/2415 , G06F18/2431 , G06N3/048
Abstract: 本发明涉及联邦学习技术领域，公开了一种基于受约束梯度更新的联邦类增量学习方法及系统，该方法包括：接收服务器发送的上一任务的个性化全局模型和跨任务协作损失；当获取到新的任务数据时，基于上一任务的梯度空间的基向量、新的任务的预测标签和真实标签以及跨任务协作损失，对上一任务的模型参数沿着与其梯度空间正交的方向进行更新，得到新的任务在本轮训练中的模型参数；对新的任务的类原型进行加权平均，得到新的任务在本轮训练中的类平均原型；重复上述模型参数和类平均原型的更新，进行预设轮次训练，在每一轮训练完成后，向服务器发送新的任务的模型参数和类平均原型。本发明在客户端有新增任务时，避免灾难性遗忘和模型漂移问题。
-
公开(公告)号：CN118277669A
公开(公告)日：2024-07-02
申请号：CN202410462841.8
申请日：2024-04-17
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) , 鹏城实验室
IPC: G06F16/9535 , G06F18/214 , G06F18/23 , G06F17/16 , G06N3/098
Abstract: 本发明公开了一种基于超图信号分解的联邦跨域推荐方法，属于数据挖掘技术领域。解决了现有技术中传统的跨域推荐方法的难以避免全局模型混入领域特有信息的问题；本发明设定总通信轮次，使用本地数据初始化训练客户端模型，服务器随机选取客户端训练；客户端使用本地的低通超图滤波器和高通超图滤波器分别得到领域特定和领域共享的用户表征和物品表征；客户端和服务器之间运行本地‑全局知识迁移算法；服务器对得到的领域共享的用户表征和更新后的低通超图滤波器的模型进行聚合；服务器将聚合后的全局用户表征和聚合后的低通超图滤波器的模型发送给客户，重复上述步骤直至执行完总通信轮次。本发明避免了出现负迁移问题，可以应用于联邦跨域推荐。
-
公开(公告)号：CN116958748B
公开(公告)日：2024-02-13
申请号：CN202310947023.2
申请日：2023-07-28
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: G06V10/774 , G06V10/771 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像检测技术领域，公开了多任务因果学习的图像检测方法、装置、设备及介质，方法包括：根据多个样本特征对同一任务的重要性分数，从多个样本特征中筛选出干预特征；根据合并反事实特征，以及第二任务的反事实特征，确定第一任务对第二任务的因果亲和力；分别根据每个任务的反事实特征和样本特征的预测损失值生成第一正则约束项；根据第一任务的样本特征的预测损失值、第二任务的样本特征的预测损失值以及第一任务对第二任务的因果亲和力，生成第二正则约束项；根据判别损失函数、第一正则约束项和第二正则约束项，生成预测损失函数；根据预测损失函数对任务模型进行训练得到优化后的多任务模型。本发明能够提高图像检测的性能。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.056 seconds)
