-
公开(公告)号：CN119647519A
公开(公告)日：2025-03-18
申请号：CN202411702416.8
申请日：2024-11-25
Applicant: 同济大学
IPC: G06N3/0455 , G06F18/22 , G06F18/241
Abstract: 本发明提出了一种基于资源层次关系描述的超算互联资源编码方法，包括步骤：将资源记录、对应编码和分层编码馈送到共享编码器中；基于感知注意力机制获得特定于超算资源编码的表示；利用层次关系描述提取资源编码记录，有效地筛选与给定编码紧密相关的资源信息，通过设计了层次编码描述蒸馏的方式，实现超算资源相关信息的有效编码。本发明有效提高资源自动编码的分类精度。
-
公开(公告)号：CN119622073A
公开(公告)日：2025-03-14
申请号：CN202411686122.0
申请日：2024-11-24
Applicant: 同济大学
IPC: G06F16/9532 , G06F16/9538 , G06F18/2415 , G06F18/2431 , G06F18/27 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及超算互联网资源描述和查询领域，提出一种基于后处理的超算互联网资源描述和查询方法，包括：根据查询问题和资源描述上下文，获取初始查询结果；对已获取的初始查询结果，重新查询资源描述上下文，将其分类为“正确信息”、“半正确信息”和“错误信息”；对于“半正确信息”，通过重新查询资源描述上下文，进行修正；最终将“正确信息”和修改后的“半正确信息”进行合并得到最终查询结果。本方法可以有效提升资源描述和查询的准确性。
-
公开(公告)号：CN113641833B
公开(公告)日：2024-04-09
申请号：CN202110944310.9
申请日：2021-08-17
Applicant: 同济大学
IPC: G06F16/36 , G06F16/2455 , G06F40/284 , G06F40/30 , G06N3/044 , G06N3/042 , G06N3/045
Abstract: 本发明提供一种服务需求匹配方法及装置，包括以下步骤：基于用户输入的文字，应用自然语言向量化模型和词向量间余弦距离计算法，确定文字在预设词库中对应的近义词；基于预设的源数据文档，应用分词工具进行分词处理，确定源数据文档中的服务名和服务关键词；并应用双向循环神经网络模型和图神经网络模型，确定各服务名之间的关系；基于服务名、服务关键词以及各服务名之间的关系，构建知识图谱；基于近义词、服务关键词以及知识图谱，应用预设的匹配规则，确定文字对应的服务需求。本发明的服务需求匹配方法及装置能够真正将用户描述中的语义信息用于服务匹配；同时应用知识图谱的方式保证服务间的强关联能力，保证了匹配的高查准率和查全率。
-
公开(公告)号：CN116599885A
公开(公告)日：2023-08-15
申请号：CN202211470562.3
申请日：2022-11-23
Applicant: 同济大学
Abstract: 本发明公开了一种基于深度强化学习的软件定义网络路由方法，包括：基于网络实际运行参数，根据大流优先调度的原则和任务目标分别对网络流信息进行状态设计和动作设计；基于软件定义网络SDN控制器获取的网络带宽数据构建网络拥塞模型；根据网络拥塞模型和网络QoS数据进行奖励设计，并结合状态设计和动作设计训练强化学习模型；强化学习模型基于实际网络流的状态值实现路由的选择。本发明利用强化学习作为整个方法的主体框架，通过对网络中大象流优先调度，在原始带宽数据的基础上，基于大流优先调度进行强化模型的状态设计，提高了网络各项QoS指标，进一步结合网络拥塞模型提高强化学习模型的训练效果。
-
公开(公告)号：CN111275098A
公开(公告)日：2020-06-12
申请号：CN202010055505.3
申请日：2020-01-17
Applicant: 同济大学
Abstract: 应用于信用卡欺诈检测的Encoder-LSTM深度学习模型及方法，其特征在于，分为两个部分：第一部分是自编码器，该部分主要用于提取中间状态的低维特征。自编码器作为分类器进行训练后，将自编码阶段的中间状态作为LSTM模型的输入，在输入之前需对数据进行重新整理，以适应于LSTM网络的输入；第二部分是LSTM网络，该部分主要用于分析信用卡交易之间的相关性，将经过自编码器提取出低维重构特征向量输入LSTM网络，设置相关超参数，使用自适应矩估计优化器，对信用卡交易内部之间的相关性进行挖掘，进而达到检测出欺诈交易的目的。
-
Patent Agency Ranking
