-
公开(公告)号：CN108446765A
公开(公告)日：2018-08-24
申请号：CN201810141253.9
申请日：2018-02-11
Applicant: 浙江工业大学
CPC classification number: G06N3/08 , G06K9/00993 , G06K9/6256 , G06K9/6267
Abstract: 一种面向深度学习对抗性攻击的多模型协同防御方法，法包括以下步骤：1)对基于梯度的攻击进行统一建模提出ρ-loss模型；2)根据统一模型的设计，针对目标模型fpre(x)的对抗攻击，根据对抗样本的生成结果，攻击的基本表现形式分为两类；3)对模型的参数展开分析，针对对抗样本生成模型ρ-loss模型的参数优化和扰动求解模型的搜索步长优化；4)针对黑盒攻击的神秘性，基于adaboost概念设计实验，生成多个实现相同任务的不同类型替代模型进行集成，通过对具有强防御性能的集成模型的攻击训练生成器，设计一个具有较强防御能力的多模型协同防御方法，提出一种权重最优分配的多模型协同检测攻击。本发明安全性较高、有效防御对抗性攻击对深度学习模型的攻击。
-
公开(公告)号：CN107885778A
公开(公告)日：2018-04-06
申请号：CN201710944655.8
申请日：2017-10-12
Applicant: 浙江工业大学
Abstract: 一种基于动态临近点谱聚类的个性化推荐方法，依据用户的签到信息建立用户-商店的二分网络；将用户-商店的二分网络投影到用户-用户与商店-商店的两个单边网络，利用node2vec算法将两个加权的单边网络投影至两个不同的向量空间中；调用基于动态临近点的谱聚类算法分别对以上所得的用户向量与商店向量进行聚类，得到多个用户簇和商店簇；将单个用户之间存在的签到信息转换成用户簇与商店簇之间的簇网络；利用K-means算法将该一维向量进行划分成两个类，签到个数均值较多的类内的商店簇推荐给该用户簇；依据每个用户簇与所推荐的商店簇进行个性化推荐。本发明有效的提高了推荐方法的准确率。
-
公开(公告)号：CN119920353A
公开(公告)日：2025-05-02
申请号：CN202411926429.3
申请日：2024-12-25
Applicant: 浙江工业大学
Abstract: 基于知识关系图增强的小样本分子性质预测方法和装置，其方法包括：S1：构建分子—性质关系图；S2：在分子—性质关系图的基础上构建基于知识引导的分子—性质关系图；S3：基于步骤S2得到的增强图，通过随机抽样从训练任务集中抽取目标任务，根据选定目标任务提取子图，获取子图表征；S4：通过辅助任务采样器进行采样，得到与目标任务高度相关的辅助任务，根据步骤S3得到的子图和辅助任务重新构建一个关系更加丰富的子图；S5：基于步骤S4得到的子图进行小样本分子性质预测训练，计算损失，更新模型参数，提高模型快速泛化到新目标性质的能力；S6：使用步骤S5训练好的模型进行目标性质参数适应，进而获得面向目标性质的泛化模型用于分子性质预测。
-
公开(公告)号：CN119888432A
公开(公告)日：2025-04-25
申请号：CN202510374245.9
申请日：2025-03-27
Applicant: 浙江工业大学
IPC: G06V10/80 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/042 , G06N3/084 , G06N3/0895 , G06V10/44 , G06V40/10
Abstract: 本发明公开一种基于角度图和图像特征融合的3D人体姿态估计方法和系统，其方法包括：使用训练好的2D人体姿态检测器获得人体的2D关键点坐标，并使用高斯拉普拉斯算子获得边缘特征明显的原始图像；将人体骨骼的拓扑图转换为两种不同的角度图；构建角度图特征对比融合模块，通过交叉对比学习融合不同尺度的角度图特征交叉对比；将图像特征与角度图特征进行融合，最后回归得到3D人体姿态信息；重复训练，得到最终的3D人体姿态估计模型。本发明把关节角度约束引入图网络，减少了深度模糊带来的影响，同时融合了图像特征，使得网络具有更好的表达能力。
-
公开(公告)号：CN119415685A
公开(公告)日：2025-02-11
申请号：CN202411300841.4
申请日：2024-09-18
Applicant: 浙江工业大学
IPC: G06F16/35 , G06F16/951 , G06N3/0464 , G06N3/084
Abstract: 一种基于小样本的实时话题推文分类方法和装置，其方法包括：S1、获取原始推文样本数据，并标注数据；S2、将标注数据的推文原文数据分为训练集和验证集，并进行预处理；S3、建立词嵌入模型，并将预处理过的训练集数据输入模型进行训练，将标注数据转换为词向量表示；S4、建立分类器模型，将训练集数据传入分类器模型，并以掩码语言建模任务为目标任务进行预训练；S5、通过网络爬虫获取各大社交网站上包含各个目标话题特定关键词的推文数据，对模型进行增量训练；S6、将验证集数据输入文本分类器，得到最终话题推文分类结果；S7、以天为单位实时对S5增量训练过程进行重复执行；本发明解决了传统文本分类方法对大规模标记数据的依赖问题。
-
Patent Agency Ranking
公开(公告)号：CN118733962A
公开(公告)日：2024-10-01
申请号：CN202410760681.5
申请日：2024-06-13
