-
公开(公告)号：CN117743719A
公开(公告)日：2024-03-22
申请号：CN202311783222.0
申请日：2023-12-22
Applicant: 北京京航计算通讯研究所
IPC: G06F16/958 , G06F8/38 , G06F18/243 , G06F18/241 , G06N20/20 , G06N3/084
Abstract: 本发明涉及一种页面元素的识别方法，属于前端网页设计技术领域，解决现有网页元素识别方法的准确性低、效率低的技术问题。该方法包括收集真实前端页面元素进行预处理，得到真实样本集；基于所述真实样本集，对随机函数优化的生成对抗网络模型进行训练，得到训练好的生成对抗网络模型；基于训练好的生成对抗网络模型中的生成器获取生成样本集；将所述真实样本集和所述生成样本集组成训练样本集；基于所述训练样本集训练元素识别模型，达到预定训练迭代次数后得到训练好的元素识别模型；获取真实前端页面元素，基于训练好的元素识别模型，得到真实页面元素的识别结果。实现了前端页面元素自动化识别。
-
公开(公告)号：CN117061236A
公开(公告)日：2023-11-14
申请号：CN202311238686.3
申请日：2023-09-25
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种网络协议的模糊测试方法，属于模糊测试技术领域，解决了现有技术中模糊测试方法在测试中由于测试数据的随机性和盲目性导致的测试效率低的问题。方法包括：获取网络协议数据包作为测试对象；基于所述网络协议数据包利用多种群遗传算法构建模糊测试数据；执行所述模糊测试数据，对所述测试对象进行测试；接收并分析所述测试对象的测试结果以判断所述网络协议数据包是否存在安全漏洞。实现了有效的提高模糊测试的测试效率，能够及时发现网络协议的安全漏洞。
-
公开(公告)号：CN118643062B
公开(公告)日：2024-12-17
申请号：CN202410673594.6
申请日：2024-05-28
Applicant: 北京京航计算通讯研究所
IPC: G06F16/2455 , G06F16/332 , G06F40/30 , G06F18/22 , G06F16/36 , G06F17/16 , G06F17/18 , G06N3/084
Abstract: 本发明涉及一种面向航天装备的质量分析方法，属于语义处理技术领域，解决了现有技术中质量分析的效率和准确度不高的问题。该方法包括：S1、将待分析数据传入训练好的多模态嵌入模型中，得到待分析特征向量；根据最新的用户交互数据更新多模态相关性矩阵得到实时相关性矩阵；S2、根据待分析特征向量和实时相关性矩阵，利用HNSW图输出检索结果；S3、将待分析数据和选择的检索结果传入训练好的大语言模型中，根据提交的问题输出问题答案；如果问题答案被认可，则作为质量分析结果；否则，获取补充数据并作为新的待分析数据，迭代执行步骤S1‑S3，直至得到质量分析结果。实现了对航天装备数据高效准确的质量分析。
-
公开(公告)号：CN118643062A
公开(公告)日：2024-09-13
申请号：CN202410673594.6
申请日：2024-05-28
Applicant: 北京京航计算通讯研究所
IPC: G06F16/2455 , G06F16/332 , G06F40/30 , G06F18/22 , G06F16/36 , G06F17/16 , G06F17/18 , G06N3/084
Abstract: 本发明涉及一种面向航天装备的质量分析方法，属于语义处理技术领域，解决了现有技术中质量分析的效率和准确度不高的问题。该方法包括：S1、将待分析数据传入训练好的多模态嵌入模型中，得到待分析特征向量；根据最新的用户交互数据更新多模态相关性矩阵得到实时相关性矩阵；S2、根据待分析特征向量和实时相关性矩阵，利用HNSW图输出检索结果；S3、将待分析数据和选择的检索结果传入训练好的大语言模型中，根据提交的问题输出问题答案；如果问题答案被认可，则作为质量分析结果；否则，获取补充数据并作为新的待分析数据，迭代执行步骤S1‑S3，直至得到质量分析结果。实现了对航天装备数据高效准确的质量分析。
-
公开(公告)号：CN117743719B
公开(公告)日：2024-07-09
申请号：CN202311783222.0
申请日：2023-12-22
Applicant: 北京京航计算通讯研究所
IPC: G06F16/958 , G06F8/38 , G06F18/243 , G06F18/241 , G06N20/20 , G06N3/084
Abstract: 本发明涉及一种页面元素的识别方法，属于前端网页设计技术领域，解决现有网页元素识别方法的准确性低、效率低的技术问题。该方法包括收集真实前端页面元素进行预处理，得到真实样本集；基于所述真实样本集，对随机函数优化的生成对抗网络模型进行训练，得到训练好的生成对抗网络模型；基于训练好的生成对抗网络模型中的生成器获取生成样本集；将所述真实样本集和所述生成样本集组成训练样本集；基于所述训练样本集训练元素识别模型，达到预定训练迭代次数后得到训练好的元素识别模型；获取真实前端页面元素，基于训练好的元素识别模型，得到真实页面元素的识别结果。实现了前端页面元素自动化识别。
-
Patent Agency Ranking
公开(公告)号：CN112559730B
公开(公告)日：2021-08-24
申请号：CN202011423830.7
申请日：2020-12-08
