-
公开(公告)号：CN103684597A
公开(公告)日：2014-03-26
申请号：CN201310582529.4
申请日：2013-11-19
Applicant: 北京邮电大学
IPC: H04B10/116
Abstract: 本发明提供一种基于FPGA的可见光视频通信系统及方法，将待传输的视频转化为视频流信号，并经以太网口将所述视频流信号传输给FPGA信号编码控制模块；FPGA信号编码控制模块将视频流信号进行FIFO缓存之后对接收的视频流信号进行编码；将编码后的信号进行无失真放大，使得放大后的信号与LED光源特性相匹配；为LED光源提供直流偏置电压，并与放大后的信号进行耦合处理产生混合信号；耦合处理后的混合信号被传输至LED光源，驱动LED光源发光产生光脉冲信号；将光脉冲信号转换为电压信号，提取电压信号中的时钟信号和数据信号；根据时钟信号对数据信号进行解码和FIFO缓存，并经以太网口传输给视频播放模块进行视频播放。本发明能够实现短距离、高速率的可见光视频通信。
-
公开(公告)号：CN119129692A
公开(公告)日：2024-12-13
申请号：CN202410967977.4
申请日：2024-07-18
Applicant: 北京邮电大学
IPC: G06N3/092 , G06N3/098 , G06N3/0985
Abstract: 本申请提供基于强化学习的自适应约束联邦学习方法、装置及系统，方法包括：基于本地的强化学习代理单元，根据前一轮次的全局模型权重和本地模型权重确定作为当前轮次的动作的超参数；在训练过程中基于超参数对本地模型进行自适应约束，将本轮的本地模型权重发送至联邦学习系统中的服务器进行聚合，基于强化学习代理单元，根据前一轮次和当前轮次各自对应的全局模型权重和本地模型权重确定当前轮次的奖励；构成当前轮次的元组样本并存储。本申请能够减轻数据异质性的影响，能够提高模型训练的可靠性、有效性以及训练得到的模型性能；通过本地的强化学习代理进行独立决策，无需在服务器和客户端之间进行额外的数据通信。
-
公开(公告)号：CN117272017A
公开(公告)日：2023-12-22
申请号：CN202311071070.1
申请日：2023-08-23
Applicant: 北京邮电大学
IPC: G06F18/213 , G06F18/241 , G06F18/25 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/098 , G06N3/042
Abstract: 本发明提供一种异质图数据节点嵌入特征提取模型训练方法、嵌入特征提取方法、节点分类方法及装置，基于联邦学习的形式，在各客户端本地构建生成器和鉴别器利用对抗学习训练本地模型，并在中央服务器进行模型参数的聚合，有效保证数据隐私。同时，各客户端在本地训练的过程中，通过跨客户端通信，获取目标节点关联的跨客户端邻居节点的原始特征，并基于top‑k随机游走平的采样各类邻居参与到嵌入学习中，降低客户端数据差异对训练影响，提升联邦异质图神经网络的学习质量，提高了下游子任务的执行效率。
-
公开(公告)号：CN115344668A
公开(公告)日：2022-11-15
申请号：CN202210846693.0
申请日：2022-07-05
Applicant: 北京邮电大学
Abstract: 本发明提供一种多领域与多学科科技政策资源检索方法及装置，通过传统的预设相关性计算模型计算用户查询和各科技政策资源文本段的相似度并初步召回和粗排候选文档，再进一步引用深度语言模型BERT对初步召回的候选文档进行修正和重排以最终输出查询结果。基于无标注的文本对BERT模型进行预训练，并采用特定领域有标注的文本进行微调，提高了文本匹配任务完成过程中的语义捕获能力。通过分割候选文本为多个文本段，分别计算各文本段与用户查询之间的相似度后进行聚合得到第二相关性分数，以解决BERT模型输入限制的问题。本发明通过两阶段的查询检索，综合词汇、词义和结构层面的特征，提升了文本匹配的精度。
-
公开(公告)号：CN114817576A
公开(公告)日：2022-07-29
申请号：CN202210738354.0
申请日：2022-06-28
Applicant: 北京邮电大学
Abstract: 本发明提供一种模型训练及专利知识图谱补全方法、装置及存储介质，该方法包括：获取包含目标补全类型实体的训练专利文本集合；识别并抽取每个训练专利文本中的所有实体，筛选出词频超过阈值的识别并抽取到的实体构成候选实体集合；将所述训练专利文本集合作为实体训练数据集，将所述候选实体集合中的每个实体作为一个分类标签；若专利文本与实体为一一对应关系，则使用Sigmoid函数来归一化分类标签，使用二元交叉熵作为损失函数，进行多分类任务训练以获得专利知识图谱补全模型；若非一一对应关系，则使用Softmax函数来归一化分类标签，交叉熵作为损失函数，进行多标签分类任务训练以获得专利知识图谱补全模型。本发明能够准确、高效的专利知识图谱补全。
-
Patent Agency Ranking
公开(公告)号：CN113254602B
公开(公告)日：2022-03-08
申请号：CN202110763594.1
申请日：2021-07-06
