-
公开(公告)号：CN108322349A
公开(公告)日：2018-07-24
申请号：CN201810141210.0
申请日：2018-02-11
Applicant: 浙江工业大学
Abstract: 一种基于对抗式生成网络的深度学习对抗性攻击防御方法，包括以下步骤：1)基于生成对抗网络在学习样本分布中表现出来的高性能，设计了通过生成对抗网络生成对抗样本的方法，在增加了目标模型网络集合TMi后，基于G网络的样本生成变成了一个多目标的优化问题；对于AG-GAN模型的训练主要是对生成网络G和判别网络D的参数训练，分为三个模块；2)利用AG-GAN生成的对抗样本训练被攻击的深度学习模型，从而提高其防御不同种对抗样本的能力。本发明一种基于对抗式生成网络的深度学习对抗性攻击防御方法，有效提高其安全性。
-
公开(公告)号：CN108198609A
公开(公告)日：2018-06-22
申请号：CN201810057183.9
申请日：2018-01-22
Applicant: 浙江工业大学
IPC: G16H40/20
Abstract: 一种基于医院后勤运送系统的员工排序方法，包括以下步骤：1)获得关于医院后勤运送任务及后勤运送员工的数据表并进行数据清洗；2)利用数据表中每条记录的开始时间和结束时间，计算出每个运送任务的执行时间；3)针对不同医院，统计出医院的数据，针对不同医院的各个员工，统计出每个员工的数据；4)根据获得的统计数据，制定表征员工绩效的四个评价指数；5)获得的四个评价指数按不同权重加权，得到每个员工的得分，再将不同医院的员工得分一起升序排列，得到所有员工的排名。本发明针对医院后勤运送系统，提取关于医院和员工的多个相关变量，提出了四种影响医院后勤运送员工绩效的指数，并从多维度来评估员工绩效排名。
-
公开(公告)号：CN107480132A
公开(公告)日：2017-12-15
申请号：CN201710610311.3
申请日：2017-07-25
Applicant: 浙江工业大学
CPC classification number: G06F17/2775 , G06F17/271 , G06N3/0454 , G06N5/025
Abstract: 一种基于图像内容的古诗词生成方法，包括以下步骤：1)基于单次多框目标检测框架对图像内容进行目标检测得到物体的名称；2)采用中文词法分析工具对设定数量首唐诗进行分词，得到词汇表，利用word2vec工具对词汇表中每一个词进行特征学习，将每一个词映射到向量空间；3)将得到的物体名称输入word2vec工具后得到物体名称映射向量，计算其与古诗词向量之间的余弦相似度，设定阈值后选择部分作为该物体对应的主题词；4)利用主题词扩展关键词，将关键词输入学习唐诗后得到的RNN模型进行古诗词生成。本发明采用目标检测算法与循环神经网络算法结合的方法生成古诗词，且古诗词与图像内容相关性较强，且具有更好的连贯性。
-
公开(公告)号：CN118708933A
公开(公告)日：2024-09-27
申请号：CN202410760666.0
申请日：2024-06-13
Applicant: 浙江工业大学
IPC: G06F18/213 , G06F18/214 , G06F18/24 , G06N3/042
Abstract: 本发明公开了一种基于因果特征发现的谣言检测方法及系统，其方法包括：S1：对从社交网络中获取的数据进行数据提取以及格式转换，获取事件的源帖子、回复帖子以及传播路径，并进行谣言传播图构建；S2：将S1处理过后的事件源帖子及回复的文本进行文本特征提取，转化为向量形式；S3：将S1处理过后的谣言传播图进行预训练，获得预训练谣言检测模型；S4：将S1处理过后的谣言传播图使用掩码生成器将谣言传播图划分为因果子图和非因果子图；S5、将S3中获得到的预训练谣言检测模型对S4中划分出的因果子图和非因果子图的操作进行增强，并且确保对虚假相关性消除；S6、将S4中获得到的因果子图以及S1处理过后的谣言传播图分别进行嵌入，提取出两者的图特征；S7、将S6中获得到的因果子图特征和谣言传播图特征进行连接获得表示向量，将表示向量输入到分类器中，计算出目标预测，实现谣言去偏。
-
公开(公告)号：CN118052276A
公开(公告)日：2024-05-17
申请号：CN202410067751.9
申请日：2024-01-17
Applicant: 浙江工业大学
Abstract: 一种基于矩阵化的高效并行遗传算法和装置，其方法包括：针对遗传算法的种群初始化操作，将种群进行排列形成矩阵结构；针对遗传算法的交叉操作，生成相应交叉矩阵，与种群矩阵进行计算模拟交叉过程；针对遗传算法的变异操作，生成相应变异矩阵，与种群矩阵进行计算模拟变异过程；针对遗传算法的选择操作，设计适合矩阵化的适应度函数计算适应度值，计算适应度值，再进行选择操作。本发明利用GPU并行计算的优势，加速PSO过程，从而有效获得在复杂网络中进行扰动子结构优化问题的更高效的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN117523435A
公开(公告)日：2024-02-06
申请号：CN202311289334.0
申请日：2023-10-08
Applicant: 浙江工业大学
