一种卷积神经网络图像识别分类决策的解释方法

    公开(公告)号:CN115147656B

    公开(公告)日:2025-04-29

    申请号:CN202210819142.5

    申请日:2022-07-12

    Abstract: 本发明公开了一种卷积神经网络图像识别分类决策的解释方法,首先将经特征图扰动的图像输入神经网络模型,通过分类输出层得到神经元激活值;然后,用所述神经元激活值除以所述特征图相对应的惩罚因子后,输入softmax层,得到目标类的分数,作为所述特征图的权重,最后,根据多张所述特征图的权重,得到解释图。本发明通过一个参数实现了根据需要放大/缩小特征图的平均值之间的差距,调节了softmax函数放大/缩小特征的重要程度,大大减少了计算量,并且该方法可根据使用者想要的标准生成热力图与解释图,具有非常好的适用性和非常高的解释可信度,此外,该方法可用于任何卷积神经网络,没有模型结构的限制。

    一种基于同质超图注意力网络的个性化排序与推荐的方法

    公开(公告)号:CN114840772B

    公开(公告)日:2025-03-14

    申请号:CN202210414011.9

    申请日:2022-04-14

    Abstract: 本发明公开了一种基于同质超图注意力网络的个性化排序与推荐的方法;包括:获取当前所有用户与项目的交互图数据;根据该交互图数据以及项目阶数,计算当前所有用户与项目的最终超图邻接矩阵、结点度矩阵和超边度矩阵;基于此,结合项目表示矩阵,计算出用户表示传播序列;基于此,再通过注意力机制对序列加权计算并过滤得出用户表征矩阵;根据从用户表征矩阵中抽取的目标用户表示,同时结合目标用户的查询表示,对候选项目序列中的候选项进行评分并排序;按照排序之后的候选项目序列对目标用户进行推荐;通过该方法能够确保推荐系统在实现有效推荐的前提下,优化模型架构,减少参数数量,从而提高模型推荐效率。

    云端数据可信共享的增量交互式聚类可视化方法及系统

    公开(公告)号:CN114519086B

    公开(公告)日:2025-02-07

    申请号:CN202210145820.4

    申请日:2022-02-17

    Abstract: 本发明公开了一种云端数据可信共享的增量交互式聚类可视化方法及系统,该方法包括:编写数据共享智能合约,并运行智能合约;根据编写的数据共享智能合约,对数据集进行目标数据抽取;采用聚类算法,对抽取到的目标数据进行聚类,输出聚类结果;对聚类结果进行多维尺度降维,实现在二维空间的投影,并进行可视化展示;根据用户对目标数据的改变需求,进行相应的投影交互、聚类分析和可视化操作。在基于区块链数据可信共享的基础上,对数据进行增量交互式的分析挖掘,在有效保障数据安全、提高数据处理效率的同时,方便用户更为直观的进行数据的分析与挖掘。

    一种图像文本匹配的方法

    公开(公告)号:CN114743029B

    公开(公告)日:2025-01-28

    申请号:CN202210394752.5

    申请日:2022-04-14

    Abstract: 本发明提供了一种图像文本匹配的方法,包括:利用深度神经网络分别提取多尺度的图像特征和文本特征;利用自注意力机制方法计算多个尺度的全局相似性;进行节点级匹配和结构级匹配,利用结构级匹配结果计算多个尺度的局部相似性;根据计算出的多个尺度的全局相似性和局部相似性计算最终总相似性;进行监督学习模型训练,根据损失函数更新模型参数,得到训练后的模型;利用训练后的模型计算输入图像和文本的最终总相似性,根据最终总相似性大小得到匹配的文本或图像。本发明可以在网络训练完成的前提下更快速地找出匹配的图像或文本;利用原始数据的多尺度特征以及更全面的相似性度量方法得到更准确的结果。

    一种基于布隆过滤器的云网端数据可信共享鉴权方法

    公开(公告)号:CN114564708B

    公开(公告)日:2024-11-26

    申请号:CN202210173271.1

    申请日:2022-02-24

    Abstract: 本发明公开了一种基于布隆过滤器的云网端数据可信共享鉴权方法,包括:S1:获取共享数据,建立鉴权策略;所述共享数据包括数据发布者提供的共享信息和数据申请者的相关信息;S2:获取所述数据申请者的相关信息对应的比特数据长度和哈希函数个数,根据所述鉴权策略构建布隆过滤器,生成智能合约;S3:获取访问所述共享数据的数据申请者信息;所述智能合约中相应的所述布隆过滤器对所述数据申请者的访问权限进行判断;若所述数据申请者拥有访问权限,则向其提供数据接口。本发明利用布隆过滤器对数据共享权限记录方式、权限判定方式、记录存储格式进行改进,使得数据共享权限认定过程更加简单高效,权限记录存储空间大大压缩。

