-
公开(公告)号：CN114693427B
公开(公告)日：2025-02-07
申请号：CN202210222726.4
申请日：2022-03-07
Applicant: 之江实验室
IPC: G06Q40/03 , G06F18/25 , G06F18/2415 , G06N3/045 , G06N3/0442 , G06N3/088 , G06N3/09 , G06N3/048
Abstract: 本发明涉及金融信贷反欺诈领域，公开了一种金融信贷反欺诈方法，该方法利用信贷中的数据构建多关系时序网络，并对网络中节点特征进行转化，使得表征向量保留原有数据特征的同时，还保留了原数据的角色信息；使用邻居聚合的方法将不同关系不同时间下的网络节点特征进行更新，并添加对应的异步时间戳信息；最后使用门控循环后期融合模型对不同关系各个时间步的特征进行融合，获得融合后的信贷申请者的图节点联合特征，对申请者是否是消费套现或信用卡套现进行准确地判断，达到高效信贷反欺诈的效果。
-
公开(公告)号：CN117078995A
公开(公告)日：2023-11-17
申请号：CN202310723079.X
申请日：2023-06-16
IPC: G06V10/764 , G06V20/70 , G06F40/279 , G06F16/35
Abstract: 本说明书公开了一种文本生成的方法、装置、存储介质及电子设备，获取待识别图像，从待识别图像中确定出各对象所在的图像区域，作为从待识别图像中提取出的各目标图像。将各目标图像以及预设的用于描述所有类别对象的第一文本输入到预设的识别模型中，以使识别模型从各目标图像提取出图像特征，以及从第一文本中提取出文本特征，并根据各目标图像的图像特征和第一文本的文本特征之间的相似度，确定每个目标图像中包含的对象所属的类别。将各目标图像的图像特征以及类别输入到预设的文本生成模型中，以使文本生成模型根据各目标图像的图像特征和类别输出用于描述待识别图像的内容的描述文本。
-
公开(公告)号：CN115329166A
公开(公告)日：2022-11-11
申请号：CN202210851507.2
申请日：2022-07-19
Applicant: 之江实验室
IPC: G06F16/906 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多元异步时序数据分类方法，提出了一种新颖的时间感知双注意力和记忆增强网络，通过将注意和记忆结合起来，有效地模拟不规则、异步、稀疏采样的多元异步时间序列数据中复杂的相互作用，并设计了随机生成插补模块，构建一个双任务学习体系，实现缺失值插补和分类网络的协同统一。本发明在对异步时序数据缺失值插补和分类的过程中，能够有效挖掘数据隐含的相关性，挖掘有意义的潜在语义，并充分利用序列数据中的辅助信息，从未标记的数据中发现有意义的模式。同时考虑异步时序数据缺失值插补和分类两个任务之间的相互作用，有助于缓解误差传播问题，捕捉相互影响，提高模型的准确性。
-
公开(公告)号：CN114693427A
公开(公告)日：2022-07-01
申请号：CN202210222726.4
申请日：2022-03-07
Applicant: 之江实验室
Abstract: 本发明涉及金融信贷反欺诈领域，公开了一种金融信贷反欺诈方法，该方法利用信贷中的数据构建多关系时序网络，并对网络中节点特征进行转化，使得表征向量保留原有数据特征的同时，还保留了原数据的角色信息；使用邻居聚合的方法将不同关系不同时间下的网络节点特征进行更新，并添加对应的异步时间戳信息；最后使用门控循环后期融合模型对不同关系各个时间步的特征进行融合，获得融合后的信贷申请者的图节点联合特征，对申请者是否是消费套现或信用卡套现进行准确地判断，达到高效信贷反欺诈的效果。
-
Patent Agency Ranking
公开(公告)号：CN116645690A
公开(公告)日：2023-08-25
申请号：CN202310189355.9
申请日：2023-02-23
IPC: G06V40/10 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种跨模态行人重识别方法、电子设备、介质，包括：获取行人图片数据集并划分为训练集和测试集，并对训练集进行数据增强，得到具有RGB、IR、Aux模态的训练集；对各模态对应的图片进行特征提取，得到每个模态对应的类中心及模态无关类中心；将训练集中的图片分批输入跨模态行人重识别网络提取深度特征；对跨模态行人重识别网络进行训练，计算损失函数，直至网络收敛；损失函数为：每一批提取的深度特征分别与RGB、IR、Aux模态对应的类中心及模态无关类中心的对比损失之和，RGB/IR的跨模态互信息约束与IR/Aux的跨模态互信息约束之和，深度特征的度量损失约束；利用训练得到的跨模态行人重识别网络对测试集进行跨模态行人重识别。
