-
公开(公告)号：CN105554743A
公开(公告)日：2016-05-04
申请号：CN201510934008.X
申请日：2015-12-15
Applicant: 南京信息工程大学
Abstract: 本发明提供一种避免重叠圆形攻击的移动用户位置隐私的保护方法，涉及位置隐私保护领域。本发明首先让用户发送一个请求Q(用户当前的位置、查询结果数等)给中间代理设备；中间设备将用户的真实位置转化为一个圆形区域，并指定一个比用户需要的置信水平和查询结果数更大的值，然后将请求Q’发送给LBS服务器提供商；LBS采用查询处理方法找出满足条件的兴趣点，将满足条件的兴趣点放进集合V’，再将V’返回给中间设备；中间设备对V’进行筛选，将选出的结果返回给用户。本发明在用户查询服务器时有效地为避免了重叠圆形攻击，能更加准确地保护用户的位置隐私，适合移动用户查询周围兴趣点时对用户位置进行隐私保护。
-
公开(公告)号：CN118798392B
公开(公告)日：2025-04-15
申请号：CN202411084480.4
申请日：2024-08-08
Applicant: 南京信息工程大学
Abstract: 本发明属于移动边缘计算通信技术领域，具体涉及移动边缘网络中个性化联邦学习的成本效益协同优化方法，包括，数据集的收集和处理，收集高速公路交通数据集的轨迹数据和手写数字数据集的数字图片，并将数字图片调整为相同大小，节点评估，通过优劣解距离法来评估所有节点的好坏，节点选择，在所有节点概率确定的条件下，根据概率随机选择参与训练的移动节点，模型训练，分别利用MCLR和DNN网络训练处理过的训练集数据对模型进行训练，模型传输，将训练好的模型参数调整，并上传到边缘服务器。本发明能够有利于缓解数据高异构性的问题同时提高模型训练精度，并大大降低了传输成本和通信延迟。
-
公开(公告)号：CN118381581A
公开(公告)日：2024-07-23
申请号：CN202410823316.4
申请日：2024-06-25
Applicant: 南京信息工程大学
IPC: H04L1/00 , H04L47/6275 , H04L69/22
Abstract: 本发明公开了一种基于深度强化学习的战术通信网络业务成帧方法，包括：划分待成帧数据包的业务类型，将上层待成帧的数据包添加到相应的发送等待队列；当需要传输数据包时，确定传输队列；对传输队列进行成帧判断，若成帧，则第一队列利用基于深度强化学习的自适应帧生成算法或者第二队列利用高效率帧生成算法执行成帧操作，生成数据帧，并由物理层进行发送；接收端解析收到的数据帧。本发明中针对不同业务不同的QoS要求，分别使用不同的成帧算法，对于时敏业务使用基于深度强化学习的自适应帧生成算法，保证在吞吐量提高的基础上降低成帧时延；对于非时敏业务，使用高效率帧生成算法，提高了帧效率，以及提高瓶颈链路的信道利用率。
-
公开(公告)号：CN115860269B
公开(公告)日：2023-05-16
申请号：CN202310136305.4
申请日：2023-02-20
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/02 , G06V20/13 , G06V20/10 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了智慧农业技术领域的一种基于三重注意力机制的农作物产量预测方法，解决现有方法对农作物产量预测精确度不高等技术问题。其包括：获取历年生长期内的目标农作物种植区农作物产量数据、遥感影像数据和气象环境数据，预处理后农作物单产预测的输入特征参数和单产数据分别作为深度学习模型的输入特征和输出数据；将输入特征和输出数据构建为非线性特征组合数据集并划分为测试集和训练集；搭建农作物产量预测TAM模型使用非线性特征组合数据集进行训练优化，将待测农作物的输入特征输入到农作物产量预测TAM模型中获得该农作物单产预估结果。本发明相比于现有方法提高了农作物产量的预测精确度。
-
公开(公告)号：CN110766063B
公开(公告)日：2023-04-28
申请号：CN201910987689.4
申请日：2019-10-17
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于压缩激励和紧密连接卷积神经网络的图像分类方法，将轻量级的紧密连接卷积神经网络(DenseNet)和高性能的压缩和激励模块(SE)结合，通过训练卷积神经网络，计算损失函数，根据梯度下降更新网络；测试卷积神经网络，计算分类准确度；重复上述步骤构建保存准确度最高的准确度数值和卷积神经网络模型参数，得到效果最好的卷积神经网络模型。本发明压缩和激励模块可以显式地建模通道之间的相互依赖关系，且计算量很小；相较于传统卷积神经网络图像分类方法，能够以很少的参数量和计算量获得高准确度的图像分类结果。
-
Patent Agency Ranking
公开(公告)号：CN115860269A
公开(公告)日：2023-03-28
申请号：CN202310136305.4
申请日：2023-02-20