IPC: G06V20/40 , G06V40/16 , G06V10/24 , G06V10/46 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/047
Abstract: 基于图网络时序一致性的伪造视频检测方法和装置，其方法包括：S1:对输入的深度伪造视频进行抽帧；S2:对抽取的单帧图片使用RetainFace人脸检测模型检测人脸图像并对人脸进行对齐缩放；S3:使用经过人脸关键点检测网络提取单帧人脸图片中的嘴型、面部表情等特征；S4:将经过目标检测网络提取过特征的视频帧序列转化为对应的特征矩阵；S5:根据单帧图片的特征向量计算视频帧之间的相似度；S6:根据视频帧之间的相似度，使用K近邻图来构建KNN图；S6:将KNN图转化为线图；S7:使用图卷积神经网络对线图进行全局特征提取，获得图表示；S8:使用池化层获取线图的全局表征；S9:使用全连接层和Softmax层，将伪造视频的伪造算法进行分类，实现对视频技术检测。
-
公开(公告)号：CN116976938A
公开(公告)日：2023-10-31
申请号：CN202310908025.0
申请日：2023-07-24
Applicant: 浙江工业大学
IPC: G06Q30/0201 , G06Q40/04 , G06Q40/06 , G06F16/2458 , G06F16/951 , G06N3/084 , G06N3/0455
Abstract: 一种基于自适应频率分解的虚拟货币价格波动预警方法和系统，其方法包括：S1：构建专用数据集并进行预处理。对所选虚拟货币价格数据进行预处理操作，包括对相应的贪婪指数进行预清洗和切分；S2：自适应提取频率分量。自适应地提取时间序列的频率分量，即高频和低频分量。S3:基于平稳性分析提取周期性与季节趋势分量，通过对原始时间序列进行分解，提取出长期趋势、季节性分量；S4:模型训练与波动预警。训练增强后的ENT模型，直到模型损失函数收敛，将需要波动预警的价格数据输入到模型中进行波动预警任务。本发明将时序波动预警问题从时域转到频域，使用自适应频率分解方法与加密货币贪婪指数改进Transformer模型，提升了价格波动预警精度。
-
公开(公告)号：CN115965466A
公开(公告)日：2023-04-14
申请号：CN202211026856.7
申请日：2022-08-25
Applicant: 浙江工业大学
IPC: G06Q40/04 , G06F18/24 , G06F18/22 , G06N3/0464 , G06N3/08
Abstract: 一种基于子图对比的以太坊账户身份推理方法，包括以下步骤：S1：将以太坊账户的交易数据构造成轻量化的交互图，并提取目标账户的二阶交易子图；S2：对每一个交易子图进行图数据增强处理，生成多视角的增强图；S3：通过图卷积神经网络聚合账户学习账户的潜在模式和交易信息，实现以太坊平台上的账户身份推理任务。还包括实施一种基于子图对比的以太坊账户身份推理方法的系统。本发明引入了图数据增强技术与对比学习手段，通过图数据增强技术可以生成弱标注数据增加训练可用的数据量并丰富样本的结构特征，利用对比学习可以捕获同类样本间的结构相似性与关联性，相比以往的方法，本发明有着更高的精度的同时也极大地节省了内存和时间资源。
-
公开(公告)号：CN115269831A
公开(公告)日：2022-11-01
申请号：CN202210598134.2
申请日：2022-05-30
Applicant: 浙江工业大学
IPC: G06F16/35 , G06F16/33 , G06F16/383 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 一种基于时序情感特征的谣言检测方法，包括：对从社交网络中获取的数据进行处理，获取事件的源帖子、回复帖子以及传播路径；将源及回复的文本进行文本特征提取，转化为向量形式；将源及回复的文本进行情感特征提取，获得文本情的情感分数；将帖子的文本进行时序特征提取，获得one‑hot时序向量；将提取的情感特征与提取的时序特征相乘，得到帖子的情感时序特征向量；将情感时序特征向量与文本特征向量进行向量拼接，得到帖子的表示向量；将帖子表示向量和帖子的传播路径输入RvNN神经网络中以获得事件的综合表示；将获得的事件综合表示输入谣言分类模块中的神经网络中，对事件进行判断，输出谣言分类结果。
-
公开(公告)号：CN111666350B
公开(公告)日：2022-10-28
申请号：CN202010465809.7
申请日：2020-05-28
Applicant: 浙江工业大学
IPC: G06F16/28 , G06F40/295 , G06N3/04 , G16H10/00
Abstract: 一种基于BERT模型的医疗文本关系抽取的方法，包括以下步骤：步骤1：收集医疗文本，构建文本数据集；步骤2：对数据集进行预处理；步骤3：构建医疗文本关系抽取模型；步骤4：将抽取结果进行结构化存储。本发明提出一种基于BERT的医疗文本关系抽取的方法，采用了以卷积神经网络和循环神经网络为代表的深度学习算法，主要针对医疗文本，从医疗文本中提取出高层抽象属性。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.025 seconds)
