-
公开(公告)号：CN119848810A
公开(公告)日：2025-04-18
申请号：CN202510023200.7
申请日：2025-01-07
Applicant: 合肥工业大学
IPC: G06F21/16 , G06F21/10 , G06F18/22 , G06F18/2415 , G06F18/20 , G06N3/0442 , G06N3/082 , G06N7/01
Abstract: 本发明公开了一种基于贝叶斯的两阶段深度回归模型版权保护方法，包括：1、构建并训练基于dropout层的水印模型，2、获取公共模型和可疑模型，3、选择关键样本，4、构建基于贝叶斯网络的似然估计模型，5、利用基于贝叶斯网络的似然估计模型计算可疑模型的侵权概率，6、计算可疑模型与水印模型输出之间的KL散度，从而判定可疑模型是否侵权。本发明在应对回归模型版权被盗时，能够在第一阶段初步排除无关模型，并在第二阶段进一步判断可疑模型是否是盗版模型，有利于快速识别盗版模型，保护其知识产权免受侵害。
-
Patent Agency Ranking
公开(公告)号：CN117952274A
公开(公告)日：2024-04-30
申请号：CN202410198494.2
申请日：2024-02-22
Applicant: 合肥工业大学
IPC: G06Q10/04 , G06N3/0455 , G06N3/0442 , G06N3/092 , G06N3/098 , G08G1/01
Abstract: 本发明公开了一种基于先验注意力机制的个性化联邦学习的交通流量预测方法，包括：1中央服务器初始化并部署客户端模型，客户端进行编码器模型训练以及时间相关性的注意力机制计算，并上传交通流量传递状态；2中央服务器接收流量传递状态，并进行空间相关性的先验注意力机制计算，并下发处理后的交通流量传递状态；3客户端接收处理后的交通流量传递状态并进行解码器模型训练，预测真实标签；4客户端将训练好的编码器参数和解码器参数上传至中央服务器，中央服务器对参数进行注意力机制的聚合并下发参数；5地方服务器接收聚合后的参数带入模型用于交通流量预测。本发明不仅能提高交通流量预测的准确性，还能保障每个客户端的数据隐私。
-
公开(公告)号：CN118135458A
公开(公告)日：2024-06-04
申请号：CN202410280254.7
申请日：2024-03-12
Applicant: 合肥工业大学
IPC: G06V20/40 , G06V10/764 , G06V10/40 , G06V10/774
Abstract: 本发明公开一种基于多模态种子神经主题模型的短视频情感倾向检测方法，其步骤包括：1、构建视频集以及视频相关模态数据集，并进行相应表示；2、建立短视频转译文本和评论文本的生成过程；3、转换转译文本和评论文本的生成过程；4、对转换后的生成过程进行变分推断；5、为新视频训练不完整的主题推断网络；6、新视频的情感倾向预测。本发明结合多模态种子神经主题模型，能够有效、准确、快速预测短视频对观众情感影响，有助于视频平台减少短视频负面影响。
-
公开(公告)号：CN116540876A
公开(公告)日：2023-08-04
申请号：CN202310516751.8
申请日：2023-05-09
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于个体信息的个性化联邦学习的人体动作识别方法，包括：1根据个体信息计算客户端间的相似度；2服务器将模型部署到客户端；3客户端根据本地数据集进行模型训练；4服务器根据相似度矩阵为每个客户端聚合个性化模型，直到模型收敛部署最终模型并进行实时分析。本发明在客户端数据分布异质的情况下仍能保证分类的准确性，从而能降低联邦学习的通信成本。
-
公开(公告)号：CN118692471A
公开(公告)日：2024-09-24
申请号：CN202410628854.8
申请日：2024-05-21
Applicant: 合肥工业大学
IPC: G10L17/02 , G10L17/04 , G10L17/14 , G10L17/18 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种基于通用对抗扰动生成网络的高隐蔽性对抗语音样本生成方法，包括：1处理音频数据得到音频采样值，根据文件名称设置标签值；2构建通用对抗扰动生成网络，设计说话人识别模块和对抗样本检测模块以及通用对抗扰动生成模块的网络结构；3说话人识别模块的损失函数与对抗样本检测模块的损失函数以及通用对抗扰动生成模块的损失函数的加权和作为损失函数；4将音频数据输入到通用对抗扰动生成网络并进行训练，调整网络参数，得到最优模型。本发明能够实现说话人识别模型无论是非目标攻击还是目标攻击均实现高攻击成功率，在生成高对样音频质量且高隐蔽性的情况下，实现实时快速部署，提高了说话人识别模型的鲁棒性。
-
公开(公告)号：CN117291300A
公开(公告)日：2023-12-26
申请号：CN202311231931.8
申请日：2023-09-22
Applicant: 合肥工业大学
Abstract: 本发明公开的一种基于图卷积神经网络的社交媒体中说服者预测方法，包括：1)从社交媒体上从社交媒体上获取用户系相关数据，并构造用户关注网络图；2)根据用户社会交互强度、用户信息和用户关注网络，利用图神经网络和相似度计算方法，得到用户间的社会影响力矩阵、实体相似性矩阵、结构等价性矩阵3)根据三个相似度矩阵对社会说服的积极效应和消极效应进行建模并训练，并最终利用训练后的图注意力模型，预测用户的说服得分并进行降序排序，取排序后的前top个用户作为社交媒体中的说服者。本发明基于注意力系数，将社会说服的三种力量统一起来，从而更好的学习用户特征，使说服者的预测更加准确合理。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
