-
公开(公告)号：CN119383279B
公开(公告)日：2025-04-04
申请号：CN202411959961.5
申请日：2024-12-30
Applicant: 南京信息工程大学
IPC: H04N1/44 , G06F21/62 , G06N3/0895
Abstract: 本发明公开了一种面向大模型检索的输入图优化隐私保护方法及系统，属于隐私保护技术领域，方法包括：基于输入图中各节点的对比学习权重，对输入图进行双视角对比学习，获取输入图中各节点的初始嵌入表示；引入类别原型提示，对输入图中各节点进行分类优化，获取输入图中各节点的对比学习权重约束表示；获取输入图的全局表示，对输入图中各节点进行匹配度优化，获取输入图中各节点的优化表示；引入输入图中各节点的上下文标记，识别输入图中的隐私节点；筛选输入图中各隐私节点的边进行剪枝重连，获取隐私保护后的输入图。该方法能够在不损失输入图的数据结构信息的前提下，精确识别和保护输入图中的隐私节点，降低输入图的隐私泄露风险。
-
公开(公告)号：CN114861775A
公开(公告)日：2022-08-05
申请号：CN202210423009.8
申请日：2022-04-21
Applicant: 南京信息工程大学
Abstract: 本发明了一种特征选择与聚类分析后的混合神经网络模型天气分类方法，本发明首先使用MIC最大信息系数最特征进行选择，去除MIC最大信息系数低于0.5,即与其他特征关联性低的特征；接着使用BIC系数估计最佳的聚类模型集群数k，对数据集进行高斯混合模型聚类，筛选相似的样本；然后分别搭建MLP分类神经网络和MLNN分类神经网络；最后使用集成学习中的AdaBoost自适应加强算法，对两个模型进行顺序训练并生成MLP和MLNN神经网络混合模型。本发明结合了特征选择、聚类分析及混合神经网络对天气数据进行处理，缩减了训练时间。训练多层感知机和形态学‑线性神经网络并加入集成学习的思想混合，在模型训练及混合时应用AdaBoost自适应加强算法，提高天气分类准确率。
-
公开(公告)号：CN116680548A
公开(公告)日：2023-09-01
申请号：CN202310969129.2
申请日：2023-08-03
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/213 , G01W1/10
Abstract: 本发明公开了一种针对多源观测数据的时间序列干旱因果分析方法，首先采集多源数据，包括遥感数据以及气象格点数据，计算出相应的干旱指数SPEI，并统一所有数据的时间尺度和空间尺度；然后对收集到的多源观测数据进行数据预处理，包括数据的补全、平稳性检验以及归一化等；之后采用基于信息理论的特征选择方法，以干旱指数SPEI作为目标进行特征选择，得到它的相关特征集合。最后，将相关特征集合作为条件集送入到条件Granger模型中计算每个变量对干旱指数SPEI的影响程度，得到与干旱发生和严重程度相关的变量，可用于干旱预测任务的特征选择，降低了算法复杂度的同时，加强了特征选择的物理可解释性。
-
公开(公告)号：CN114881357B
公开(公告)日：2024-09-17
申请号：CN202210612448.3
申请日：2022-05-31
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/02 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/045 , G06N3/092 , G06N3/084
Abstract: 本发明公开了一种基于给定农灾资料强化学习的灾后作物产值预估方法，基于历史气象农灾数据和历史环境信息数据构成的原始数据集，农业灾害发生概率模型、模拟作物生长模型、多层感知机模型、初级灾后作物产值预估模型；并结合环境特征向量集、历史气象农灾数据动态变量和历史环境信息数据静态变量、动态静态气象及农业关联数据分组数据特征之间的关联性，获得最终灾后作物产值预估模型同时利用Q学习算法，本发明提出带有环境信息编码的针对收成季节推移的农业产值异构预测网络，遵循时间维度，解析各关联数据分组所对应二维特征平面集合，并采用异构神经网络组件细粒度解析动态与静态特征要素，全面考虑了气象与农业各要素在产值与灾害上的相关性。
-
Patent Agency Ranking
公开(公告)号：CN116680548B
公开(公告)日：2023-10-13
申请号：CN202310969129.2
申请日：2023-08-03
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/213 , G01W1/10
