公开(公告)号：CN114661544A

公开(公告)日：2022-06-24

申请号：CN202210188714.4

申请日：2022-02-28

Applicant: 北京交通大学

Inventor： 卢思洋 ,  魏翔 ,  王明泉 ,  王志炜

IPC: G06F11/30 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提供了一种基于注意力机制层的大数据平台日志异常检测方法。该方法包括：通过大数据平台获取日志数据，将文本类型的日志数据转化为结构化的数字数据，生成一维的日志向量；对一维日志向量数据进行Logkey2vec编码，将一维日志向量映射到二维向量矩阵；构建基于注意力机制的CNN模型，使用日志数据的训练集训练基于注意力机制的CNN模型，将二维向量矩阵输入到训练好的基于注意力机制的CNN模型中，所述基于注意力机制的CNN模型输出所述日志数据中的日志条目的正常或者异常的类别预测结果信息。本发明方法利用大数据平台产生的多余日志，避免了实时监控系统的高资源占用，结合了CNN可以捕捉更多信息的优点，同时兼顾了准确性、稳定性、高效性。

公开(公告)号：CN115862038A

公开(公告)日：2023-03-28

申请号：CN202211405330.X

申请日：2022-11-10

Applicant: 北京交通大学

Inventor： 卢思洋 ,  王志炜 ,  魏翔 ,  卢苇 ,  王明泉

IPC: G06V30/244 ,  G06N3/049 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于端到端神经网络的木板印刷满文识别方法。该方法包括：从满文古籍图片中切割出独立的满文单词，将每个满文单词用一个满文单词图片来表示；使用卷积神经网络CNN对满文单词图片进行卷积操作时，提取出满文单词图片的特征向量；使用长短期记忆网络LSTM处理CNN提取出的特征向量，得到向量序列；采用连接性时序分类算法CTC算法将LSTM输出的向量序列转化为对应满文单词的标签序列，根据标签序列对满文单词进行识别。本发明方法可以有效地从大量的印刷满文图片中提取出清晰、可拆分且通用的特征并加以识别，同时对上下文中相关联的特征信息进行有效的筛选与关联，进而获得高识别准确率的印刷满文识别模型。