    基于融合多模态信息的实体和关系表示的链接预测方法

    公开(公告)号:CN116680343A

    公开(公告)日:2023-09-01

    申请号:CN202310641906.0

    申请日:2023-06-01

    Abstract: 本发明涉及知识图谱知识推理技术领域,具体涉及一种基于融合多模态信息的实体和关系表示的链接预测方法,包括:收集与所要构建知识图谱主题相关的图像数据、文本数据和三元组数据;将预处理后的三元组数据进行知识抽取和实体对齐;对图像数据进行特征提取,生成视觉表示;对文本数据和三元组数据进行特征提取,生成文本表示;将生成的视觉表示、文本表示和三元组数据共同作为输入,对融合模块进行训练,学习包含多模态信息的实体和关系向量表示;通过解码部分对融合模块学习到的特征表示进行解码并进行链接预测,输出预测为正三元组的概率。本发明可提高链接预测任务的准确率,并能提高多模态知识表示学习的可解释性。

    一种基于自回归模型的跨域命名实体识别方法

    公开(公告)号:CN116245106A

    公开(公告)日:2023-06-09

    申请号:CN202310250195.4

    申请日:2023-03-14

    Abstract: 本发明公开了一种基于自回归模型的跨域命名实体识别方法,包括以下步骤:S1.对输入序列进行编码;S2.通过标签编码器对标签进行编码;S3.获取标签背景信息S4.获取标签上下文信息S5.将标签背景信息连接到输入序列上,将标签上下文信息连接到预测的命名实体标签上,作为最终的标签感知信息zi,进而得到最终的序列表示u;本发明提供了一种基于自回归模型的跨域命名实体识别方法,通过提高源文本与其命名实体标签之间的关系,提高标签信息的可移植性,帮助模型促进域适应。

    一种基于超图池化的文本情感分类方法

    公开(公告)号:CN115238075B

    公开(公告)日:2023-04-07

    申请号:CN202210912341.0

    申请日:2022-07-30

    Abstract: 本发明公开了基于超图池化的文本情感分类方法,将文本数据转化为文本超图,然后输入到超图模型中;超图模型设置有三个模块,每个模块均分为卷积层、池化层和读出层,且前一个模块输出的超图数据输入到后一个模块继续计算;超图卷积层通过超图卷积更新节点特征;超图池化层通过多层感知器线性变换得到节点重要度评分,并通过PageRank算法得到超边重要度评分,然后根据综合得分过滤节点;超图读出层读取每个维度节点特征的最大值和平均值,并进行求和;最后,将三个模块的读出层数值求和得到最终的文本超图特征表示,然后送入线性层进行文本情感分类。本发明采用上述文本情感分类方法,能够得到准确的文本情感信息,在情感分类任务中得到良好的表现效果。

    一种基于区块链的数据交换系统及方法

    公开(公告)号:CN111680311B

    公开(公告)日:2022-12-20

    申请号:CN202010470037.6

    申请日:2020-05-28

    Abstract: 本发明公开的一种基于区块链的数据交换系统及方法,该系统包括:注册节点模块、要约邀请模块、要约响应模块、数据加密模块、数据验证模块、私钥分发模块、私钥验证模块和数据互换模块。基于区块链技术,全程留痕,可存证,实现了数据交易双方无需知晓对方身份就可实现公平交易;数据碎片化的验证,方便对方在不获得整个数据文件的情况下对文件进行真实性验证;随机选取可信第三方群成员,保障交易双方的安全;由于可信第三方群的选取是随机的,交易双方均无法掌控,且联合多数群成员共同作恶的难度较大,保障了交易双方无论交易成功与否时刻是均势;同时为了提高可信第三方群成员的积极性,采用悬赏的方式提高参与度,保证交易正常进行。

    一种基于超图池化的文本情感分类方法

    公开(公告)号:CN115238075A

    公开(公告)日:2022-10-25

    申请号:CN202210912341.0

    申请日:2022-07-30

    Abstract: 本发明公开了基于超图池化的文本情感分类方法,将文本数据转化为文本超图,然后输入到超图模型中;超图模型设置有三个模块,每个模块均分为卷积层、池化层和读出层,且前一个模块输出的超图数据输入到后一个模块继续计算;超图卷积层通过超图卷积更新节点特征;超图池化层通过多层感知器线性变换得到节点重要度评分,并通过PageRank算法得到超边重要度评分,然后根据综合得分过滤节点;超图读出层读取每个维度节点特征的最大值和平均值,并进行求和;最后,将三个模块的读出层数值求和得到最终的文本超图特征表示,然后送入线性层进行文本情感分类。本发明采用上述文本情感分类方法,能够得到准确的文本情感信息,在情感分类任务中得到良好的表现效果。

Patent Agency Ranking