-
公开(公告)号：CN119443167B
公开(公告)日：2025-04-08
申请号：CN202510032308.2
申请日：2025-01-09
Applicant: 安徽大学
IPC: G06N3/0495 , G06N3/063 , G06N3/045
Abstract: 本发明提供了一种面向Grounding DINO的量化推理加速方法及系统，属于计算机网络信息技术领域，方法包括：将待量化Grounding DINO模型中Linear层替换为W4Linear层，并获取待量化Grounding DINO模型的权重和权重矩阵的形状；根据权重矩阵的形状动态调整分组大小，基于分组大小对权重进行量化；对量化后的权重进行压缩，将待检测数据输入量化压缩后的Grounding DINO模型，模型基于W4A32行乘行去量化矩阵乘法推理出结果；解决Grounding DINO模型在资源受限的设备上部署时不能使用仅权重分组量化的问题，以及模型无法直接应用低位矩阵乘法内核的问题。
-
公开(公告)号：CN119692591A
公开(公告)日：2025-03-25
申请号：CN202411504438.3
申请日：2024-10-26
Applicant: 安徽大学
IPC: G06Q10/063 , G06Q50/20 , G06N3/044 , G06N3/084 , G06N3/0442
Abstract: 本发明公开了一种基于多概念表示的个性化知识追踪方法，包括：收集学生答题记录数据集并进行预处理，生成多概念的答题记录，基于多概念的答题记录形成用于表示答题历史记录的概念编码矩阵x和个性化历史记录的难度信息矩阵d，将概念编码矩阵x和难度信息矩阵d拼接后送入循环神经网络，进行学生答题预测；本发明通过将问题涉及到的多个概念用多热编码表示丰富输入特征，同时考虑不同学生关于每个概念的正确率作为个性化依据，实现每个学生的个性化历史记录表示，显著提高模型预测性能的同时，也实现了不同学生个性化的知识追踪。
-
公开(公告)号：CN119323234B
公开(公告)日：2025-03-21
申请号：CN202411875946.2
申请日：2024-12-19
Applicant: 安徽大学
Abstract: 本发明公开了一种基于目标子图划分的节点注入攻击方法及装置，本发明的方法包括将包含实体节点的图结构数据集作为原始图数据；通过社区检测算法将原始图数据划分为多个子图，并根据攻击目标实体节点的位置和局部结构从多个子图中选取最相关的目标子图；基于对目标子图的攻击生成注入实体节点与目标实体节点邻域特征相匹配的特征，并对注入实体节点的特征进行优化；将优化后的注入实体节点映射至原始图数据中，并根据攻击目标实体节点的邻域结构建立与原始图数据中实体节点的连接关系，以基于连接关系完成对图神经网络的对抗性攻击。本发明解决了现有图注入攻击方法在处理大规模图数据时的效率和隐蔽性问题，并且该方法具有更高的攻击成功率。
-
公开(公告)号：CN119538256A
公开(公告)日：2025-02-28
申请号：CN202411485804.5
申请日：2024-10-23
Applicant: 安徽大学
IPC: G06F21/57 , G06F18/241 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本申请提出了一种针对图卷积网络的星形对抗补丁攻击方法，包括：基于具有空特征的虚假节点构建星形结构补丁，并将其注入无向图中，形成注入补丁的扰动图；从扰动图中选取属于非目标类别的节点作为辅助节点，计算每个辅助节点连接到星形结构补丁的中心节点后的损失函数特征梯度，并将其聚合，得到聚合梯度；通过多轮迭代更新虚假节点特征，在每轮迭代时，不断重复生成聚合梯度，并进行累积，直至达到预设的步数阈值，对最大梯度对应的虚假节点进行特征更新；选取受害节点连接到中心节点，并使用图卷积网络对受害节点进行节点分类，基于受害节点被分类为目标类别的比例确定攻击成功率和攻击效果。采用上述方案的本申请实现了对图数据的通用攻击。
-
公开(公告)号：CN117765557A
公开(公告)日：2024-03-26
申请号：CN202311175987.6
申请日：2023-09-12
IPC: G06V30/414
Abstract: 本申请公开了一种PDF文档图表提取方法、装置、电子设备及存储介质，属于计算机技术领域，其中，PDF文档图表提取方法包括：获取目标PDF文档；提取目标PDF文档中的题注；根据题注定位图表所在的PDF页面，并确定图表区域；当图表区域为独立页面，根据正则表达式提取图表区域的图表，当图表区域为跨页区域，则对图表进行合并操作，得到完整图表，根据正则表达式提取完整图表。该方法利用了题注对图表进行定位，从而可以准确地确定图表所在区域，进而可以准确提取PDF文档中的图表数据。
-
Patent Agency Ranking
公开(公告)号：CN117173165A
公开(公告)日：2023-12-05
