-
公开(公告)号：CN109218134B
公开(公告)日：2020-08-25
申请号：CN201811133388.7
申请日：2018-09-27
Applicant: 华东师范大学
Abstract: 本发明公开了一种基于神经风格迁移的网络协议测试用例生成系统，该系统包括：原始数据收集模块、编码模块、神经风格迁移模块和逆向编码模块。其中，原始数据收集模块收集工控网络系统中的流量数据，并将收集到的数据用聚类算法进行分类；编码模块将分类后的数据编码成为图片形式；神经风格迁移模块将编码模块输出的图片和风格图片作为输入，基于神经风格迁移方法进行神经风格转换，在转换过程中通过不断的训练迭代控制风格变换的程度；逆向编码模块将神经风格变换模块输出的二维图片转为一维的序列形式作为测试用例。该测试用例可以直接注入目标网络进行攻击测试。此系统可以智能的学习协议的格式，减少人为的学习过程，提高测试的效率。
-
公开(公告)号：CN109218134A
公开(公告)日：2019-01-15
申请号：CN201811133388.7
申请日：2018-09-27
Applicant: 华东师范大学
Abstract: 本发明公开了一种基于神经风格迁移的网络协议测试用例生成系统，该系统包括：原始数据收集模块、编码模块、神经风格迁移模块和逆向编码模块。其中，原始数据收集模块收集工控网络系统中的流量数据，并将收集到的数据用聚类算法进行分类；编码模块将分类后的数据编码成为图片形式；神经风格迁移模块将编码模块输出的图片和风格图片作为输入，基于神经风格迁移方法进行神经风格转换，在转换过程中通过不断的训练迭代控制风格变换的程度；逆向编码模块将神经风格变换模块输出的二维图片转为一维的序列形式作为测试用例。该测试用例可以直接注入目标网络进行攻击测试。此系统可以智能的学习协议的格式，减少人为的学习过程，提高测试的效率。
-
公开(公告)号：CN106383835A
公开(公告)日：2017-02-08
申请号：CN201610755226.1
申请日：2016-08-29
Applicant: 华东师范大学
Abstract: 本发明公开了一种基于形式语义推理和深度学习的自然语言知识挖掘系统，包括：机器学习模块，用于将形式语义推理和机器学习方法相结合，并进行包含语义的机器学习；意图学习模块，用于学习待挖掘的自然语言的描述意图；文本主题提取模块，用于根据LDA模型分析文本主题内容和段落内容描述意图；文档结构分类模型搭建模块，用于根据深度卷积神经网络进行模型训练，在训练过程中自动修饰完善该神经网络，并搭建自动文档结构分类器。本发明依靠自动化语义推理与深度学习技术与自然语言处理的结合，直接对以文献、语音等为代表的非结构化数据群进行处理并对意图进行推理，以了解文字描述的真实意图，将挖掘和检索到的知识用于新知识结构的分析和构造，从而实现高效、智能与可学习和自演化地进行知识挖掘与检索。
-
公开(公告)号：CN114118374B
公开(公告)日：2025-02-18
申请号：CN202111427417.2
申请日：2021-11-29
Applicant: 华东师范大学
IPC: G06N3/092 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06N3/088 , G06N3/0895 , G06F18/231
Abstract: 一种基于层次一致性学习的多智体强化学习方法及系统，将深度集合网络与变分自动编码器相结合，并被引入到多智体强化学习中用以规范大规模自动分拣任务中分拣机器人集群的群体行为。本发明通过引入辅助无监督学习任务以及自监督学习任务，习得高效地团队意图表示以及个体意图表示，通过对团队意图施加多样性约束、对个体意图施加一致性约束，来保证团队内紧密协作、团队间多样探索，从而有效提升大规模多智体系统完成协作任务时的探索效率以及协作效率，本发明能够有效提升大规模多智体系统完成协作任务时的探索效率以及协作效率。
-
公开(公告)号：CN119294589A
公开(公告)日：2025-01-10
申请号：CN202411325088.4
申请日：2024-09-23
Applicant: 华东师范大学
Abstract: 本发明公开了一种基于图神经网络的多模式交通需求预测方法，其特点是引入多源融合、多图处理和元信息嵌入等技术，捕捉城市交通系统多种模式数据的复杂时空依赖关系，采用包括时空图卷积网络、扩散卷积循环神经网络和Graph‑WaveNet网络模型，对融合后的多模式数据进行交通需求预测。本发明与现有技术相比具有调整交通资源的分配，优化调度，减少拥堵，提高交通效率等优点，通过收集不同交通模式的时空数据，结合多种图结构进行建模，实现了多模式交通需求的高精度预测，解决了城市交通中复杂交通模式之间的相互影响、空间异质性及多模式数据的融合问题，可广泛应用于智慧交通、城市规划和公共交通调度等领域，具有良好的运用前景。
-
Patent Agency Ranking
公开(公告)号：CN119207776A
公开(公告)日：2024-12-27
申请号：CN202411337482.X
