-
公开(公告)号：CN117010991A
公开(公告)日：2023-11-07
申请号：CN202310948429.2
申请日：2023-07-31
申请人： 江南大学
IPC分类号： G06Q30/0601 , G06N3/126
摘要： 本发明公开了一种基于GPU并行改进遗传算法的高利润商品组合挖掘方法，属于数据挖掘与处理技术领域。所述方法通过将遗传算法的多个步骤选择、交叉、变异在GPU中运行。改进的初始化策略和改进的排序PEV策略同样在GPU中执行，这两个策略可以提高迭代性能。同时丰富种群的精英策略也使得较高效用的项集得到保留，以大幅提升收敛性能。而且本申请所采用的带有种群多样性改进的精英策略可以在线性时间内将优秀个体传递给下一次迭代的种群中。最后通过多组实验，从挖掘质量、运行速度、并行加速比等多个方面验证了所提出方法的优势。本申请方法针对现实数据集可以在短时间内得到有用的高效用组合以辅助销售决策。
-
公开(公告)号：CN110413729B
公开(公告)日：2023-04-07
申请号：CN201910554079.5
申请日：2019-06-25
申请人： 江南大学
IPC分类号： G06F16/33 , G06F16/332
摘要： 基于尾句‑上下文双重注意力模型的多轮对话生成方法，属于人机对话领域。一个合适的回复应该是符合最后一个句子的语义且能够利用到整个上下文的信息。当前多轮对话生成主要基于层次的编码器‑解码器结构。本发明提出了一个尾句‑上下文双重注意力模型。每句话都通过编码器获取句子的语义表示。对最后一句话中每个词做注意力，同时对每句话的语义表示做注意力。二者拼接作为解码阶段的上下文向量。此外，本发明还引入了多头自注意力机制使得在获取每句话的语义表示时能更关注于关键的词。实验证明本发明方法的模型在自动评价和人工评价两个方面都超出了基准模型。
-
公开(公告)号：CN115099374A
公开(公告)日：2022-09-23
申请号：CN202211031426.4
申请日：2022-08-26
申请人： 江南大学
摘要： 本发明公开了一种基于5G多元混合结构网络铣削切削力预测系统及方法，属于钛合金铣削加工领域。所述方法考虑了铣削特征间的关系和相互影响，设计了一种多元混合结构网络以及新的特征数学模型对特征进行计算，使得在进行切削力预测时充分发掘不同特征及特征间关系在切削力预测中的作用，从而得到更加精准的预测结果；进一步的，本申请将特征计算放在本地，而利用云端的强大计算资源实现切削力预测，达到合理分配计算资源的效果；进一步的，本申请将特征和特征变换后的结果保存在本地，并且经云端计算后的结果返回给边缘网关设备，经过边缘网关设备保存在本地的存储上，便于后续本地化快速的规则匹配和数据存储。
-
公开(公告)号：CN114819698A
公开(公告)日：2022-07-29
申请号：CN202210517449.X
申请日：2022-05-13
申请人： 健鼎(无锡)电子有限公司 , 江南大学
摘要： 本发明涉及自动化技术领域,公开了钻孔机的智能派工系统，包括数据库单元、执行数据库单元、主机派工单元和显示单元，数据库单元用于存储生产信息，执行数据库单元从数据库单元读取生产信息，并在生产信息发生变化时更新数据库单元中存储的生产信息，主机派工单元分别与执行数据库单元和复数个钻孔机通讯连接，分别用来获取执行数据库单元中的生产信息以及根据执行数据库单元中的生产信息安排复数个钻孔机的工作程序，显示单元用以显示复数个钻孔机的工作程序，在实际使用时通过本发明安排PCB钻孔机的工作程序，确保每个钻孔机都在钻孔，提高了工作效率。
-
公开(公告)号：CN114610885A
公开(公告)日：2022-06-10
申请号：CN202210233023.1
申请日：2022-03-09
申请人： 江南大学
摘要： 本发明公开了一种文本分类后门攻击方法、系统、设备及计算机存储介质，包括利用干净训练集对预训练模型进行训练，得到干净模型，利用定位标签生成器生成伪标签数据集，利用所述伪标签数据集对Sequence‑to‑Sequence模型进行多任务训练，得到定位器模型，利用所述定位器模型生成后门数据集，利用所述后门数据集对所述干净模型训练，得到脏模型。本发明实现了利用预训练干净模型在无需人工标注的情况下生成为伪标签数据集；采用基于Sequence‑to‑Sequence与多任务学习架构的定位器模型，实现了无需人工干预即可动态预测文本序列中后门攻击位置，且动态选取攻击位置取得的性能指标更优异。
-
公开(公告)号：CN114330867A
公开(公告)日：2022-04-12
申请号：CN202111609467.2
申请日：2021-12-24
申请人： 江南大学
