-
公开(公告)号：CN114398349A
公开(公告)日：2022-04-26
申请号：CN202111554206.5
申请日：2021-12-17
Applicant: 中国科学技术大学
IPC: G06F16/215 , G06F16/28 , G06F16/22
Abstract: 本发明公开一种利用路径排序快速补全知识图谱的方法，包括数据构建阶段、离线阶段和在线阶段。离线阶段将会为知识库中的三元组生成元路径特征，利用训练模块对训练知识库中三元组及其元路径特征进行训练，训练好相应的分类器；在线阶段则会利用生成好的路径特征完成连接预测的任务。相较于基于嵌入的模型只利用三元组直接连接的信息，本发明利用关系路径中潜在的多跳语义信息和可观察的模式，进行实体预测任务，充分挖掘了图谱中的连接信息，以提高预测的准确率。此外，本发明分为线上和线下两阶段，可以提前生成三元组的元路径特征并存储，充分提高了线上预测阶段的效率。
-
公开(公告)号：CN114266225A
公开(公告)日：2022-04-01
申请号：CN202111574299.8
申请日：2021-12-21
Applicant: 中国科学技术大学
IPC: G06F40/126 , G06F40/284 , G06F40/289
Abstract: 本发明公开了一种利用单词间点状互信息进行单词向量化的编码方法，包括：步骤S0，遍历语料，对所有文本进行分词，得到单词集合；步骤S1，初始化词嵌入参数并统计每个单词的词频；步骤S2，遍历语料，从中抽取用于训练词嵌入参数的正负样本对；步骤S3，计算正负样本对的损失函数，求相应词嵌入参数的梯度并更新；步骤S4，遍历若干遍语料后，保存每个单词的上下文词向量，并作为所求词嵌入。本发明能实现更加准确地对单词间的点状互信息进行拟合。
-
公开(公告)号：CN102065287A
公开(公告)日：2011-05-18
申请号：CN200910238179.3
申请日：2009-11-17
Applicant: 航天信息股份有限公司 , 中国科学技术大学
Abstract: 一种T型视频水印嵌入和提取方法，包括水印嵌入和水印提取两大步骤，水印嵌入步骤为，在编码时根据视频帧的运动矢量求出编码端运动速度图；将所述的编码端运动速度图划分为多个T型分割区，得到所述多个T型分割区的中心宏块V[i][j]的位置；确定各个T型分割区的编码端速度比较值J；将水印序列嵌入所述中心宏块V[i][j]；提取水印步骤为：在解码时根据视频帧的运动矢量求出解码端运动速度图；根据所述的解码端运动速度图，得到多个T型分割区的中心宏块V[i][j]的位置；确定各个T型分割区的解码端速度比较值J；在解码端提取水印序列。提供一种容量大、鲁棒性高的视频水印的嵌入方案和简单有效的嵌入规则，增大水印嵌入量。
-
公开(公告)号：CN102065286A
公开(公告)日：2011-05-18
申请号：CN200910238178.9
申请日：2009-11-17
Applicant: 航天信息股份有限公司 , 中国科学技术大学
Abstract: 一种基于运动矢量的视频水印嵌入和提取方法，水印嵌入步骤为：步骤a，在编码时，获取编码端视频帧的第i个运动矢量(Xi，Yi)；步骤b，根据所述编码端运动矢量(Xi，Yi)横坐标Xi与纵坐标Yi的小数部分的组合关系，获取所述编码端运动矢量(Xi，Yi)的特征向量(V1i，V2i)；步骤c，按照修改规则调整所述编码端运动矢量(Xi，Yi)的横坐标Xi或纵坐标Yi，使得所述编码端运动矢量的特征向量(V1i，V2i)的横坐标V1i、纵坐标V2i与将要嵌入的两位水印Wk，Wk+1相同；水印提取步骤为：步骤d，在解码时，获取解码端视频帧的第i个运动矢量(Xi，Yi)；步骤e，根据所述解码端运动矢量(Xi，Yi)横坐标Xi与纵坐标Yi的小数部分的组合关系，获取所述解码端运动矢量(Xi，Yi)的特征向量(V1i，V2i)；步骤f，提取运动矢量(Xi，Yi)中的水印信息，两位水印Wk，Wk+1分别为解码端运动矢量(Xi，Yi)的特征向量(V1i，V2i)的横坐标V1i，纵坐标V2i。
-
公开(公告)号：CN119583214B
公开(公告)日：2025-04-11
申请号：CN202510111872.3
申请日：2025-01-24
Applicant: 中国科学技术大学
IPC: H04L9/40 , H04L41/142
