-
-
公开(公告)号：CN101840426A
公开(公告)日：2010-09-22
申请号：CN201010148350.4
申请日：2010-04-15
IPC: G06F17/30
Abstract: 本发明属于信息技术中的空间信息存储与查询技术领域，具体为一种基于坐标分离的GML文档存储与查询方法。通过SAX解析器将GML文档中的空间坐标数据与非空间坐标数据相分离。将分离后的不包含空间坐标的数据存储于基本Native xm1的DB2 pureXML的数据库，将分离后的空间数据存储于DB2 Spatial Extender中，并通过数据分离时所产生的连接因子将空间坐标数据和非空间坐标数据相互联系起来。在查询时将查询语句分离成两个查询语句：空间查询、非空间查询，并进行查询操作。实验证明，本发明提出的基于空间坐标数据分离的GML数据存储方案是有效、可行的，能有效地存储管理GML文档数据。
-
公开(公告)号：CN119578459A
公开(公告)日：2025-03-07
申请号：CN202411465424.5
申请日：2024-10-21
Applicant: 复旦大学
IPC: G06N3/045 , G06N3/0499 , G06N3/0442 , G06F18/10 , G06F18/213 , G06F18/22 , G06N3/0895 , G06F123/02
Abstract: 本发明属于时间序列分析技术领域，具体为一种基于变量依赖和长时依赖的多变量时间序列预测系统。本发明时间序列预测系统包括：多变量时序预测的大语言模型，具体采用预训练权重的大语言模型GPT‑2；还包括加载于大语言模型GPT‑2的架构上的时序通道适配器，用于学习多变量之间的依赖关系，动态调整各个变量通道权重；以及加载于大语言模型GPT‑2输出的表示空间的后约束模块，用于对比学习约束，驱使大语言模型学习更鲁棒和更有预测性的表示。本发明有效提高了在长期时间序列预测场景下的预测精度和预测过程的可解释性，并具备很好的可移植性和通用性，可以快速地从一个应用场景迁移到一个新的应用场景。
-
公开(公告)号：CN117216598A
公开(公告)日：2023-12-12
申请号：CN202311237548.3
申请日：2023-09-21
Applicant: 腾讯科技(深圳)有限公司 , 复旦大学
IPC: G06F18/23 , G06F18/21 , G06F17/16 , G06N3/0464 , G06N3/0985
Abstract: 本申请实施例公开了一种异常处理方法、装置、电子设备和存储介质；本申请实施例适用于联邦学习领域，可以确定参与方的上一模型与当前模型之间的梯度，当前模型为参与方当前轮迭代上传的模型，上一模型为参与方上一轮迭代上传的模型；基于梯度，确定每个参与方与参与方群体之间的梯度差异；对梯度差异进行切分处理，得到预设分层的差异片段；基于差异片段在参与方群体中确定异常参与方，以便对异常参与方上传的当前模型执行异常处理流程。在本申请实施例中，对梯度差异进行更加细粒度的切分，可以提升异常检测的精度，从而更加准确、有效地处理异常模型。
-
公开(公告)号：CN117114705A
公开(公告)日：2023-11-24
申请号：CN202310972921.3
申请日：2023-08-03
Applicant: 复旦大学
IPC: G06Q30/018 , G06F18/213 , G06F18/241 , G06N3/0499 , G06N3/08 , G06N5/022
Abstract: 本发明属于数据挖掘技术领域，具体为基于持续学习的电商欺诈识别方法与系统。本发明电商欺诈识别方法包括：样本特征提取：通过预训练词表和文本特征提取器，对商家交易过程中产生的文本信息进行编码，并和商家的行为特征拼接得到样本特征；样本风险识别：通过二分类器对模型学习到的样本特征进行打分，获取最终分类结果；基于持续学习的模型迭代；通过知识蒸馏法和样本重演法使新模型参数在训练过程中向线上模型参数靠拢，在学习新风险点特征信息的同时尽可能保留新模型对历史风险的识别能力。本发明在阿里巴巴的电商欺诈数据集上取得满意的效果。本发明能够有效地缓解因风险点变化导致的灾难性遗忘问题，增强模型对于历史知识的记忆能力。
-
Patent Agency Ranking
