-
公开(公告)号：CN112926802B
公开(公告)日：2023-05-23
申请号：CN202110354068.X
申请日：2021-04-01
Applicant: 重庆邮电大学 , 南方电网科学研究院有限责任公司
IPC: G06Q10/04 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明属于时序数据处理领域，具体涉及一种时序数据对抗样本生成方法、系统、电子设备及存储介质；所述方法包括使用原始时序数据训练时序预测模型；采用随机梯度下降优化策略计算所述时序预测模型中损失函数的最大值；根据所述损失函数的最大值确定出对应的噪声；对所述原始时序数据叠加所述噪声生成全局扰动的时序数据对抗样本；本发明能在少量数据扰动的情况下明显降低模型准确性，对于工业系统的安全应用具有重要意义，并且具有广泛的适用性和迁移性。
-
公开(公告)号：CN110069944A
公开(公告)日：2019-07-30
申请号：CN201910264985.1
申请日：2019-04-03
Applicant: 南方电网科学研究院有限责任公司 , 重庆邮电大学
Abstract: 本发明公开一种可搜索加密的数据检索方法及系统，属于网络信息安全领域，所述方法包括：数据所有者生成与原始数据相关联的数据索引；对原始数据和数据索引进行加密，发送给云服务器，生成解密密钥，将解密密钥发送给被授权的数据检索者；数据检索者输入关键字，生成加密关键字索引，发送给云服务器；云服务器将加密关键字索引和加密后的数据索引进行匹配，得到加密的目标数据，再返回给数据检索者；数据检索者进行解密，得到目标数据，本发明构建数据索引的方法安全高效，便于在服务器做检索匹配，使检索者能快速找到检索目标结果。
-
公开(公告)号：CN113360725B
公开(公告)日：2023-10-03
申请号：CN202110625003.4
申请日：2021-06-04
Applicant: 重庆邮电大学 , 南方电网科学研究院有限责任公司
IPC: G06F16/903 , G06F16/906 , G06Q50/06 , G06F18/24 , G06F18/23213 , G06F18/22 , G06F18/10 , G06N3/0464 , G06N3/084
Abstract: 本发明属于时序数据检索技术领域，特别涉及一种基于边缘协同分类的电力时序数据检索方法，包括对电力数据集进行K‑shape聚类，并根据肘部法则得到最佳聚类数；根据聚类的分类结果，利用残差神经网络模型创建分类模型；采用联邦学习对不同边缘设备上的模型参数进行聚合；当用户输入时序数据进行检索时，利用残差神经网络模型对该时序数据进行分类；对每个类别的数据进行DTW计算，将最近似的N条时序数据作为检索结果推荐给用户；本发明解决智能算法的资源需求与边缘设备受限于资源之间的矛盾、服务质量与隐私保护之间的矛盾、智能任务需求多样与边缘设备能力单一之间的矛盾问题，实现对不同边缘设备的协同分类与检索。
-
公开(公告)号：CN113360725A
公开(公告)日：2021-09-07
申请号：CN202110625003.4
申请日：2021-06-04
Applicant: 重庆邮电大学 , 南方电网科学研究院有限责任公司
IPC: G06F16/903 , G06F16/906 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/06
Abstract: 本发明属于时序数据检索技术领域，特别涉及一种基于边缘协同分类的电力时序数据检索方法，包括对电力数据集进行K‑shape聚类，并根据肘部法则得到最佳聚类数；根据聚类的分类结果，利用残差神经网络模型创建分类模型；采用联邦学习对不同边缘设备上的模型参数进行聚合；当用户输入时序数据进行检索时，利用残差神经网络模型对该时序数据进行分类；对每个类别的数据进行DTW计算，将最近似的N条时序数据作为检索结果推荐给用户；本发明解决智能算法的资源需求与边缘设备受限于资源之间的矛盾、服务质量与隐私保护之间的矛盾、智能任务需求多样与边缘设备能力单一之间的矛盾问题，实现对不同边缘设备的协同分类与检索。
-
公开(公告)号：CN112926802A
公开(公告)日：2021-06-08
申请号：CN202110354068.X
申请日：2021-04-01
Applicant: 重庆邮电大学 , 南方电网科学研究院有限责任公司
Abstract: 本发明属于时序数据处理领域，具体涉及一种时序数据对抗样本生成方法、系统、电子设备及存储介质；所述方法包括使用原始时序数据训练时序预测模型；采用随机梯度下降优化策略计算所述时序预测模型中损失函数的最大值；根据所述损失函数的最大值确定出对应的噪声；对所述原始时序数据叠加所述噪声生成全局扰动的时序数据对抗样本；本发明能在少量数据扰动的情况下明显降低模型准确性，对于工业系统的安全应用具有重要意义，并且具有广泛的适用性和迁移性。
-
Patent Agency Ranking
公开(公告)号：CN117351060A
公开(公告)日：2024-01-05
申请号：CN202311295218.X
申请日：2023-10-07
Applicant: 重庆邮电大学
