-
公开(公告)号：CN118555216B
公开(公告)日：2024-09-20
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：CN117251726A
公开(公告)日：2023-12-19
申请号：CN202311091495.9
申请日：2023-08-28
Applicant: 北京邮电大学
IPC: G06F18/214 , G06F18/241 , G06Q50/26 , G06F16/22 , G06F16/27 , G06F21/62 , G06F16/2455
Abstract: 本申请提供公共卫生事件检测模型训练方法、检测方法、装置及系统，方法包括：向智能合约单元发送包含哈希值的即时异步聚合请求，以使该智能合约单元自分布式存储系统中调取隐私保护梯度数据并与全局分类模型进行聚合；基于本地公共卫生事件训练数据对全局模型梯度数据对应的分类模型进行训练，并将训练得到的分类模型对应的梯度数据进行隐私优化，再将得到的隐私保护梯度数据传输至分布式存储系统。本申请能够有效提高公共卫生事件检测模型的训练效率及可靠性，并能够在降低训练过程的计算复杂度的基础上，有效提高训练过程的数据隐私安全性，进而能够有效提高采用公共卫生事件检测模型进行公共卫生事件检测的结果有效性及可靠性。
-
公开(公告)号：CN116578884B
公开(公告)日：2023-10-31
申请号：CN202310831630.2
申请日：2023-07-07
Applicant: 北京邮电大学
IPC: G06F18/22 , G06F18/25 , G06F16/901 , G06N20/00
Abstract: 本发明提供一种基于异质信息网络表示学习的科研团队识别方法及装置，属于大数据技术领域，包括：获取学术异质信息网络信息，构建异质图网络结构，确定各节点的元路径、元路径邻接向量和邻居节点；将元路径、元路径邻接向量和邻居节点输入至训练好的嵌入表示学习模型中得到各节点与其各邻居节点的结构特征相似度、各邻居节点的第一节点级别注意力权重；基于第一节点级别注意力权重计算节点的第二节点级别注意力权重，基于第二节点级别注意力权重确定科研团队负责人；基于各第一节点级别注意力权重及各节点与其邻居节点的结构特征相似度确定核心成员和非核心成员。该方法可准确的识别学术异质信息网络中的科研团队的负责人、核心成员、非核心成员。
-
公开(公告)号：CN116541769A
公开(公告)日：2023-08-04
申请号：CN202310818466.1
申请日：2023-07-05
Applicant: 北京邮电大学
IPC: G06F18/241 , G06N20/00 , G06F18/214 , H04L41/142 , H04L41/16
Abstract: 本发明提供一种基于联邦学习的节点数据分类方法及系统，所述方法基于包括服务端和与服务器端相连接的多个客户端的分布式架构，所述方法的步骤包括：在每个客户端对该客户端中的计算模型进行本地训练，获取本地训练后每个计算模型的模型参数，并构建为第一参数矩阵；在服务器端基于每个客户端当前训练数据的数量计算每个客户端的数据权重参数，基于每个计算模型的准确率计算每个计算模型的准确率权重参数；在所述服务器端将所述数据权重参数和准确率权重参数合并为计算模型的合并权重参数，基于全部计算模型的合并权重参数和第一参数矩阵计算合并参数矩阵；基于合并参数矩阵更新每个客户端的计算模型；基于更新后的计算模型进行节点数据分类。
-
Patent Agency Ranking
公开(公告)号：CN116451593A
公开(公告)日：2023-07-18
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。
-
公开(公告)号：CN114863194A
公开(公告)日：2022-08-05
申请号：CN202210807253.4
申请日：2022-07-11
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V30/18 , G06V30/19 , G06V10/40 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种科技资讯跨媒体检索特征映射网络训练方法、检索方法及装置，基于对抗学习的方式构建特征映射器和媒体判别器，利用特征映射器将图像数据或文字数据的映射至一个统一的隐嵌入空间提取特征进行比对，在对抗学习过程中，通过构建联合损失使特征映射器关注语义特征在不同科技类别下的区别性、关注不同媒体间数据语义特征上的一致性，同时关注到对语义特征在媒体类别上的差异性，使得最终的特征映射器突破不同媒体之间提取语义特征的局限性，提高了科技资讯跨媒体检索的准确率。
-
公开(公告)号：CN113204652B
公开(公告)日：2021-09-07
申请号：CN202110757753.7
申请日：2021-07-05
Applicant: 北京邮电大学
Abstract: 本申请提供了一种知识表示学习方法和装置，其中，该方法包括：获取负样本候选实体集合；通过对抗生成网络，以基于语义匹配的模型作为生成器，对所述负样本候选实体集合进行抽样；以基于翻译距离的模型作为判别器，对抽样结果进行判别，得到被选定的负样本三元组；将被选定的负样本三元组对应的第一个和最后一个实体的描述和关系转化为文本序列，并利用BERT的下一句预选任务将文本序列转化为二元分类问题，以实现知识表示学习。通过上述方案解决了现有的知识表示学习过程中生成的负样本质量较差，无法得到丰富的外部语义的技术问题，达到了提升负样本的质量，且在知识图生成的过程中使得文本数据得到充分利用的技术效果。
-
公开(公告)号：CN113254601A
公开(公告)日：2021-08-13
申请号：CN202110763158.4
申请日：2021-07-06
Applicant: 北京邮电大学
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06F16/951 , G06F40/216 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/18
Abstract: 本发明提供一种面向知识产权的科技资源画像构建方法、装置和存储介质，所述方法包括：获取结构化的知识产权科技资源数据；对获得的知识产权科技资源数据进行数据预处理，得到专利文本特征数据；基于专利文本特征数据得到分词向量和字符向量，将其作为原始输入文本输入双向长短时循环网络模型，并将其输出向量进一步输入至与分词词性注意力模型相结合的字符级别的注意力模型，以得到知识产权科技资源数据的实体识别结果；利用结构化的知识产权科技资源数据和实体识别结果构建实体间关系；基于得到的实体识别结果和实体间的关系，利用数据统计进行知识产权科技资源数据知识图谱的构建，并基于构建的知识图谱得到面向知识产权的科技资源画像。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.031 seconds)