Abstract: 本发明公开了一种针对多源观测数据的时间序列干旱因果分析方法，首先采集多源数据，包括遥感数据以及气象格点数据，计算出相应的干旱指数SPEI，并统一所有数据的时间尺度和空间尺度；然后对收集到的多源观测数据进行数据预处理，包括数据的补全、平稳性检验以及归一化等；之后采用基于信息理论的特征选择方法，以干旱指数SPEI作为目标进行特征选择，得到它的相关特征集合。最后，将相关特征集合作为条件集送入到条件Granger模型中计算每个变量对干旱指数SPEI的影响程度，得到与干旱发生和严重程度相关的变量，可用于干旱预测任务的特征选择，降低了算法复杂度的同时，加强了特征选择的物理可解释性。
-
公开(公告)号：CN115879623A
公开(公告)日：2023-03-31
申请号：CN202211587993.8
申请日：2022-12-12
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/02 , G06F18/2415 , G06F18/25 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种农业干旱等级预测方法、装置、电子设备及存储介质，所述方法包括从CRU数据中心提取陆地表面的时间序列数据；提取时间序列数据在时间尺度上的特征，并进行特征融合和全局平均池化，获得时间特征矩阵；提取时间序列数据在变量尺度上的特征，并进行全局平均池化，获得变量特征矩阵；提取时间序列数据在空间上的特征，将相邻格点的信息融入到该格点信息中，获得空间特征矩阵；将时间特征矩阵和变量特征矩阵以及空间特征矩阵拼接在一起，经过Softmax层输出最终的干旱等级分类结果，本发明提高农业干旱等级预测准确率，进一步减少因为干旱而引起的农业损失。
-
公开(公告)号：CN119611351A
公开(公告)日：2025-03-14
申请号：CN202411901258.9
申请日：2024-12-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种类脑脉冲强化演化的无人驾驶避障方法及相关装置，本发明根据当前时刻的无人驾驶车辆的状态序列和皮质‑基底神经节‑丘脑网络生成当前时刻的避障动作，并基于当前时刻的避障动作优化下一时刻的皮质‑基底神经节‑丘脑网络，在皮质‑基底神经节‑丘脑网络优化过程中，根据相邻时刻的奖励差值，累加皮质‑基底神经节‑丘脑网络对环境的警惕值，在累加的警惕值未超过第二阈值时，依次基于尖峰时序依赖性可塑性机制和多巴胺调节机制优化皮质‑基底神经节‑丘脑网络，在累加的警惕值超过第二阈值时，基于遗传算法的离线演化方法优化皮质‑基底神经节‑丘脑网络，实现了对不同复杂环境快速适应和决策准确的避障方法。
-
公开(公告)号：CN119383279A
公开(公告)日：2025-01-28
申请号：CN202411959961.5
申请日：2024-12-30
Applicant: 南京信息工程大学
IPC: H04N1/44 , G06F21/62 , G06N3/0895
Abstract: 本发明公开了一种面向大模型检索的输入图优化隐私保护方法及系统，属于隐私保护技术领域，方法包括：基于输入图中各节点的对比学习权重，对输入图进行双视角对比学习，获取输入图中各节点的初始嵌入表示；引入类别原型提示，对输入图中各节点进行分类优化，获取输入图中各节点的对比学习权重约束表示；获取输入图的全局表示，对输入图中各节点进行匹配度优化，获取输入图中各节点的优化表示；引入输入图中各节点的上下文标记，识别输入图中的隐私节点；筛选输入图中各隐私节点的边进行剪枝重连，获取隐私保护后的输入图。该方法能够在不损失输入图的数据结构信息的前提下，精确识别和保护输入图中的隐私节点，降低输入图的隐私泄露风险。
-
公开(公告)号：CN114881357A
公开(公告)日：2022-08-09
申请号：CN202210612448.3
申请日：2022-05-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于给定农灾资料强化学习的灾后作物产值预估方法，基于历史气象农灾数据和历史环境信息数据构成的原始数据集，农业灾害发生概率模型、模拟作物生长模型、多层感知机模型、初级灾后作物产值预估模型；并结合环境特征向量集、历史气象农灾数据动态变量和历史环境信息数据静态变量、动态静态气象及农业关联数据分组数据特征之间的关联性，获得最终灾后作物产值预估模型同时利用Q学习算法，本发明提出带有环境信息编码的针对收成季节推移的农业产值异构预测网络，遵循时间维度，解析各关联数据分组所对应二维特征平面集合，并采用异构神经网络组件细粒度解析动态与静态特征要素，全面考虑了气象与农业各要素在产值与灾害上的相关性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.029 seconds)