Applicant: 北京邮电大学
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06F40/211 , G06F40/216 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/18
Abstract: 本发明提供一种面向科技政策领域的知识图谱构建方法及系统，所述方法包括：获取待处理科技政策内容文本，并根据BERT模型生成所述待处理科技政策内容文本的字向量；根据双向长短时记忆网络BLSTM模型对所述字向量进行特征提取，得到所述待处理科技政策内容文本的时序特征向量；根据条件随机场CRF模型对所述时序特征向量进行实体识别，得到实体识别结果；通过双向门控循环单元层生成所述实体识别结果对应的特征向量；基于双重注意力机制对所述实体识别结果对应的特征向量进行重要特征提取，并将提取到的重要特征输送至分类层对实体关系进行分类，获取实体关系分类结果；根据实体识别结果及实体关系分类结果构建所述待处理科技政策内容文本的知识图谱。
-
公开(公告)号：CN113254656B
公开(公告)日：2021-10-22
申请号：CN202110763595.6
申请日：2021-07-06
Applicant: 北京邮电大学
Abstract: 本发明提供了一种专利文本分类方法、电子设备及计算机存储介质，其中，该方法包括：获取专利文本的字向量表示；利用卷积神经网络提取字向量表示中的短语特征；利用长短时记忆网络提取字向量表示中的上下文特征；利用注意力层为长短时记忆网络输出的隐层特征向量添加不同权重，以突出区分度较大部分并降低文本结构和重复度较高结构权重，得到第一注意力层的输出；利用全连接层将第一注意力层的输出压缩为与短语特征的维度匹配的特征向量；将专利文本的短语特征和上下文特征连接得到输入向量，利用第二注意力层为输入向量添加注意力权重，以减少融合过程信息损失，得到融合特征向量，用于对专利文本分类。通过上述方案能够提高专利文本分类准确性。
-
公开(公告)号：CN102306465A
公开(公告)日：2012-01-04
申请号：CN201110192797.6
申请日：2011-07-11
Applicant: 北京邮电大学
IPC: G09B23/10
Abstract: 一种利用小磁钢建立的耦合单摆实验装置及测量方法，该装置基于现有仪器改造而成，设有：三角形支架，旋转轴及轴承，等间隔排列在旋转轴上的多个轴套，每个轴套下悬挂一个单摆。旋转轴的一端固联一个步进电机，该步进电机的转速和旋转角度可调，并能带动旋转轴在设定角度内转动，从而使各单摆作受迫振动；每个轴套上都吸附一个或多个小磁钢，且相邻轴套上的小磁钢相互吸引，导致各单摆各自运动时互相影响，实现耦合。改变小磁钢数量，可以改变耦合强度。数字摄像装置可同时连续拍摄和处理多个单摆的运动图像，并通过PC机实时显示、计算和记录耦合单摆的运动轨迹、振幅等信息。该装置结构简单，操作便利，价格便宜，易于推广。
-
公开(公告)号：CN118555216A
公开(公告)日：2024-08-27
申请号：CN202411008898.7
申请日：2024-07-26
Applicant: 北京邮电大学
IPC: H04L41/147 , H04L41/16
Abstract: 本发明提供一种基于多粒度采样的算力网络多维资源联合预测方法及系统，涉及算力网络技术领域，该方法包括以下步骤：对于算力网络中的每个算力节点，基于各项资源在多个历史时间点历史状态数据，构建每项资源的历史状态信息序列；对每项资源的历史状态信息序列采用多个采样间隔进行采样，对于每项资源构建多个采样序列；对于同种资源的采样序列进行注意力聚合，得到每个采样序列的第一聚合向量；对于相同采样间隔进行采样的不同种资源的采样序列对应的第一聚合向量进行注意力聚合，得到对应每个第一聚合向量的第二聚合向量；将同种资源的采样序列对应的第二聚合向量输入到预设的预测模型中，得到该种资源预测的资源状态。
-
公开(公告)号：CN116451593B
公开(公告)日：2023-11-14
申请号：CN202310700718.0
申请日：2023-06-14
Applicant: 北京邮电大学
IPC: G06F30/27 , G06N3/092 , G06N3/098 , G06F17/15 , G06F18/214
Abstract: 本申请提供一种基于数据质量评估的强化联邦学习动态采样方法及设备，能够根据初始梯度信息构建初始全局模型，并根据初始全局模型的模型性能确定每个客户端的贡献指数，将贡献指数应用到联邦学习的客户端采样中，可以基于贡献指数评估每个客户端的数据质量。然后根据贡献指数和预设的目标精度确定每个客户端的最优动作价值函数值，因为最优动作价值函数综合考虑了模型性能和模型精度，所以根据最优动作价值函数值对预设数量个客户端进行采样，能够有效地在大量参与联邦学习的客户端中智能化地筛选出高数据质量的客户端，利用具有高数据质量的客户端进行强化联邦学习，可以提高联邦学习得到的全局模型的质量和精度。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.029 seconds)