公开(公告)号：CN106547739B
公开(公告)日：2019-04-02
申请号：CN201610955776.8
申请日：2016-11-03
Applicant: 同济大学
IPC: G06F17/27
Abstract: 一种文本语义相似度分析方法。本发明涉及文本分析领域，特别涉及到一种基于语义特征的文本相似度分析方法。本发明的技术方案是利用文本内部词汇内在的语义联系进行计算，以达到更加准确有效地分析文本之间的相似程度。该方法通过奇异值分解浅层分析文本之间以及词项之间的关联关系，借助贝叶斯网络构建词项‐主题集，用互信息以及上下文计算词项之间的语义相似度，最后通过图结构计算文本的相似度。本发明能够更加准确有效地度量和识别文本之间的语义关系。
-
公开(公告)号：CN107608953A
公开(公告)日：2018-01-19
申请号：CN201710609471.6
申请日：2017-07-25
Applicant: 同济大学
Abstract: 一种基于不定长上下文的词向量生成方法。本发明涉及自然语言处理领域，特别涉及到基于不定长上下文的词向量生成方法。本发明的技术方案提出了一种不定长度的上下文划分策略和基于不定长上下文的词向量生成方法。这种策略利用标点符号把语料库划分成了长度不定，但语义完整的上下文。长度的不固定导致了传统的语言模型无法利用这种上下文生成词向量。为了应对这难题，本文结合卷积神经网络和循环神经网络设计了一个可以处理不定长上下文的语言模型F-Model。经过实施结果分析，使用标点把语料库划分成语义完整的上下文可以提高词向量的质量。F-Model具有良好的学习能力，实施得到的词向量蕴含丰富的语义和较好的线性关系。
-
公开(公告)号：CN103984681A
公开(公告)日：2014-08-13
申请号：CN201410127095.3
申请日：2014-03-31
Applicant: 同济大学
IPC: G06F17/27
Abstract: 本发明“基于时序分布信息和主题模型的新闻事件演化分析方法”，涉及文本分析领域。首先通过分析新闻报道在时间序列上表现出来的分布特征，并利用K-Means聚类算法，将语料库按时间划分成几个子语料库；然后利用主题模型依次对每个子语料库进行主题建模，通过Gibbs抽样的方法将模型学习出来，得到每个子语料的主题分布信息；最后通过计算相邻子语料库中两两主题之间的Jensen-Shannon距离，取距离最小的主题串联起来，被串联起来的主题便是该事件的主主题，每个子语料中除了主主题之外的辅助主题，便是该事件在各个阶段的关注点和新的发展。能更好地刻画新闻预料中事件发展的主线以及在各个阶段爆发出来的新的关注点。
-
公开(公告)号：CN117409236A
公开(公告)日：2024-01-16
申请号：CN202311168532.1
申请日：2023-09-12
Applicant: 同济大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于对抗偏移训练的自适应图像掩码方法及系统，涉及深度学习和计算机视觉领域。包括基于ViT模型的训练模式对原始图像分块处理，并对分块后的图像进行特征变换，通过对抗偏移训练方式获得特征变换参数；根据图像块重要性分数和图像块特征变换后的尺度大小对图像块进行掩码操作，并设计自适应掩码方案；根据训练过程中模型的实时性能，设计不同的权重损失函数优化模型的训练；对基于对抗偏移训练的自适应图像掩码方法进行训练和测试。本发明可有效提高ViT模型对有用信息的辨别力，同时减少无关信息的干扰，增强了有效特征可利用率，同时在训练过程中对任务无关的图像块进行掩码，使模型更加关注有用信息的提取。
-
公开(公告)号：CN116910587A
公开(公告)日：2023-10-20
申请号：CN202310149034.6
申请日：2023-02-22
Applicant: 同济大学
Abstract: 本发明公开了一种基于数据分布差异的聚类联邦方法及装置，方法包括：根据原始数据集的标签类别和标签对应的样本数量，计算原始数据集的标签概率分布及分布差异；利用特征提取网络，提取与原始数据集相关的数据特征向量；基于所述数据特征向量，计算客户端数据集间关于数据特征分布的差异情况；基于所述数据集的标签概率分布和所述数据特征分布的差异情况，进行聚类运算，得到客户端集群，将所述客户端集群进行迭代聚类；本发明提出的方法利用了原始数据的标签信息和特征信息，在客户端聚类过程中有较高的准确度。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.025 seconds)
