-
公开(公告)号：CN109977715A
公开(公告)日：2019-07-05
申请号：CN201910165390.0
申请日：2019-03-05
Applicant: 哈尔滨工业大学(深圳)
IPC: G06K7/14
Abstract: 本发明提供了一种基于轮廓识别的二维码识别方法，通过定位标记的轮廓的拓扑结构来识别定位标记。本发明还提供了一种基于轮廓识别的二维码。本发明的有益效果是：改进过后的定位标记不再使用原先显式的识别特征，而是以“定位标记轮廓的拓扑结构”这种更加隐式的特征来识别定位标记，在扫码时通过对图形的拓扑结构进行分析，找出其中符合要求的拓扑结构识别为定位标记，从而解放定位标记的具体形状，可以根据需求来进行定制，从而让二维码的形式可以更加的个性化，也有利于保持二维码整体的容错能力。
-
公开(公告)号：CN116149894B
公开(公告)日：2023-10-27
申请号：CN202310177236.1
申请日：2023-02-28
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F11/07
Abstract: 本申请实施例提供了一种卡慢的检测方法及相关设备，用于检测卡慢故障，并尽可能地提升卡慢盘检测的准确率。本申请实施例方法包括：当存储系统触发卡慢故障状态时，获取所述存储系统的目标故障数据；分析所述目标故障数据，以根据目标判定算法检测所述存储系统的故障类型；根据所述故障类型确定所述存储系统的目标故障源，并将所述目标故障源与所述存储系统进行隔离，以使得所述存储系统由所述卡慢故障状态恢复至预设运行状态。
-
公开(公告)号：CN116886237A
公开(公告)日：2023-10-13
申请号：CN202310177258.8
申请日：2023-02-28
Applicant: 哈尔滨工业大学(深圳)
IPC: H04L1/00
Abstract: 本申请实施例公开了一种纠删码编解码处理方法、纠删码编解码处理设备以及计算机可读存储介质，用于在减小对丢失目标块的纠删码进行编解码的计算开销的情况下，对丢失目标块的纠删码进行编解码处理。本申请实施例方法包括：在纠删码的目标块丢失后，确定对丢失目标块的纠删码进行编解码处理的目标编解码公式，预估按照每个预设计算方式对目标编解码公式进行计算所需的计算开销，根据每个预设计算方式对应的计算开销确定目标计算方式，按照目标计算方式对目标编解码公式进行计算，以对丢失目标块的纠删码进行编解码处理。
-
公开(公告)号：CN113965359B
公开(公告)日：2023-08-04
申请号：CN202111152694.7
申请日：2021-09-29
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种面向联邦学习数据投毒攻击的防御方法及装置，方法包括：每个客户端使用本地数据训练模型参数；每个客户端将本地模型参数上传给服务器，服务器接收到所有的模型参数；服务器从中计算出一个用于比较的参考基准u，则对于任意的两个局部模型wa和wb，计算它们相对于参考基准u的相似度；采用内部投票的方法判断一个局部模型是否为恶意；根据每个局部模型所得的票数，计算每个局部模型的可信度；基于可信度的模型加权聚合，得到最终的全局模型，基于最终的全局模型实现数据投毒攻击的防御。本发明中，恶意客户端的模型会被赋予较低权重，在加权聚合时削弱它对全局模型的影响，从而实现针对数据投毒攻击的防御。
-
公开(公告)号：CN116212356A
公开(公告)日：2023-06-06
申请号：CN202310072057.1
申请日：2023-01-12
Applicant: 哈尔滨工业大学(深圳)
IPC: A63F1/00 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度回归抽象技术的虚拟遗憾策略求解方法及设备，所述方法包括：构建回归器网络，将回归器网络进行初始化并遍历博弈树收集历史数据；根据蓄水池采样方法对历史数据进行采样得到训练集，并基于训练集的数据对回归器网络进行训练；当回归器网络的训练次数达到最大训练轮次时停止训练，得到目标回归器网络，并获取深度回归虚拟遗憾最小化算法的到达概率，目标回归器网络根据到达概率计算得到平均策略。本发明使用神经网络作为回归器生成虚拟遗憾最小化算法迭代所需的遗憾值，减少信息抽象的影响，并使得算法无需存储大型表格，减少了算法的存储资源开销，同时利用神经网络的拟合能力也提升了算法的通用性与泛化性。
-
Patent Agency Ranking
公开(公告)号：CN114048834B
公开(公告)日：2023-01-17
申请号：CN202111303694.2
申请日：2021-11-05