Abstract: 本发明涉及网络安全领域，具体涉及一种基于序贯反事实遗憾最小化的网络防御博弈决策方法，该方法包括：以两方势力初始的网络状态构建博弈树，每个节点代表不同的两方势力的网络状态，并对应一个信息集和合法动作集合；初始化双方的全局优化策略，并基于全局优化策略计算节点收益值和累计反事实遗憾值；根据累计反事实遗憾值计算当前迭代策略，并引入最小动作概率限制系数来优化全局优化策略；重复迭代该过程，直至达到预设的迭代次数；将防御方在所有迭代的当前迭代策略取平均，得到最终的网络防御策略。本发明通过构建博弈树并计算反事实遗憾值，能够动态调整当前迭代策略，从而更好地适应对手势力的可能行为。
-
Patent Agency Ranking
公开(公告)号：CN114239657B
公开(公告)日：2025-01-28
申请号：CN202111557195.6
申请日：2021-12-18
Applicant: 中国科学技术大学
IPC: G06F18/2415 , G06F18/15 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 本发明提出了一种基于复值干涉神经网络的时序信号识别方法，包括：将时序信号做预处理并计算信号的复值时频图；构建包含干涉卷积层和频域全连接层的复值干涉神经网络；计算分类损失函数，并基于梯度下降法进行复值干涉神经网络训练；复值干涉神经网络模型部署与测试。
-
公开(公告)号：CN114266225B
公开(公告)日：2024-12-24
申请号：CN202111574299.8
申请日：2021-12-21
Applicant: 中国科学技术大学
IPC: G06F40/126 , G06F40/284 , G06F40/289
Abstract: 本发明公开了一种利用单词间点状互信息进行单词向量化的编码方法，包括：步骤S0，遍历语料，对所有文本进行分词，得到单词集合；步骤S1，初始化词嵌入参数并统计每个单词的词频；步骤S2，遍历语料，从中抽取用于训练词嵌入参数的正负样本对；步骤S3，计算正负样本对的损失函数，求相应词嵌入参数的梯度并更新；步骤S4，遍历若干遍语料后，保存每个单词的上下文词向量，并作为所求词嵌入。本发明能实现更加准确地对单词间的点状互信息进行拟合。
-
公开(公告)号：CN118010050A
公开(公告)日：2024-05-10
申请号：CN202410101875.4
申请日：2024-01-24
Applicant: 中国科学技术大学
IPC: G01C21/34
Abstract: 本发明公开了基于随机失活价值分解的合作型多机器人路径规划方法，涉及人工智能技术领域，包括S1：每个机器人基于自身的局部策略网络，与模拟环境分布式交互，生成经验样本，放入经验重放缓冲池中；S2：从经验重放缓冲池中随机抽取经验样本输入每个机器人的局部策略网络中，生成所有机器人的局部状态动作价值；S3：将局部状态动作价值和经验样本的全局信息输入基于随机失活机制的价值混合网络，生成全局状态动作价值；S4：根据全局状态动作价值和经验样本的奖励信息计算损失函数；S5：判断训练结果是否达到预设的训练目标，若是，则进入下一步骤，若否，则跳转到步骤S1；该路径规划方法学习路径规划的合作机制，减少冲突和碰撞。
-
公开(公告)号：CN116708042B
公开(公告)日：2023-11-17
申请号：CN202310986647.5
申请日：2023-08-08
Applicant: 中国科学技术大学
IPC: H04L9/40
Abstract: 本发明涉及人工智能领域，具体涉及一种用于网络防御博弈决策的策略空间探索方法，为两个势力构建博弈策略组和策略表示矩阵；通过对策略表示矩阵求解近似的纳什均衡得到元策略；两个势力各自构建最优对策模型求解最优对策，比较防御方的最优对策相对于对手的元策略能否取得大于给定阈值的优势，若能，则根据元策略给出的最优对策模型上的若干个概率分布生成网络防御策略；若不能，则将最优对策添加至博弈策略组，并基于博弈策略组重新生成元策略，求解最优对策。本发明提供的方法充分地利用采样得到的网络攻防博弈数据，并达到与在线方法相同的性能，具有更高的数据效率，更加适用于数据成本较大的实际网络防御问题。
-
公开(公告)号：CN109063820A
公开(公告)日：2018-12-21
申请号：CN201810583716.7
申请日：2018-06-07
Applicant: 中国科学技术大学
IPC: G06N3/04
CPC classification number: G06N3/0454
Abstract: 本公开提供了一种利用时频联合长时循环神经网络的数据处理方法，包括：构建时频联合长时循环神经网络；将时间序列输入时频联合长时循环神经网络；计算时频联合长时循环神经网络最后一个时间步的隐藏层的状态‑频率矩阵的幅度，并进一步得到时间序列的处理结果。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.019 seconds)