IPC: G06T7/60 , G06T7/62 , G06V20/40 , G06V10/25 , G06V10/26 , G06V10/82 , G06F17/18 , G06N20/00 , G06N3/0464 , G06N3/09 , G06N3/092 , G06N3/084 , G01B11/00
Abstract: 本发明涉及计算机视觉领域、人工智能技术领域以及智慧农业技术领域，具体涉及一种尺寸参照的牲畜视觉估重方法及系统；包括根据目标养殖房尺寸设计饲料器皿尺寸，然后固定放置在目标养殖房内；在目标养殖房的墙体上布置网络摄像头，其拍摄视野完全覆盖饲料器皿；获取网络摄像头拍摄的视频，通过物体检测模型对视频中每一帧图像进行检测筛选出饲料器皿显露图像和牲畜取食图像；采用图像掩码生成模型对饲料器皿显露图像和牲畜取食图像分别进行实例分割，得到饲料器皿成像面积和牲畜成像面积；基于饲料器皿尺寸，根据饲料器皿成像面积和牲畜成像面积的比例计算牲畜大小，采用机器学习回归模型根据牲畜大小预估牲畜体重；本发明能够准确估算牲畜体重。
-
公开(公告)号：CN112257795B
公开(公告)日：2022-10-18
申请号：CN202011172598.4
申请日：2020-10-28
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06N20/00 , H04B10/11
Abstract: 本发明属于光通信技术的自由空间光子领域，具体涉及一种基于朴素贝叶斯的空间光通信系统非线性补偿方法，该方法包括接收端获取发送端发送的信号，将接收的信号输入到训练好的朴素贝叶斯算法模型中，得到接收信号的待分类项与类别映射关系；根据待分类项与类别映射关系对接收信号进行非线性补偿；本发明利用核函数考虑数据序列与数据序列之间的相似度，利用机器学习中的朴素贝叶斯算法，提供一种较低复杂度以及对特定应用场景下自由空间光通信系统整体非线性有明显补偿效果的判决方式，降低自由空间光通信系统的误码率，提高其传输速率。
-
公开(公告)号：CN110827544B
公开(公告)日：2022-09-02
申请号：CN201911092839.1
申请日：2019-11-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及短时交通流控制领域，具体涉及一种基于图卷积循环神经网络的短时交通流控制方法；该方法包括：获取数据源；构建图结构交通流量序列；根据图结构交通流量序列在时间维的多级别性构建时空图卷积循环网络的近期组件模型，时空图卷积循环网络日周期组件模型以及时空图卷积循环网络周周期组件模型；融合3个模型的结果，得到短时交通流量预测模型；根据这个模型得到预测结果；统计预测数据，将统计的结果发送给交通部门，控制该路网各卡口车流量；本发明利用时空图卷积循环神经网络同时建模交通流近期、日周期和周周期依赖性，建立基于多组件数据融合的时空图卷积循环神经网络的短时流量预测模型，从而达到精准的预测结果。
-
公开(公告)号：CN114860953A
公开(公告)日：2022-08-05
申请号：CN202210466414.8
申请日：2022-04-29
Applicant: 重庆邮电大学
IPC: G06F16/36 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明属于知识图谱领域，具体涉及一种基于少样本关系预测模型的可解释方法；该方法包括：对少样本关系预测模型的可解释性进行评估，得到可解释评估结果；根据可解释评估结果改进模型；获取来自用户的问题，将该问题输入改进好的少样本关系预测模型中，得到该问题的可信预测结果；本发明选取多种对比模型进行分析，通过改变少样本关系预测模型和对比模型的数据量和数据内容计算评价指标并分析不同数据量和不同数据内容对模型的影响；通过改变少样本关系预测模型中的卷积神经网络的超参数如激活函数、池化策略、正则化等计算评价指标并分析超参数对模型的影响；本发明提高了模型的关系预测结果的可信度，实用性高。
-
公开(公告)号：CN112270568B
公开(公告)日：2022-07-12
申请号：CN202011205811.7
申请日：2020-11-02
Applicant: 重庆邮电大学
IPC: G06Q30/02 , G06Q30/06 , G06N3/04 , G06F16/9536
Abstract: 本发明属于互联网应用技术领域，涉及电商平台营销数据分析，尤其涉及一种面向隐藏信息的社交电商平台营销活动下单率预测方法；所述方法包括提取出用户对营销活动下单行为的全部内部属性特征以及营销活动对用户下单行为的部分外部属性特征；并计算出用户的内部影响力，按照知识学习方法计算出用户的外部影响力以及用户的隐藏信息网络；采用压缩交互网络获取用户的隐特征，将隐特征填入隐藏信息网络中，利用卷积神经网络计算出用户的隐藏影响力；将三种影响力输入到全连接神经网络中，预测得到所述营销活动下用户参与下单行为的概率；本发明刻画了用户实体和营销活动实体之间的关系，能够获取实体间的隐藏关系，增强了下单率预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
207
records
(took 0.05 seconds)
