-
公开(公告)号：CN117614927B
公开(公告)日：2024-09-06
申请号：CN202311361072.4
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: H04L51/52 , H04L51/58 , G06Q50/00 , G06N3/0464 , G06N3/0442
Abstract: 本申请涉及数据处理技术领域，尤其涉及一种深度信息融合驱动的移动社交网络POI调度方法及系统，包括：感知层包括：云感知模块、边缘感知模块和深度表征学习模块；其中，云感知模块依据POI原始数据获得用户的显式特征，边缘感知模块依据POI原始数据获得用户间的隐式特征，深度表征学习模块基于深度学习方法，依据用户的显式特征和用户间的隐式特征，学习得到代表向量；计算层依据代表向量训练POI调度模型；应用层接收用户的POI调度请求，并且将用户的POI调度请求输入至训练好的POI调度模型中，从而得到POI调度结果。本申请可以提高移动社交网络(MSN)环境中的兴趣点(POI)调度的效果，并且使得移动社交网络(MSN)环境中的兴趣点(POI)的调度的难度较低。
-
公开(公告)号：CN117492856B
公开(公告)日：2024-07-23
申请号：CN202311343668.1
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
Abstract: 本申请提供一种金融物联网中信任评估的低延迟边缘计算卸载方法，该方法包括：响应于接收到评估请求信号，向用户端发送预评估模型；用户端根据接收到的预评估模型，采集用户信息；将采集的用户信息输入预评估模型中进行预评估，获得用户预评估结果，并根据用户预评估结果，为用户的评估任务匹配相应的评估模型；根据评估模型，对用户端的评估任务进行计算；其中，对用户端的评估任务进行计算的方法包括：判断评估任务是否需要卸载到不同的边缘计算节点进行计算，若是，则执行低延迟边缘计算卸载方法，否则，在用户端计算评估任务。本申请避免个人信用评估时用户个人隐私泄露，并为金融物联网的信任评估提供有效计算卸载方案以确保低延迟。
-
公开(公告)号：CN117573989A
公开(公告)日：2024-02-20
申请号：CN202311351738.8
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06F16/9536 , G06F16/9535 , G06F16/901 , G06F18/213 , G06F18/25 , G06Q50/00 , G06N3/042 , G06N3/084 , G16Y10/75
Abstract: 本申请公开了一种基于深度学习和物联网的模糊感知社交推荐方法及系统，其中，基于深度学习和物联网的模糊感知社交推荐方法，包括如下步骤：持久层获取初始数据，对初始数据进行处理，获得源数据，并存储；表示层从持久层中获取源数据，并根据获取的源数据构建混合社交图，并获得混合社交图的特征向量，并将特征向量输入至处理层，其中，混合社交图至少包括：用户子图和项目子图；特征向量至少包括：边的代表向量和节点的代表向量；处理层根据混合社交图的特征向量构建推荐模型，接收应用层发送的访问请求，利用推荐模型根据访问请求预测用户对物品的偏好反馈结果。本申请提高了建模效率和预测准确性。
-
公开(公告)号：CN117575017A
公开(公告)日：2024-02-20
申请号：CN202311358800.6
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06N5/04 , G06N3/044 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/084 , G06N7/01 , G06F18/2415 , G06Q10/04 , G06Q50/26 , C02F3/02
Abstract: 本申请公开了一种污水处理过程的概率推理模型构建方法及其系统，其中，污水处理过程的概率推理模型构建方法，包括如下步骤：根据监测数据构造多个数据集，每个数据集均包括：多种污染物的实际的入口数据和实际的出口数据；利用数据集在混合云的私有云模块内创建概率推理模型；对概率推理模型进行优化，获得优化后的概率推理模型。本申请能够在缺乏IPP的情况下，反向推断出污水处理过程中丢失的IPP，能够令污水处理过程的概率推理模型在没有IPP数据的污水处理过程时依然生效，保证了预测结果的可靠性。
-
公开(公告)号：CN117454022A
公开(公告)日：2024-01-26
申请号：CN202311433512.2
申请日：2023-10-31
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06F16/9536 , G06N5/04 , G06N7/01
Abstract: 本申请涉及数据处理技术领域，尤其涉及一种基于人工智能物联网的隐式组推荐方法及系统，包括：依据物联网设备采集的用户的交互记录，获得用户的偏好特征；依据用户的偏好特征以及该用户所在用户组中的成员之间的合作关系和竞争意向，得到组推荐结果；待得到组推荐结果后，将组推荐结果提供给用户。本申请通过物联网结构作为底层支撑平台，从而可以实时获取和更新组推荐相关的各类数据，进而能够实时利用在线数据进行更新推荐系统，又可以使用隐性偏好反馈数据提高推荐的准确度，从而保证推荐效果。
-
Patent Agency Ranking
公开(公告)号：CN117437776B