申请日：2024-09-25
Applicant: 华东师范大学
IPC: G16H50/20 , G16H50/70 , G16H10/60 , G06F18/2415 , G06N3/0442 , G06N3/0475 , G06N3/048 , G06N3/049 , G06N3/0455 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于生成对抗网络的罕见病检测方法，其特点是该方法包括：1）患者医疗记录的收集；2）数据预处理；3）医疗记录事件的编码；4）医疗事件序列的嵌入；5）序列数据的编码与表示；6）生成对抗网络的设计及训练；7）半监督学习；8）疾病预测与结果输出等步骤。本发明与现有技术相比具有在医疗应用中帮助早期发现罕见病并提高诊断的准确性，特别是在数据稀缺和类别不平衡情况下能够取得显著效果，尤其适用于从电子健康记录中提取和处理复杂的时间序列数据，提高检测的精度，方法简便，效果显著，具有良好的运用前景和商业开发价值。
-
公开(公告)号：CN114119874B
公开(公告)日：2024-10-22
申请号：CN202111412652.2
申请日：2021-11-25
Applicant: 华东师范大学
IPC: G06T17/00 , G06T7/11 , G06T3/4053 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/084 , G06N3/0464
Abstract: 一种基于GAN的单图重建高清3D面部纹理的方法，通过人脸数据集训练带有瓶颈残差块的生成网络，也即人脸密集对齐网络，并进一步基于DANF生成高清面部纹理数据集用于训练带有残差密集块的超分辨率网络，也即增强型纹理超分辨率生成对抗网络，最后通过训练后的ETSRGAN生成相应的高清面部纹理；本发明引入纹理超清并考虑不同角度的人脸图像，采用基于GAN的模型对单图重构的3D模型进行重新建模，能够有效地生成高清的面部纹理。
-
公开(公告)号：CN116153469A
公开(公告)日：2023-05-23
申请号：CN202111329369.3
申请日：2021-11-10
Applicant: 华东师范大学 , 复旦大学附属华山医院
Abstract: 本实施例公开了一种交互式医疗图像分割平台。平台医疗图像展示子系统以及交互分割子系统；其中：医疗图像展示子系统包括显示模块，用于接收并显示医疗图像，以及医疗图像的医疗信息；交互分割子系统，包括操作指令响应模块，用于响应于用户的操作指令，并将操作指令反馈至医疗图像展示子系统进行显示调整；还包括算法分割模块，用于基于分割算法确定医疗图像的初始分割结果；还包括算法交互模块，用于若检测到纠错交互信息，则根据纠错交互信息对初始分割结果进行调整，得到图像分割结果。采用本发明实施例的技术方案，可以利用交互式分割算法将医生从手工标注中解放出来，只需要对深度学习算法模型的分割结果进行纠错，可以快速得到分割结果。
-
公开(公告)号：CN115618262A
公开(公告)日：2023-01-17
申请号：CN202211179361.8
申请日：2022-09-27
Applicant: 华东师范大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06F18/23 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 一种基于Transformer特征提取的电磁信号目标识别系统，包括：用于类图像数据转换的数据处理模块、基于轻量级Transformer的特征提取器模块以及特征分类器模块，数据处理模块将每个脉冲信号经短时傅立叶变换生成固定大小的时频矩阵，从而将电磁信号目标识别任务转化为类图像分类任务；特征提取器模块根据固定大小的时频矩阵，通过Mobile‑Vit模型进行全局特征进行提取，得到一维特征激活向量，并通过全连接层得到特征激活向量；特征分类器模块根据特征激活向量，通过每个已知类电磁信号目标特征离互反点的距离计算样本所属的类别的概率，实现更加全面的特征以及更准确的识别率。
-
公开(公告)号：CN114143882A
公开(公告)日：2022-03-04
申请号：CN202111427464.7
申请日：2021-11-29
Applicant: 华东师范大学
IPC: H04W72/04
Abstract: 一种基于强化组织控制的多智体系统自组织方法及系统，通过二元决策将大规模自动分拣任务中分拣机器人集群的自组织问题建模为一个多智体强化学习问题，每个智能体能够通过二元决策单元自发地决定是否与邻近智能体组成系统，将传统图论算法用于智能体的自组织问题中，而最终能够提升自动分拣任务完成的时间效率以及任务完成度。本发明能够保证系统内紧密协作、实现对复杂协作任务的分治，从而有效提升学习算法在应用到大规模多智体系统的可扩展性。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.044 seconds)
