-
公开(公告)号：CN112199531B
公开(公告)日：2024-05-17
申请号：CN202011224930.7
申请日：2020-11-05
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: G06F16/483 , G06F18/213 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种基于哈希算法和邻域图的跨模态检索方法及装置，检索方法包括：获取多模态原始样本，对多模态原始样本经过特征变换前后得到的残差值进行最小化处理，得到最小化残差值；根据协同矩阵分解方法学习多模态原始样本之间的潜在关联，并根据潜在关联计算得到多模态原始样本的模态间的语义一致性；采用邻域图的流形学习，计算得到多模态原始样本的模态内的语义一致性；将最小化残差值、模态间的语义一致性和模态内的语义一致性，结合避免过度拟合的正则化计算得到目标函数。本发明实施例通过综合考虑多模态的全局特征和模态间的局部特征，计算得到用于跨模态检索的目标函数，以实现提高跨模态检索的全面性和准确性。
-
公开(公告)号：CN114520772B
公开(公告)日：2023-11-14
申请号：CN202210058973.5
申请日：2022-01-19
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 广东工业大学
IPC: H04L41/14 , H04L41/0893 , H04W72/04
Abstract: 本发明提供了一种5G切片资源调度方法，包括初始化深度强化网络的记忆池和学习参数；记忆池包括网络状态、动作、奖励值和下一网络状态；动作表示5G切片资源分配策略；将采集到的5G切片资源的历史分配数据馈入到深度神经网络进行强化学习，并将每一次学习得到的网络状态、动作、奖励值和下一网络状态组成一个四元组；随机抽取若干个四元组馈入到神经网络进行训练，得到切片资源分配模型；响应于接收到的终端业务请求，基于切片资源分配模型进行5G切片资源分配；本发明可以实现采用有限样本进行模型快速训练，从而大大降低了海量用户多种通信场景的切片资源分配模型计算的复杂度，有效缩短切片资源分配的决策时长，提升切片资源分配效率。
-
公开(公告)号：CN109885831B
公开(公告)日：2023-06-02
申请号：CN201910091177.X
申请日：2019-01-30
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: G06F40/289 , G06F40/242 , G06F16/35
Abstract: 本发明公开了一种关键术语抽取方法、装置、设备及计算机可读存储介质，该方法包括：根据预先构建的特定领域术语词典，对文本进行切分处理；利用预设的第一抽取窗口遍历文本，对切分处理后得到的词语进行抽取，获得特定领域的候选术语，根据预先构建的特定领域术语词典，对切分处理后得到的词语进行抽取，获得特定领域的候选术语；通过预先构建的概率主题模型对候选术语进行主题聚类，获得多个主题关联的候选术语及其关联概率；根据每个主题关联的候选术语及其关联概率，确定关键术语，本发明基于特定领域术语词典对文本划分，并采用概率主题模型进行关键术语提取，有效抽取特定领域的关键术语，提高关键术语抽取的准确性。
-
公开(公告)号：CN112312305B
公开(公告)日：2023-03-17
申请号：CN202011182294.6
申请日：2020-10-29
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种自适应定位方法以及装置，该方法包括：根据预先划分的地图网格、预先采集的多个打点位置及在打点位置上接收到的基站信息，构建初始网格基站概率矩阵和构建网格邻接矩阵；根据初始网格基站概率矩阵、网格邻接矩阵以及所述打点位置，采用流行学习算法进行低维映射，构建扩展网格基站概率矩阵；根据通信设备在当前位置接收到的基站信息及扩展网格基站概率矩阵，从地图网格中选取多个候选网格；根据各个候选网格的基站概率向量，确定一待定位地图网格对应的基站组合对通信设备进行定位；该方法充分考虑了网络接收到基站信号概率的分布，有效剔除噪音干扰数据，同时实现了基站定位数据的扩展，适用于不断变化的动态环境的位置定位。
-
公开(公告)号：CN113162923B
公开(公告)日：2022-12-02
申请号：CN202110386728.2
申请日：2021-04-12
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04L9/40 , H04L43/08 , H04L43/0823 , H04L43/0829 , H04L43/0888 , H04L43/0852