申请号：CN202311443056.X
申请日：2023-11-02
Applicant: 安徽大学
Abstract: 本发明的一种基于强化学习的无造影剂肝肿瘤检测方法、系统及介质，方法包括S1、获取批量成对的无造影剂和造影剂增强的肝脏图像并划分为训练集和测试集；S2、构建基于强化学习的教师模型和学生模型，获取肝脏图像的特征；教师模型用于造影剂增强的肝脏图像特征的提取和肝肿瘤位置检测，并指导学生模型，学生模型用于无造影剂肝脏图像的特征提取和肝肿瘤位置检测；S3、将教师模型学习到的造影剂肝脏图像知识迁移到学生模型当中，不断训练优化模型；S4、逐步移除教师模型的指导，让学生模型独立获取无造影剂肝脏图像的肝肿瘤具体位置。通过本发明优化后的模型提取无造影剂肝脏图像的特征并输出肝肿瘤的具体位置。
-
公开(公告)号：CN116502647A
公开(公告)日：2023-07-28
申请号：CN202310228446.9
申请日：2023-03-06
Applicant: 安徽大学
IPC: G06F40/30 , G06F40/295 , G06N3/0442
Abstract: 本发明提出一种基于概念定义与数据增强的上下位关系抽取方法，包括，利用关键词抽取技术将自然文本中的概念对抽取出来，基于概念对和概念对对应的上下文关系构建概念三元组，将概念三元组的集合作为训练数据集；获取训练数据集中的每个三元组中的概念向量、概念向量之间的偏移向量以及概念定义的向量；构建输入是训练数据集，输出是概念向量之间的偏移向量、概念向量、概念定义的向量融合后的向量的上下位关系预测模型，根据训练数据集和融合后的向量对上下位关系预测模型进行训练；获取测试文本中的待预测概念三元组，将待预测概念三元组输入训练完成的上下位关系预测模型，根据输出的分量对待预测概念三元组的是否存在上下位关系进行预测。
-
公开(公告)号：CN116204608A
公开(公告)日：2023-06-02
申请号：CN202310228033.0
申请日：2023-03-10
Applicant: 安徽大学
IPC: G06F16/33 , G06F16/338 , G06F16/35
Abstract: 本发明涉及数据信息处理技术领域，公开了基于科技文档的领域趋势分析方法，包括：收集论文和专利数据后进行整理，形成科技文档后储存；自定义查询属性值生成科技文档筛选规则；将筛选规则划分为三种类别并按照顺序对所述科技文档进行操作；根据最终得到的所述科技文档的数据分析查询属性在历年的发展趋势。可以通过成熟的爬虫方案获取两种科技文档，并且对文档进行元数据识别和存储，方便后续的属性查询和趋势分析；从多种角度、多种属性进行对科技文档进行分析，最后得出领域趋势分析，能够实现领域趋势分析功能，并且结果展示效果丰富，结果完整。
-
公开(公告)号：CN111814059B
公开(公告)日：2023-04-07
申请号：CN202010856899.2
申请日：2020-08-24
Applicant: 安徽大学
IPC: G06F16/9535 , G06Q30/0601 , G06Q30/0202 , G06Q50/00
Abstract: 本发明公开了基于网络表示学习和社团结构的矩阵分解推荐方法及系统，所述方法包括：构建评级矩阵和社交抽象网络；获取用户之间隐性信任值；获取每个用户节点的全局特征向量；获取社交抽象网络的社团结构；获取用户之间的显性信任值；融合隐性信任值与显性信任值得到融合信任值，融合信任值超过阈值的信任值作为用户之间的细粒度信任值；结合用户之间的细粒度信任值得到用户的潜在特征向量，根据用户的潜在特征向量获取用户对未交互商品的预测评分，对用户进行商品推荐；本发明的优点在于：挖掘可以表达用户之间信任程度的细粒度信任值并据此最终获取用户对未交互商品的预测评分，提高推荐系统的准确性。
-
公开(公告)号：CN110083696B
公开(公告)日：2022-11-25
申请号：CN201910326299.2
申请日：2019-04-23
Applicant: 安徽大学
IPC: G06F16/335 , G06F16/9535 , G06F40/30
Abstract: 本发明公开基于元结构技术的全局引文推荐方法，对原始数据集进行文章提取、词频统计、关键短语筛选数据清洗操作，得到文章并使用文章、文章的作者、出版商和术语信息构建文章库；通过文章库中文章以及文章的作者、出版商和术语，建立异构信息网络；使用三度影响力原则选取三度以内的元结构，并依据所选的元结构和基于元结构的相似度计算技术得到文章库中文章的相似度；提出方法为每个元结构加权来融合文章间基于不同元结构获得的不同的相似度；使用优化算法优化以求得使推荐效果最优的权重；为每篇文章根据最优权重下的相似度和年份生成推荐列表。本发明通过元结构将语义信息融入到文章的相似性计算中，增强了引文推荐的可解释性。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.028 seconds)