Applicant: 浙江工业大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 一种基于双曲图卷积的社交平台谣言检测方法和装置，其方法包括：S1：预处理数据集生成相应结构、文本数据；S2：通过谣言树的扩散和传播结构，生成邻接矩阵和特征矩阵；S3：构建模型框架，生成双曲空间特征；S4：在同一批次数据内生成对比性正负样本，设计损失函数，重复训练模型；S5：将测试集数据输入训练后模型，得到谣言分类结果。本发明通过在双曲空间上构建树结构，结合文本表示，进行谣言检测，创新地采用双曲图卷积处理事件传播结构，获得高准确谣言检测模型。
-
公开(公告)号：CN118708768A
公开(公告)日：2024-09-27
申请号：CN202410765943.7
申请日：2024-06-14
Applicant: 浙江工业大学
IPC: G06F16/901 , G06F16/9537 , G06F18/241 , G06F18/25 , G06Q50/00 , G06N3/04 , G06N3/082
Abstract: 一种基于冲突特征和机器人特征的谣言检测方法和装置，包括：S1：根据社交媒体上的帖子及其回复关系，将帖子作为节点，帖子内容的文本嵌入作为节点特征，构建表征信息传播的图结构。S2：应用立场检测算法评估帖子的立场，并基于帖子间的回复关系及立场差异构建局部和全局冲突图，反映信息传播过程中的立场冲突。S3：利用机器人检测算法识别潜在的机器人活动，并调整相关节点在图中的权重，以机器人特征强化信息传播图的节点表示。S4：按照帖子的发布和回复时间信息切割传播图，形成多个表示不同时间切片的动态图，捕捉信息随时间的传播变化。S5：将传播图输入图神经网络，学习节点间的交互关系和图的结构属性，进一步更新节点特征表示。S6：最后在分类器中通过冲突特征、机器人特征与文本特征的融合表示计算事件的标签，完成谣言检测的最终判断。本发明通过构建冲突图并结合机器人特征结合输入图神经网络提取节点表示，并与帖子文本如结合，最后输入分类器获取判定结果。
-
公开(公告)号：CN117112800A
公开(公告)日：2023-11-24
申请号：CN202311018825.1
申请日：2023-08-14
Applicant: 浙江工业大学
IPC: G06F16/36 , G06F16/9535 , G06F21/55 , G06F40/295
Abstract: 一种智能模型攻防知识图谱构建与推荐方法及系统，其方法包括：S1:分析智能模型在攻防领域的关键要素和影响因素进行本体图设计；S2:依据智能模型在多元领域上的攻击事件进行分析获得相应指标，然后将数据映射至本体图，完成智能模型攻防知识图谱的构建；S3:基于构建的图谱，分析不同模型在面对不同的攻击方法时，各防御算法产生的表现差异，并以此引导防御算法的选取，实现防御算法的推荐功能。本发明基于图谱，实现攻防方法的可视化、查询等功能，并且从多维度分析不同模型在面对不同的攻防方法时的表现，实现对攻击事件的防御功能。
-
公开(公告)号：CN110516086B
公开(公告)日：2022-05-03
申请号：CN201910627545.8
申请日：2019-07-12
Applicant: 浙江工业大学
IPC: G06F16/483 , G06N3/04 , G06N3/08
Abstract: 一种基于深度神经网络影视标签自动获取方法，包括以下步骤：步骤1：收集电影的台词，构建台词数据集；步骤2：收集电影原声，构建声音数据集；步骤3：在相关影视平台收集其所生成的标签，构建电影标签数据集；步骤4：构建基于电影台词的自动打标签模型；步骤5：采用共享节点的CNN‑LSTM算法构建基于电影原声的自动打标签模型；步骤6：融合步骤4与步骤5所提及的两种模型。本发明提出一种基于深度神经网络影视标签自动获取方法，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，主要针对电影，利用电影在时间上的相关性从电影的台词文本、音频信号等原始信息中提取出高层抽象属性。
-
公开(公告)号：CN108304479B
公开(公告)日：2022-05-03
申请号：CN201711469928.4
申请日：2017-12-29
Applicant: 浙江工业大学
IPC: G06F16/9535 , G06F16/335 , G06F40/30 , G06K9/62 , G06N3/04
Abstract: 一种基于图结构过滤的快速密度聚类双层网络推荐方法，所述方法包括以下步骤：1)首先依据历史用户评论信息通过TextGAN自动生成模拟评论数据作为准确标注类标的与真实样本极为相似的虚假评论；2)将历史真实评论和标注虚假的模拟评论作为输入，考虑到生成的虚假评论与真实评论极为相似，设计一种研究用户访问记录的基于图的虚拟信息过滤器，通过不断迭代用户、商店和评论的置信度检测虚假用户与虚假评论；3)为了结果推荐数据的稀疏性的问题，设计基于快速密度聚类双层网络的推荐方法，该方法能够实现参数的自适应选取，并得到较好的聚类结果，从而可以获得更为有效的用户的个性化推荐列表，提高推荐的准确率。本发明利用对抗生成网络生成与真实评论数据极为相似的虚假样本，并提出了一种高效可靠的基于图结构过滤的快速密度聚类双层网络推荐方法。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.026 seconds)
