-
公开(公告)号：CN118780360A
公开(公告)日：2024-10-15
申请号：CN202410850246.1
申请日：2024-06-28
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G06N5/025 , G06N5/04 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/044 , G06N3/0442 , G06N3/08
Abstract: 本发明属于知识图谱推理技术领域，公开了一种基于长短期依赖的时序知识图谱推理方法，将若干个历史子图序列合并为一个长期稠密图，并使用关系图神经网络进行建模，实体长期嵌入表示；针对当前时刻之前的若干子图序列，使用长期嵌入表示进行初始化，然后针对每一个子图序列，使用基于注意力机制的关系图神经网络和双重循环网络来对事件近期的演化进行建模，生成包含长期演化依赖和短期演化偏好的实体嵌入表示和关系嵌入表示；依据当前时刻的实体嵌入表示、关系嵌入表示和已知实体，通过解码器获取未来事件的最终预测结果。本发明通过联合建模长期和短期的事件演化动态性，以一种自适应的方法巧妙地融合长短期预测，从而提高了对未来事件预测精度。
-
公开(公告)号：CN118690069A
公开(公告)日：2024-09-24
申请号：CN202410902540.2
申请日：2024-07-07
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G06F16/907 , G06F18/22 , G06N3/0455 , G06N3/0499 , G06F16/901 , G06N5/022
Abstract: 本发明属于大数据处理技术领域，公开了一种基于超图检索增强的多模态社交媒体流行度预测方法，首先构建包含图像内容、文本内容和UGC属性信息的UGC记忆库；再从记忆库中检索出与目标UGC相关的若干实例，生成实例集；将生成的实例集转换成以目标UGC为中心的超图，并进行视觉模态和文本模态两种模态的模态内传播与模态间传播，得到更新后的视觉模态和文本模态表示；将目标UGC分别与更新后的视觉模态和文本模态表示进行级联，并经交叉注意力机制处理得到丰富化后的UGC表示，基于此得到流行度预测值。本发明基于属性感知的检索增强实例，并通过模态内传播与模态间传播有效地学习多模态表示，以丰富目标UGC的表示，增强社交媒体流行度预测任务。
-
公开(公告)号：CN117975980A
公开(公告)日：2024-05-03
申请号：CN202410068768.6
申请日：2024-01-17
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G10L21/007 , G10L21/0224 , G10L21/0264 , G10L21/043 , G10L25/30
Abstract: 本发明属于机器学习中的神经网络技术领域，公开了一种基于去噪扩散概率模型的语音增强加速方法，依据浅层扩散策略，选择加入高斯噪声的时间步骤，进而向待增强语音加入高斯噪声，并利用第一噪声预测器对加入高斯噪声的待增强语音进行初步去噪，得到初步去噪语音；依据给定的时间步骤，向初步去噪语音加入高斯噪声，并利用第二噪声预测器对加入高斯噪声的初步去噪语音进行进一步去噪，得到增强后的语音。本发明提升了传统的基于去噪扩散概率模型的语音增强效率及质量。
-
公开(公告)号：CN116308854A
公开(公告)日：2023-06-23
申请号：CN202211577433.4
申请日：2022-12-09
Applicant: 电子科技大学 , 中国电子科技集团公司第五十四研究所 , 喀什地区电子信息产业技术研究院
IPC: G06Q50/00 , G06F17/13 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/08
Abstract: 本发明属于信息传播技术领域，公开了一种基于概率扩散的信息级联流行度预测方法及系统，基于神经常微分方程和扩散概率模型，来建模级联事件时间不规则性以及信息传播的不确定性，进行级联的流行度预测。首先，将信息级联数据构建为级联社交图，级联图以及级联序列，用于下游结构和序列模型的特征学习；然后，基于常微分方程和时间感知的门控机制得到级联隐式特征；在此基础上，从时空隐变量角度，结合条件扩散概率模型和隐式常微分方程，得到级联不确定的隐式特征；最后，利用级联隐式特征和级联不确定的隐式特征进行流行度预测。本发明可用于信息级联的连续时间状态建模和传播不确定性建模，能够更好地进行信息级联流行度预测。
-
公开(公告)号：CN118861852A
公开(公告)日：2024-10-29
申请号：CN202410877008.X
申请日：2024-07-02
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G06F18/2415 , G06F16/36 , G06F16/35 , G06N3/0455 , G06N3/0499 , G06N3/042 , G06N3/08 , G06F123/02
Abstract: 本发明属于事件预测技术领域，公开了一种基于时序知识图谱的两阶段事件预测方法，基于事件感知的预排序阶段：依据时态知识图谱生成查询嵌入向量，对查询嵌入向量分别进行事件决策预测和分类预测，并依据事件决策预测预测结果和分类预测结果得到候选实体的概率分布；基于结构感知的事件重排序阶段：基于目标注意力图协作学习，利用并发事件的信息为每个候选实体生成相应的事件级图表；再通过生成的事件级图表进行预测，得到最终的预测结果。本发明的阶段性学习过程允许高效地优先考虑可能发生的事件，同时根据新出现的陌生事件调整预测，从过去提取认知洞见，同时保持对不断变化的事件的敏捷性，整合了历史知识和新进化的动态，能够实现对事件的准确预测。
-
Patent Agency Ranking
公开(公告)号：CN119692524A
公开(公告)日：2025-03-25