Abstract: 本发明公开了一种基于用户行为的用户可信度评估方法、装置及存储介质，所述方法包括：获取用户与云计算服务交互过程中的信任属性信息，并计算所述用户在交互过程中的初始信任度；其中，信任属性信息包括安全信任属性信息、可靠信任属性信息和性能信任属性信息；跟踪用户的当前行为路径，并对当前行为路径与用户的频繁行为路径进行相似度计算，得到可信度系数；对初始信任度与可信度系数进行相乘运算，得到单次用户与云计算服务交互过程中的信任度；将所述单次用户与云计算服务交互过程中的信任度与时间衰减因子相结合进行计算，得到用户的综合可信度。本发明能够实现基于用户交互行为的用户身份可信度评估，同时还能提高用户可信度评估的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113115327B
公开(公告)日：2022-12-02
申请号：CN202110239192.1
申请日：2021-03-04
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种网络性能动态优化的方法、装置、设备及存储介质，通过获取待优化区域的即时网络性能信息和预设的服务质量标准信息；根据即时网络性能信息和所述服务质量标准信息判断所述待优化区域的即时网络状态；根据所述即时网络状态调整并更新优先节点数量；通过判断出的不同即时网络状态对优先节点的数量调整，更新网络节点的数量网络性能进行优化，避免出现网络性能不满足用户需求的服务质量标准的风险或网络性能富余造成能耗和网络资源的浪费，实现网络性能、网络资源利用率以及网络能耗的均衡。
-
公开(公告)号：CN113114489B
公开(公告)日：2022-06-17
申请号：CN202110337357.9
申请日：2021-03-29
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明涉及网络安全技术领域，公开了一种网络安全态势评估方法、装置、设备及存储介质，所述方法包括：获取网络安全态势指标；通过滑动窗口对所述网络安全态势指标进行滑动处理，获得输入数据；根据所述输入数据获得网络安全态势感知特征向量；根据所述网络安全态势感知特征向量获得网络安全态势评估结果。本发明实施例提供的一种网络安全态势评估方法，能够提高网络安全态势评估的准确性。
-
公开(公告)号：CN114448599A
公开(公告)日：2022-05-06
申请号：CN202210151457.7
申请日：2022-02-18
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 暨南大学
IPC: H04L9/00
Abstract: 本发明公开一种入侵检测方法及系统，其由边缘节点对边缘侧自身的设备特征数据进行边缘入侵检测模型的构造，由云节点基于所有边缘节点的边缘入侵检测模型的模型输入和模型输出训练云节点的全局模型参数，其中，所述全局模型为基于贝叶斯深度学习的模型；同时云节点基于全局模型预测的误差精度自适应调整全局模型输入的采样数据量，本发明不仅能减少云节点通信传输的压力，还提升了云节点响应服务的能力。同时，本发明每隔一检测周期进行入侵检测模型的更新，全局模型的参数更新会随着边缘节点的数据分布的变动而变动，从而能提高入侵检测的准确率。
-
公开(公告)号：CN114398160A
公开(公告)日：2022-04-26
申请号：CN202111550535.2
申请日：2021-12-17
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种基于自适应任务调度的全局感知模型构建方法及装置，该方法包括如下步骤：步骤S1，固定采样时间间隔，随机选择K个服务器；步骤S2，令K个服务器节点构建局部模型，利用边缘节点的分布式感知技术，并结合感知模型的任务分配方法，实现感知模型并行训练最小化和训练质量不断迭代校正的自适应任务分配，从而通过自适应任务分配选择合适的节点以实现局部模型的选取；步骤S3，定义一个智能体系统，基于局部模型的训练，采用最大估计效用的策略来选取执行参数传输，通过本地智能体与中心智能体参数的交互实现全局模型的构建。
-
公开(公告)号：CN113890795A
公开(公告)日：2022-01-04
申请号：CN202111057350.8
申请日：2021-09-09
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明公开了一种大规模MIMO信道估计模型的构建方法、装置及介质，首先，接收n组在线信号数据；其次，通过深度学习提取预先获取的离线信号数据的高层语义特征和n组所述在线信号数据的高层语义特征，得到离线高层语义特征和n组在线高层语义特征；然后，将所述离线高层语义特征和n组所述在线高层语义特征分别输入至预先构建的n+1个神经网络中进行训练，得到初始信道估计模型和n个在线信道估计模型；最后，基于所述离线信号数据的误码率和n个所述在线信号数据的误码率，对所述初始信道估计模型和n个所述在线信道估计模型进行集成学习，得到最优信道估计模型。本发明能够减小系统开销，降低计算复杂度，实现自适应更新模型。
-
-
-
-
-
-
-
-
-
Search Results
212
records
(took 0.067 seconds)
