-
公开(公告)号：CN115146708A
公开(公告)日：2022-10-04
申请号：CN202210641407.7
申请日：2022-06-08
Applicant: 之江实验室
Abstract: 本发明属于数据挖掘异常检测技术领域，公开了一种基于生成式对抗主动学习的离群点检测方法，该方法步骤为：S1、输入数据；S2、训练生成模型并生成样本；S3、训练主动学习分类模型并筛选生成样本；S4、训练判别模型；S5、执行异常检测操作。本发明针对异常检测中常见的数据样本标签数量有限和正负样本不均匀分布等问题，采用基于生成式对抗主动学习的技术方法，生成多样的、信息丰富的、有代表性的样本，实现更准确的离群点检测。
-
公开(公告)号：CN115174566B
公开(公告)日：2024-03-15
申请号：CN202210640394.1
申请日：2022-06-08
Applicant: 之江实验室
Abstract: 本发明属于物联网边缘计算技术领域，公开了一种基于深度强化学习的边缘计算任务卸载方法，该方法步骤为：S1、输入数据与相关参数；S2、计算时间和能耗相关数据；S3、训练任务卸载算法模型；S4、执行任务卸载输出。本发明在边缘计算方面，定义多用户边缘计算任务环境，考虑传输信道带宽，采用强化学习的方法，在满足计算时效性的前提下，训练边缘计算任务卸载与压缩策略，实现最优的能耗。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN119226296B
公开(公告)日：2025-05-13
申请号：CN202411742057.9
申请日：2024-11-29
Applicant: 之江实验室
Abstract: 本说明书公开了一种天体数据索引构建方法、装置、存储介质及电子设备。在本说明书提供的天体数据索引构建方法中，获取观察到的天体的位置信息；根据所述位置信息确定所述天体基于预设中心点的相对位置，作为所述天体的索引位置；按照指定规则对各天体的索引位置进行排序，得到目标序列，并建立每个天体的索引位置在所述目标序列中的顺序与该天体之间的对应关系；以所述目标序列中包含的各索引位置和所述各索引位置在所述目标序列中的顺序为变量进行建模，得到所述顺序和所述索引位置之间的关系函数；根据所述对应关系以及所述关系函数构建天体数据索引。
-
公开(公告)号：CN119226296A
公开(公告)日：2024-12-31
申请号：CN202411742057.9
申请日：2024-11-29
Applicant: 之江实验室
Abstract: 本说明书公开了一种天体数据索引构建方法、装置、存储介质及电子设备。在本说明书提供的天体数据索引构建方法中，获取观察到的天体的位置信息；根据所述位置信息确定所述天体基于预设中心点的相对位置，作为所述天体的索引位置；按照指定规则对各天体的索引位置进行排序，得到目标序列，并建立每个天体的索引位置在所述目标序列中的顺序与该天体之间的对应关系；以所述目标序列中包含的各索引位置和所述各索引位置在所述目标序列中的顺序为变量进行建模，得到所述顺序和所述索引位置之间的关系函数；根据所述对应关系以及所述关系函数构建天体数据索引。
-
公开(公告)号：CN115935080A
公开(公告)日：2023-04-07
申请号：CN202211573490.5
申请日：2022-12-08
Applicant: 之江实验室
Inventor： 姜婷 , 余婷 , 洪泽宪 , 张吉 , 穆罕默德·贾瓦德·巴
IPC: G06F16/9536 , G06F16/901 , G06Q50/00
Abstract: 本发明公开了一种面向社交网络流数据基于MPICH并行计算的极大团枚举方法，该方法利用结构逆序团树ICTree对图中存在的极大团进行存储，通过高性能和广泛可移植性的消息传递接口MPICH实现算法的并行编程，在流数据下图结构发生改变的过程中，多进程并行计算并更新逆序团树ICTree结构，实时枚举图中的极大团以及某一序号区间内节点构成的子图中存在的所有极大团。本发明在极大团枚举的过程中，不区分图的增边减边变化，实现了在图的增减边混合更新以及大批量更新下极大团的枚举，同时使用预定义的进程数实现算法的并行计算，解决了数据量大导致的处理实时性问题，提高了极大团枚举的时间效率。
-
公开(公告)号：CN115174566A
公开(公告)日：2022-10-11
申请号：CN202210640394.1
申请日：2022-06-08
Applicant: 之江实验室
Abstract: 本发明属于物联网边缘计算技术领域，公开了一种基于深度强化学习的边缘计算任务卸载方法，该方法步骤为：S1、输入数据与相关参数；S2、计算时间和能耗相关数据；S3、训练任务卸载算法模型；S4、执行任务卸载输出。本发明在边缘计算方面，定义多用户边缘计算任务环境，考虑传输信道带宽，采用强化学习的方法，在满足计算时效性的前提下，训练边缘计算任务卸载与压缩策略，实现最优的能耗。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