公开(公告)号：CN116756769A
公开(公告)日：2023-09-15
申请号：CN202310743835.5
申请日：2023-06-24
Applicant: 复旦大学
Abstract: 本发明属于机器学习技术领域，具体为一种保护差分隐私的因果发现方法。本发明方法包括依据输入数据集的潜在数据集规模，查询敏感度，根据条件独立性测试方法计算隐私预算的上界；在条件独立性测试过程中融合差分隐私思想添加噪声数据、添加拉普拉斯噪声，使之总体隐私预算不超过预设值；通过调节差分隐私预算，实现训练数据集可用性与隐私保护度的平衡。本发明可在不限定数据是否满足联合高斯分布的场景下实现满足保护差分隐私的因果发现任务。
-
公开(公告)号：CN112802547B
公开(公告)日：2022-09-20
申请号：CN202110119134.5
申请日：2021-01-28
Applicant: 复旦大学
Abstract: 本发明公开了一种基因检测方法，实现了检验导致某种特定特点的因果基因。现有的对因果基因的鉴别往往离不开独立性检验，传统的独立性检验随着数据维度的增加复杂度呈指数增加，故传统的独立性检验在数据具备高纬度特点的生物科学领域受到较大限制，因此本发明利用一种基于线性回归独立性检验策略替代传统的独立性检验，能够高效准确地找出因果基因。和其他因果基因鉴别领域的方法比较之下，均有着突出的表现，能够更准确的找出更多的因果基因。
-
公开(公告)号：CN114742274A
公开(公告)日：2022-07-12
申请号：CN202210247062.7
申请日：2022-03-14
Abstract: 本发明提供一种社交网络信息扩散预测方法，该方法综合考虑社交网络中社交影响力、信息扩散的时间动态特性和非连通用户行为相似性这三个关键因素，通过将曝光时间排序、引力排序和级联相似性排序这三种算法进行融合提出能够预测社交网络中信息扩散的模型。其中，曝光时间排序算法在保证基于一个话题下信息传播的时间动态特性之外，还能考虑到不同话题下信息传播的时间动态特性差异较大的问题；引力排序算法从社交网络拓扑结构中导出，能够计算所有参与话题的用户对邻居影响力的并且对所有未参与话题的用户按激活概率排序；级联相似性排序从每个用户的级联数据导出，用一个向量刻画用户，并用向量的余弦相似性衡量他们之间的相似程度。
-
公开(公告)号：CN112036447B
公开(公告)日：2022-05-03
申请号：CN202010802487.0
申请日：2020-08-11
Applicant: 复旦大学
Abstract: 本申请公开了一种零样本目标检测系统及可学习语义和固定语义融合方法，将零样本学习机制引入到深度目标检测框架，建立一套基于具有强判别能力的零样本目标检测系统LAT‑Net，通过LAT‑Net实现端到端的零样本目标检测任务。使用了可学习的语义特征和固定语义特征相结合的方法，使得网络在源域训练时，既可以充分利用类别的词向量信息，又可以利用到端到端学习，发现更加具有鉴别能力的类别原型，取得了最好的检测准确率。本发明系统框架简单、使用方便、可扩展性强、可解释性强，并在两个主流视觉属性数据集的零样本检测和泛化零样本检测两大任务的结果上，均超过了现有方法。为目标检测技术在军事和工业应用领域，提供基础框架和方法的支持。
-
公开(公告)号：CN114170188A
公开(公告)日：2022-03-11
申请号：CN202111496641.7
申请日：2021-12-09
Abstract: 本发明提供一种俯视图像的目标计数方法，其特征在于，包括以下步骤：步骤S1，采集俯视图像并生成图像数据集。步骤S2，利用几何自适应高斯卷积方法对图像数据集进行处理。步骤S3，构建回归计数神经网络模型。步骤S4，将真实密度图集作为训练集输入到回归计数神经网络模型进行监督训练，得到训练完成的回归计数神经网络模型。步骤S5，利用几何自适应高斯卷积方法对待计数图像进行处理。步骤S6，待计数图像的真实密度图输入到训练完成的回归计数神经网络模型。步骤S7，对待计数图像的预测密度图进行积分，得到待计数图像的目标个数。本发明提供一种俯视图像的目标计数系统。本发明提供一种俯视图像的目标计数存储介质。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.026 seconds)