摘要： 本发明公开了一种基于覆盖旅行商问题求解的路径规划方法，属于人工智能的强化学习、深度学习和组合优化领域。所述方法通过利用深度神经网络自动挖掘实例特征的特点提出了新的模型来求解CSP问题，解决了传统方法需要过多的领域知识进行求解的缺点，并极大地提高了求解速度。针对现有深度神经网络求解质量低的问题，采用了数据增强的方式扩充样本数量，利用多起点技术多次求解减少了预测误差，并提出了针对CSP问题的Mask策略对解的构造进行约束。结合简单局部搜索算法进行改进，进一步地提高了求解质量。与现有的DNN求解方法相比显著缩小了最优间隙，与启发式算法相比取得了超过20倍的速度提升，更适合在实时性要求高的场景中使用。
-
公开(公告)号：CN112765355A
公开(公告)日：2021-05-07
申请号：CN202110106877.9
申请日：2021-01-27
申请人： 江南大学
IPC分类号： G06F16/35 , G06F40/253 , G06F40/30 , G06F30/25 , G06F30/27 , G06K9/62 , G06N3/00 , G06N10/00
摘要： 基于改进的量子行为粒子群优化算法的文本对抗攻击方法，属于自然语言处理文本对抗攻击领域。本发明对抗攻击能够极大地弱化深度神经网络在自然语言处理任务中的判别能力，研究对抗攻击方法是提升深度神经网络的鲁棒性的重要方法。现有的词级别文本对抗方法在搜索对抗样本时不够有效，搜索到的往往不是最理想的样本。针对这一缺陷，提出了基于改进的量子行为粒子群优化算法的文本对抗方法。通过对量子行为粒子群优化算法进行离散化的适应性改动，结果表明，本方法在多个数据集上取得了更高的攻击成功率，同时保持了更低的改动率，人工评测则表明所提出方法生成的对抗样本相比于其他对抗样本能够更多地保留语法和语义的正确性。
-
公开(公告)号：CN110580712A
公开(公告)日：2019-12-17
申请号：CN201910797988.1
申请日：2019-08-27
申请人： 江南大学
摘要： 本发明提供一种使用运动信息与时序信息的改进CFNet视频目标追踪方法，属于目标追踪、深度学习领域。为了使模型有更强的鲁棒性，首先，要能够更好的提取视频帧中的图像特征，在CFNet模型的基础上，引入了SE-ResNext-50作为本模型的特征提取网络，其次，通过前后帧的信息，计算物体的位移、速度、加速度特征，作为跟踪目标的运动信息特征输入模型中。同时，模型还使用二维ConvLSTM循环神经网络，提取视频帧内的时序信息，两种信息的加入使得模型具有了较强的鲁棒性，在遇到遮挡，形变，目标快速运动等问题时较之前模型有较好的表现。
-
公开(公告)号：CN104159236A
公开(公告)日：2014-11-19
申请号：CN201410282586.5
申请日：2014-06-23
申请人： 江南大学
摘要： 本发明将Voronoi图运用到无线传感器网络节点最优覆盖的问题上，提出了一种基于Voronoi图盲区型心算法的覆盖机制，并用于对无线传感器网络的节点覆盖问题进行优化求解。将无线传感器网络节点覆盖问题定义为圆盘覆盖问题，并将无线传感器理想化以传感器节点位置为圆心，感知半径为半径的标准圆。通过Voronoi图将监测区域划分成多个Voronoi单元，采用逐个去除Voronoi单元内的节点的方法，计算Voronoi单元内新产生盲区的几何中心。通过比较区域的“覆盖率”，“节点分布均匀性”，“覆盖效率”(为避免实验的偶然性，重复操作30次并取其平均值)对求解结果进行评估。通过仿真实验，验证了发明的算法的有效性和高效性。
-
公开(公告)号：CN117172394B
公开(公告)日：2024-05-03
申请号：CN202310967878.1
申请日：2023-08-03
申请人： 江南大学
IPC分类号： G06Q10/047 , G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/084
摘要： 本发明公开了一种基于覆盖旅行商问题求解的急救队路径规划方法，属于人工智能的强化学习和组合优化领域。本发明通过设计覆盖注意力模块对顶点间覆盖关系建模，并动态地将顶点被访问的信息传递至覆盖集中的其他顶点，高效地捕获问题特征和时序特征；为了提高模型对于对称不变性的学习并增强构造解的能力，提出了基于实例增强的改进基线用于REINFORCE算法，无需引入额外的评论家网络，并且具备显存占用少，运算速度快的优势。实验结果表明，本发明在求解质量上相较现有DRL方法均有明显优势，在不同覆盖类型、不同数据分布的实验中也展现了极强的泛化能力，部分实例的求解质量甚至超越了传统启发式算法，并保持着数十倍的求解速度优势。
-
-
-
-
-
-
-
-
-
搜索结果
121 条记录 (耗时 0.107 秒)