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于事后回顾和渐进式扩展的持续强化学习非完全信息博弈方法及装置，包括下述步骤：获取非完全博弈环境，确定任务目标；构建第一神经网络和基于未来值预测的强化学习方法；构建事后经验回顾池；对第一神经网络进行训练，直至第一神经网络收敛；构建渐进式神经网络，实现网络模型的渐进式扩展；选择下一个任务作为任务目标，利用基于未来值预测的强化学习方法持续训练，直至所有的任务都训练完成。本发明通过使用非完全信息博弈场景中丰富的智能体状态变化作为监督信号，解决该环境下的奖励稀疏问题，同时引入持续学习框架渐进式神经网络对未来值预测网络结构进行动态扩展，解决了在该环境下的多任务场景中的灾难性遗忘的问题。
-
公开(公告)号：CN110404264B
公开(公告)日：2022-11-01
申请号：CN201910676407.9
申请日：2019-07-25
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于虚拟自我对局的多人非完备信息博弈策略求解方法、装置、系统及存储介质，该方法包括：针对二人博弈情况，使用多类别逻辑回归和蓄水池抽样实现了平均策略的生成，使用DQN和环形缓冲记忆实现了最优反应策略的生成；针对多人博弈情况，使用多智能体近端策略优化算法MAPPO实现最优反应策略，同时使用多智能体NFSP调节智能体的训练。本发明的有益效果是：本发明引入了虚拟自我对局的算法框架，将德州扑克策略优化过程分为最优反应策略学习和平均策略学习两个部分，并分别用模仿学习和深度强化学习来实现，设计出了更为通用的多智能体最优策略学习方法。
-
公开(公告)号：CN115145763A
公开(公告)日：2022-10-04
申请号：CN202210750451.1
申请日：2022-06-29
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F11/14
Abstract: 本申请实施例公开了数据处理方法以及相关设备，用于提升数据恢复效率。本申请实施例方法包括：确定用于恢复目标数据的每个目标数据块所在的目标容器集，其中所述目标容器集中仅包含所述目标数据的目标数据块，所述目标数据块为差量数据块或基础数据块；确定多个所述目标容器集的访问顺序，按照所述访问顺序依次从每个所述目标容器集获取所述目标容器集存储的目标数据块；其中每个差量数据块的获取顺序早于所述差量数据块对应的基础数据块的获取顺序；按照各个所述目标数据块的获取顺序，恢复所述目标数据。
-
公开(公告)号：CN111931233A
公开(公告)日：2020-11-13
申请号：CN202010806166.8
申请日：2020-08-12
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F21/62 , G06F16/2458 , G06F16/27
Abstract: 本申请实施例公开了一种基于区块链和本地化差分隐私保护的信息推荐方法及系统，用于在进行信息推荐的同时保证用户数据的安全性和确保用户隐私信息不被泄露。本申请实施例方法包括：对区块链用户的用户数据进行聚类分析，以及对该区块链用户的预处理数据进行本地化差分隐私处理而得到模糊化数据，并由星际文件系统对该模糊化数据进行哈希计算而得到哈希值，在得到区块链用户的桶号以及哈希值之后，可以基于该桶号及哈希值，根据推荐算法向目标区块链用户进行信息推荐。本申请实施例中，免除了中心服务器的参与，避免中心服务器被攻击而导致用户信息泄露，同时本地化差分隐私处理也保证了用户数据的隐秘性，增强了数据的安全性，降低隐私泄露的风险。
-
公开(公告)号：CN110404264A
公开(公告)日：2019-11-05
申请号：CN201910676407.9
申请日：2019-07-25
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于虚拟自我对局的多人非完备信息博弈策略求解方法、装置、系统及存储介质，该方法包括：针对二人博弈情况，使用多类别逻辑回归和蓄水池抽样实现了平均策略的生成，使用DQN和环形缓冲记忆实现了最优反应策略的生成；针对多人博弈情况，使用多智能体近端策略优化算法MAPPO实现最优反应策略，同时使用多智能体NFSP调节智能体的训练。本发明的有益效果是：本发明引入了虚拟自我对局的算法框架，将德州扑克策略优化过程分为最优反应策略学习和平均策略学习两个部分，并分别用模仿学习和深度强化学习来实现，设计出了更为通用的多智能体最优策略学习方法。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.031 seconds)