申请号：CN202411628881.1
申请日：2024-11-14
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G06Q10/04 , G06Q50/00 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/049 , G06N3/0499 , G06N3/08
Abstract: 本发明属于信息传播技术领域，公开了一种基于时间感知超图学习的多模态社交媒体流行度预测方法，首先，采用以时间为核心的方法来检索与目标UGC相关的前K个实例；随后，通过利用UGC属性，将所有相关实例连接在一起，形成目标UGC的超图；其次，研发了一个时间感知的引导式超图Transformer，旨在捕获内部和跨模态之间的相关性，并且使用时间编码器将时间信息嵌入到信息融合过程中；最后，运用一个包含两层前馈神经网络的模型来进行目标UGC流行度的预测。本发明探索了对目标用户生成内容(UGC)的时间关系进行建模，并通过多模态超图聚合来增强目标的表示，旨在通过聚合时间感知信息，引领自适应超图构建，以协助多模态的流行度预测。
-
公开(公告)号：CN119544666A
公开(公告)日：2025-02-28
申请号：CN202411628904.9
申请日：2024-11-14
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: H04L61/5007 , H04L45/00 , H04L45/17
Abstract: 本发明属于机器学习中的神经网络领域，公开了一种基于信息瓶颈的可解释街道级IP地址定位方法，主要利用图神经网络和信息瓶颈理论对目标IP进行地理定位的同时判别出影响定位结果的重要路标节点：首先，应用以目标IP为中心的构图方式筛选出与目标IP匹配的地标IP；其次，通过计算目标IP和地标IP的属性相似度得到了节点间的注意力权重矩阵；再次，在注意力权重矩阵中应用信息瓶颈理论，逐渐得到了影响目标IP地理定位的重要路标节点；最后，使用多层感知机进行线性仿射变化，从隐空间中解码得到了目标IP的经纬度坐标。本发明缓解了IP定位中农村、偏远地区网络节点稀疏的问题，提供了预测模型的可解释性。
-
公开(公告)号：CN115936120A
公开(公告)日：2023-04-07
申请号：CN202211568056.8
申请日：2022-12-08
Applicant: 电子科技大学 , 中国电子科技集团公司第五十四研究所 , 喀什地区电子信息产业技术研究院
IPC: G06N5/025 , G06N5/02 , G06N3/042 , G06N3/0442 , G06N3/0464
Abstract: 本发明属于信息传播领域，提供了一种基于元知识学习的信息扩散预测系统及方法，该信息扩散预测系统包括级联属性构建模块，用于构建用户社交结构特征、用户喜好特征和扩散时间特征组成的级联属性；自适应用户社交关系学习模块，用于学习用户社会关系，获取用户嵌入；自适应时间扩散学习模块，用于学习级联属性和动态级联上下文中的时间关联，获取隐藏状态；信息扩散用户预测模块，用于依据自适应时间扩散学习模块获取的隐藏状态映射到候选用户空间得到下一个激活用户。本发明信息扩散预测系统及方法，学习信息传播过程中激活用户的级联序列，实现对信息传播过程的动态的用户社交关系和复杂的时间影响的有效建模，提高信息扩散预测任务的准确率。
-
公开(公告)号：CN119172573A
公开(公告)日：2024-12-20
申请号：CN202411186198.7
申请日：2024-08-28
Applicant: 电子科技大学
IPC: H04N21/25 , H04N21/232 , H04N21/234 , H04N21/235 , H04N21/466 , H04N21/432 , H04N21/435 , H04N21/44 , G06N3/0455 , G06N5/04 , G06F16/783 , G06F18/25 , G06V20/40 , G06F40/30
Abstract: 本发明属于信息传播技术领域，公开了一种基于多模态检索增强的短视频流行度预测方法，对待预测视频提取关键帧，并获取每个关键帧的图像描述；将待预测视频的原始文本信息与其关键帧的图像描述级联，形成待预测视频的文本提示；将待预测视频的文本提示输入到大语言模型，得到该待预测视频的检索向量；从检索池中检索若干条相关视频；使用预训练好的大模型对待预测视频和检索得到的相关视频进行特征提取，分别提取文本和视觉特征；对待预测视频和相关视频做跨模态特征交互，得相应的模态，并经交互得到检索增强向量；再依据待预测视频的模态、相关视频的模态以及检索增强向量，预测短视频的流行度。本发明通过引入检索增强，大大提高了预测准确度。
-
公开(公告)号：CN116578858A
公开(公告)日：2023-08-11
申请号：CN202310108821.6
申请日：2023-02-14
Applicant: 国能大渡河猴子岩发电有限公司 , 电子科技大学
IPC: G06F18/213 , G06F18/24 , G06N3/042 , F04B51/00
Abstract: 本发明公开了一种基于图神经网络的空压机故障预测与健康度评价方法及系统，对多变量时间序列进行不同感受野的卷积处理得到多尺度嵌入特征；基于多头注意力机制建立动态时序图；再利用图卷积对动态时序图进行离散化得到具有瞬间间隔的聚合表示，并利用常微分方程对其进行求解得到多尺度信息表征；依据得到的多尺度信息表征，对多变量时间序列进行预测；依据预测序列，按照健康度模型计算空压机的健康指数，进而对空压机进行故障预测和健康度评估。本发明通过建立动态时序图来考虑整个演变过程中变量之间的依赖关系，捕捉时间序列中各变量之间的长程动态关系，预测出未来时刻的检测变量值，检测空压机系统的故障，并对空压机做出健康度评估。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.05 seconds)