Applicant: 北京京航计算通讯研究所
IPC: G06F16/34 , G06F40/289 , G06Q50/18 , G06N3/04
Abstract: 本发明涉及一种基于全局性特征提取的文本摘要自动生成方法及系统，方法包括以下步骤：将包含多个句子的文本载入训练好的BERTSUM‑CNN‑LSTM‑attention编码模型中；通过BERTSUM网络对文本中每个句子进行编码，输出第一特征；通过CNN网络处理第一特征，提取包含不同句子之间关联关系的第二特征；通过LSTM网络处理第二特征，提取用于表征文本中句子依赖关系的第三特征；通过attention网络对第三特征进行规范化操作，得到对每个第三特征进行权重赋值的第四特征；将第四特征引出至输出层，用于获取文本中每个句子的摘要预测概率，进而生成文本的摘要。本发明对多句子文本进行准确理解，即考虑句子间的局部特征，又考虑整个文档的整体特征以确保本文摘要生成质量。
-
公开(公告)号：CN117615103A
公开(公告)日：2024-02-27
申请号：CN202311580397.1
申请日：2023-11-24
Applicant: 北京京航计算通讯研究所
IPC: H04N7/18 , H04L47/125 , H04N19/20 , H04N19/42
Abstract: 本发明涉及一种负载均衡的视频监控系统，包括：流处理集群，用于接收前端设备推送的视频流数据，对所述视频流数据进行解密、格式转换后发布到视频中间件集群；视频中间件集群，用于将接收到的视频流数据输入深度卷积网络得到特征图并将所述特征图通过消息队列分发给视频监控客户端；服务协调模块，用于为流处理集群、视频中间件集群进行任务调度；视频监控客户端，用于将接收到的特征图输入超分辨率网络进行重构及编码转换，实现视频播放和录像回放。该系统通过深度卷积网络提取图像特征，通过超分辨率网络进行图像重构，采用动态平滑加权轮询算法为集群进行任务调度，降低消息队列中数据容量的同时消除了噪声，解决了集群节点负载不均衡的问题。
-
公开(公告)号：CN119295739A
公开(公告)日：2025-01-10
申请号：CN202411452110.1
申请日：2024-10-17
Applicant: 北京京航计算通讯研究所
IPC: G06V10/25 , G06V10/82 , G06N3/096 , G06N3/045 , G06V10/22 , G06N3/0464 , G06N3/08 , G06N3/082 , G06V10/774 , G06V10/762 , G06N3/006
Abstract: 本发明涉及一种基于知识蒸馏的目标检测模型的训练方法，属于目标检测领域。包括：构建训练数据集及目标检测模型，基于训练数据集对目标检测模型进行训练输出推理图；计算第一损失函数得到训练后的目标检测模型，将其作为教师模型；将教师模型的参数进行简化得到学生模型；基于训练数据集得到第二训练数据集，基于第二训练数据集对教师模型及学生模型进行训练分别输出预测标签；计算第二损失函数得到训练好的学生模型作为训练好的目标检测模型。该方法采用差分变异算法得到最优的蒸馏温度及损失系数，通过知识蒸馏训练学生模型得到训练好的目标检测模型，解决了现有目标检测模型在少量样本训练的情况下，导致检测精度低的问题。
-
公开(公告)号：CN112559730A
公开(公告)日：2021-03-26
申请号：CN202011423830.7
申请日：2020-12-08
Applicant: 北京京航计算通讯研究所
IPC: G06F16/34 , G06F40/289 , G06Q50/18 , G06N3/04
Abstract: 本发明涉及一种基于全局性特征提取的文本摘要自动生成方法及系统，方法包括以下步骤：将包含多个句子的文本载入训练好的BERTSUM‑CNN‑LSTM‑attention编码模型中；通过BERTSUM网络对文本中每个句子进行编码，输出第一特征；通过CNN网络处理第一特征，提取包含不同句子之间关联关系的第二特征；通过LSTM网络处理第二特征，提取用于表征文本中句子依赖关系的第三特征；通过attention网络对第三特征进行规范化操作，得到对每个第三特征进行权重赋值的第四特征；将第四特征引出至输出层，用于获取文本中每个句子的摘要预测概率，进而生成文本的摘要。本发明对多句子文本进行准确理解，即考虑句子间的局部特征，又考虑整个文档的整体特征以确保本文摘要生成质量。
-
公开(公告)号：CN119105545A
公开(公告)日：2024-12-10
申请号：CN202411246895.7
申请日：2024-09-06
Applicant: 北京京航计算通讯研究所
IPC: G05D1/695 , G05D109/20
Abstract: 本发明涉及一种基于分簇涌现和无抖振容错控制的有人‑无人机集群系统，属于无人机集群的容错技术领域；包括领导无人机、跟随无人机、观测器和控制器，有人‑无人机集群分成多个包含唯一领导无人机和跟随无人机的簇；观测器用于根据各簇中牵引节点所获得本簇中的领导无人机信息，以及利用无人机间网络交互信息，为各簇中不能直接获得领导无人机信息的跟随无人机估计出领导无人机信息，作为其目标信息进行多目标分簇涌现控制；控制器用于跟踪观测器估计的目标信息，并对跟随无人机进行容错控制。本发明实现了有人‑无人机集群的分布式无抖振容错和多目标分簇涌现，保证了有人‑无人机集群运行的高性能及安全性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.036 seconds)