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/02 , G06V20/13 , G06V20/10 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了智慧农业技术领域的一种基于三重注意力机制的农作物产量预测方法，解决现有方法对农作物产量预测精确度不高等技术问题。其包括：获取历年生长期内的目标农作物种植区农作物产量数据、遥感影像数据和气象环境数据，预处理后农作物单产预测的输入特征参数和单产数据分别作为深度学习模型的输入特征和输出数据；将输入特征和输出数据构建为非线性特征组合数据集并划分为测试集和训练集；搭建农作物产量预测TAM模型使用非线性特征组合数据集进行训练优化，将待测农作物的输入特征输入到农作物产量预测TAM模型中获得该农作物单产预估结果。本发明相比于现有方法提高了农作物产量的预测精确度。
-
公开(公告)号：CN110737769A
公开(公告)日：2020-01-31
申请号：CN201910999118.2
申请日：2019-10-21
Applicant: 南京信息工程大学
IPC: G06F16/34 , G06F40/289 , G06N3/04
Abstract: 本发明公开了一种基于神经主题记忆的预训练文本摘要生成方法，根据完整的输入序列，使用BERT预训练的上下文建模能力，对序列进行编码，完成文本嵌入；将输出的序列表示，使用主题记忆网络编码潜在的主题表示；根据主题表示、推理与经过编码的序列表示进行匹配，形成最终编码表示，再使用解码器来生成初步输出序列；将输出的序列中每一个单词进行掩码喂入BERT并结合输入序列，使用基于transformer和LSTM的解码器来预测每个掩码位置的细化单词，实现微调。本发明通过双向上下文的BERT和LSTM层进行特征的深层捕捉，喂入掩码后的摘要，对参数进行微调，细化每一个摘要单词，使得生成更加流畅、信息量高的文本摘要。
-
公开(公告)号：CN117973457B
公开(公告)日：2024-06-18
申请号：CN202410382744.8
申请日：2024-04-01
Applicant: 南京信息工程大学
IPC: G06N3/0464 , G06N3/098 , G06F18/22 , G06F18/23
Abstract: 本发明公开了自动驾驶感知场景下基于推理相似性的联邦学习方法，包括对感知数据的采集，对数据的处理和转化操作；对传输的模型参数进行初始化设置；将预处理后的感知数据输入训练网络中，选择不同超参数对模型进行训练；对训练出的模型提取其中的logits进行传输；路侧单元收到不同车辆上传的参数后进行相似性聚类并对每一类数据进行加权聚合，将聚合后的新参数分别发送给对应的车辆客户端；客户端学习新的数据并作出相应的判断。通过本发明提出的方法，减少了数据异质性对感知效果的影响并且降低了通信成本，同时还能消除数据传输中的安全问题。
-
公开(公告)号：CN116208969B
公开(公告)日：2023-11-03
申请号：CN202310221067.7
申请日：2023-03-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于改进海洋捕食者算法的无线传感器网络覆盖优化方法，针对固定范围的目标网络监测区域，以该目标网络监测区域内传感器节点数量、传感器节点部署位置、以及传感器节点统一的感知半径与传感半径作为输入，以目标网络监测区域的网络覆盖率作为输出，构建基于布尔感知的传感器节点联合感知模型；以当前传感器节点二维部署位置和目标网络监测区域的网络覆盖率为输入，利用海洋捕食者算法结合Tent混沌对步骤S1得到的传感器节点联合感知模型的待优化参数进行优化，获得优化后的最大网络覆盖率及其所对应的最优节点位置部署方案。改进海洋捕食者算法取得的优化效果更好，网络节点分布更均匀，覆盖盲区与节点覆盖冗余现象更少。
-
公开(公告)号：CN110737769B
公开(公告)日：2023-07-25
申请号：CN201910999118.2
申请日：2019-10-21
Applicant: 南京信息工程大学
IPC: G06F16/34 , G06F40/289 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/047
Abstract: 本发明公开了一种基于神经主题记忆的预训练文本摘要生成方法，根据完整的输入序列，使用BERT预训练的上下文建模能力，对序列进行编码，完成文本嵌入；将输出的序列表示，使用主题记忆网络编码潜在的主题表示；根据主题表示、推理与经过编码的序列表示进行匹配，形成最终编码表示，再使用解码器来生成初步输出序列；将输出的序列中每一个单词进行掩码喂入BERT并结合输入序列，使用基于transformer和LSTM的解码器来预测每个掩码位置的细化单词，实现微调。本发明通过双向上下文的BERT和LSTM层进行特征的深层捕捉，喂入掩码后的摘要，对参数进行微调，细化每一个摘要单词，使得生成更加流畅、信息量高的文本摘要。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.023 seconds)