-
公开(公告)号：CN116259084A
公开(公告)日：2023-06-13
申请号：CN202211093325.X
申请日：2022-09-08
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明属于人工智能和图像处理技术领域，公开了一种基于并行多阶段生成对抗网络的人脸图像翻译方法，包括步骤1：输入人脸图像步骤2：训练阶段：步骤2.1：通过并行多阶段编码器对人脸图像提取多阶段编码特征；步骤2.2：将提取的多尺度编码特征输入跨尺度空洞空间金字塔模块进行跨尺度特征融合；步骤2.3：将跨尺度融合特征通过并行多阶段解码器进行解码；步骤2.4：计算损失函数，利用梯度下降算法更新生成器G的参数；步骤3：测试阶段，将训练好的模型对输入任意单张人脸图像数据进行测试。本发明不需要额外先验信息的情况下合成丰富的上下文和空间精确的输出，提高了特征融合的效率，细化了最终激活图并提高了最终输出的质量。
-
公开(公告)号：CN116257786A
公开(公告)日：2023-06-13
申请号：CN202211093387.0
申请日：2022-09-08
Applicant: 之江实验室
IPC: G06F18/241 , G06N3/048 , G06F18/23 , G06F18/2415
Abstract: 本发明属于图计算与时间序列序列分类领域，公开了一种基于多元时序图网络的异步时间序列分类方法，该方法构建了一个多元交互模块来处理缺失信息，并自动提取图结构关系，设计了一种新的邻接图传播机制来聚合当前和以前的多步快照的邻居信息，并构建了基于掩码时间感知的注意力模块用于学习观测值之间的时间相关性。本发明在对异步时序数据进行分类的过程中，实现了对缺失观测值的填充以及信息在不同传感器间相互传播，提高了算法在数据大量缺失下的鲁棒性，同时考虑时序数据在时间戳上下文的绝对意义和时间间隔的异步性，提高了多维异步时序数据的分类效果。
-
公开(公告)号：CN116257787A
公开(公告)日：2023-06-13
申请号：CN202211093466.1
申请日：2022-09-08
Applicant: 之江实验室
IPC: G06F18/241 , G06F18/214
Abstract: 本发明属于图计算与时序数据预测领域，公开了一种基于空间结构图学习的多维异步时序数据分类方法，该方法考虑到传感器间的互相作用，将每一时间点的多维数据分别构建成图，使用图神经网络实现各传感器数据信息更新，同时在信息传播的过程中对缺失的观测值进行填充，并利用基于时间间隔的Transformer机制学习不同时刻间的相互关系。本发明在对异步时序数据进行分类的过程中，实现了信息在不同传感器间相互传播，并对缺失的观测值进行填充，提高了算法在数据大量缺失下的鲁棒性，同时考虑时序数据在时序上的相关性，提高了多维异步时序数据的分类效果。
-
公开(公告)号：CN116150685A
公开(公告)日：2023-05-23
申请号：CN202310155946.4
申请日：2023-02-08
Applicant: 之江实验室
Inventor： 姜婷 , 余婷 , 张吉 , 王振 , 穆罕默德·贾瓦德·巴
IPC: G06F18/2415 , G06F18/214 , G06F18/22 , G06N3/04 , G06N3/08
Abstract: 本说明书公开了一种数据分类方法、装置、设备及存储介质，可以通过对图数据中每个节点的嵌入编码特征进行解码所得到的解码后特征和每个节点的初始特征之间的偏差，以及根据每个节点在图数据中的邻居节点，确定出每个节点在图数据中的结构特征，进而根据每个节点的解码后特征和每个节点在图数据中的结构特征，对节点对应的嵌入编码特征进行调整，得到每个节点对应的调整后特征，以提高得到的每个节点的特征的准确性，进而可以提高数据分类的准确性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.029 seconds)