公开(公告)日：2024-09-06
申请号：CN202311351736.9
申请日：2023-10-18
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G08G1/01 , G06F18/2132 , G06N3/0455 , G06N3/048 , G06N3/0442 , G06N3/08
Abstract: 本申请公开了一种智能交通系统中交通流预测方法及其系统，其中智能交通系统中交通流预测方法包括以下步骤：获取交通流节点的固有特征和关系特征；对交通流节点的固有特征和关系特征进行编码；对编码后的固有特征和关系特征进行解码，得到预测流量值。本申请将深度嵌入和图形嵌入共同用于增强ITS中的特征表示。同时，通过深度嵌入和图形嵌入方法能够在进行交通流量预测的过程中呈现良好的性能。
-
公开(公告)号：CN117575017B
公开(公告)日：2024-08-02
申请号：CN202311358800.6
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06N5/04 , G06N3/044 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/084 , G06N7/01 , G06F18/2415 , G06Q10/04 , G06Q50/26 , C02F3/02
Abstract: 本申请公开了一种污水处理过程的概率推理模型构建方法及其系统，其中，污水处理过程的概率推理模型构建方法，包括如下步骤：根据监测数据构造多个数据集，每个数据集均包括：多种污染物的实际的入口数据和实际的出口数据；利用数据集在混合云的私有云模块内创建概率推理模型；对概率推理模型进行优化，获得优化后的概率推理模型。本申请能够在缺乏IPP的情况下，反向推断出污水处理过程中丢失的IPP，能够令污水处理过程的概率推理模型在没有IPP数据的污水处理过程时依然生效，保证了预测结果的可靠性。
-
公开(公告)号：CN117573967A
公开(公告)日：2024-02-20
申请号：CN202311382483.1
申请日：2023-10-24
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06F16/9535 , G06F16/9536 , G06N3/0464 , G06N3/084 , G06N3/098 , G06F18/213 , G06F18/22 , G06F18/25
Abstract: 本申请提供一种基于深度分布式学习的POI推荐方法及系统，该方法包括如下步骤：预先构建局部特征模型和全局特征模型；使用预先构建的局部特征模型，学习用户和兴趣点之间的参数化代表向量；使用预先构建的全局特征模型，学习用户与用户之间的总相关性矩阵；根据用户和兴趣点之间的参数化代表向量，以及用户与用户之间的总相关性矩阵，生成用户和兴趣点之间的真实交互结果。本申请在移动边缘网络下，将来自局部和全局子空间的隐藏特征成分通过代表性的学习被深度抽象化，此外，传播操作被嵌入到特征空间的迭代再优化表达中。上述两个方面的连续作用提供更精细的特征空间，从而提高特征空间的深度和推荐的准确性。
-
公开(公告)号：CN117494191A
公开(公告)日：2024-02-02
申请号：CN202311343636.1
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06F21/62 , G06F21/64 , G06F21/57 , G06F16/9535 , G06F16/9537 , G06N3/0442 , G06N3/092
Abstract: 本申请公开了一种信息物理安全的兴趣点微服务系统及其方法，其中，信息物理安全的兴趣点微服务方法，包括如下步骤：S1：N个终端节点通过预训练模型根据用户的数据集进行预训练，获得N组预估参数；S2：云中心服务器接收到N组预估参数后，对N组预估参数进行迭代处理，获得聚合参数，并将聚合参数分别输入至N个终端节点，N个终端节点根据聚合参数执行步骤S1，至完成K轮迭代处理为止，并将第K轮迭代处理后获得的聚合参数作为优化参数；S3：N个终端节点根据优化参数对预训练模型进行优化，获得兴趣点推荐模型，当感知到用户的位置信息时，通过兴趣点推荐模型输出推荐结果。本申请能够保证信息物理安全的兴趣点微服务过程中的数据安全。
-
公开(公告)号：CN117492856A
公开(公告)日：2024-02-02
申请号：CN202311343668.1
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
Abstract: 本申请提供一种金融物联网中信任评估的低延迟边缘计算卸载方法，该方法包括：响应于接收到评估请求信号，向用户端发送预评估模型；用户端根据接收到的预评估模型，采集用户信息；将采集的用户信息输入预评估模型中进行预评估，获得用户预评估结果，并根据用户预评估结果，为用户的评估任务匹配相应的评估模型；根据评估模型，对用户端的评估任务进行计算；其中，对用户端的评估任务进行计算的方法包括：判断评估任务是否需要卸载到不同的边缘计算节点进行计算，若是，则执行低延迟边缘计算卸载方法，否则，在用户端计算评估任务。本申请避免个人信用评估时用户个人隐私泄露，并为金融物联网的信任评估提供有效计算卸载方案以确保低延迟。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.04 seconds)
