-
公开(公告)号：CN117933252A
公开(公告)日：2024-04-26
申请号：CN202410072157.9
申请日：2024-01-17
Applicant: 哈尔滨商业大学
IPC: G06F40/295 , G06F40/211 , G06F40/30 , G06F18/213 , G06F18/241 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 基于多交叉注意力特征融合的生物医学命名实体识别方法，涉及自然语言处理技术领域，本申请同时使用CharCNN和CharLSTM，两个字符特征提取模型，CharCNN通过卷积操作捕捉局部特征，而CharLSTM通过模拟时序依赖关系捕捉长期依赖关系。它们的结合可以更好地理解文本数据的语义信息，提高特征提取的准确性。有效缓解了现有方法通常只通过拼接的方法对字词特征进行融合，忽略了字词相互融合过程中的特征信息，进而导致了提取的特征准确率低，最终导致实体识别准确率低的问题，本申请使用BioDistilBERT提取单词嵌入后分别和CharCNN和CharLSTM提取的字符级嵌入进行交叉注意力融合，弥补了单一提取词特征和字符特征的不足。
-
Patent Agency Ranking
公开(公告)号：CN111881299A
公开(公告)日：2020-11-03
申请号：CN202010786373.1
申请日：2020-08-07
Applicant: 哈尔滨商业大学
IPC: G06F16/35 , G06F40/30 , G06F40/211 , G06F40/289 , G06F40/295 , G06K9/62 , G06N3/04
Abstract: 基于复制神经网络的离群事件检测与识别方法，涉及信息技术领域，针对现有技术中多数方法为了能够顺利完成深度学习模型训练严重依赖异常数据，但异常数据不易获取的问题，包括以下步骤：步骤一：获取待处理中文文本序列数据；步骤二：对待处理中文文本序列数据进行时间序列分析；步骤三：对时间序列分析后的中文文本序列数据进行浅层语义分析；步骤四：对浅层语义分析后的中文文本序列数据，利用基于深度学习策略进行事件触发词的识别与抽取；步骤五：对事件触发词识别与抽取后的中文文本序列数据进行候选事件识别；步骤六：将候选事件识别后的中文文本序列数据作为输入，利用训练好的复制神经网络进行离群事件的检测与识别。
-
公开(公告)号：CN118138802B
公开(公告)日：2024-07-23
申请号：CN202410536811.7
申请日：2024-04-30
Applicant: 哈尔滨商业大学
IPC: H04L1/00 , H04N21/2383 , H04N21/2385
Abstract: 融合深度学习的5G广播电视图像通信方法，涉及图像通信技术领域，构建链路干扰预测模型，获取客户端的通信请求数据，获取第一JPEG压缩参数集和第一LDPC编码参数集；获取多径通信链路中误码率最低的第一信号频率所分配的带宽，获取视频数据流在第一JPEG压缩参数集中各个JPEG压缩参数条件下以及第一LDPC编码参数集中各个LDPC编码参数条件下对应的压缩编码数据流的单位流量，根据所述带宽以及所述单位流量获取初始调制参数；并根据多径通信链路的实时信噪比进行初始调制参数更新或带宽临时调度操作，满足电视图像传输稳定性以及时效性。
-
公开(公告)号：CN119788786A
公开(公告)日：2025-04-08
申请号：CN202510144512.3
申请日：2025-02-10
Applicant: 哈尔滨商业大学
Abstract: 本发明公开了一种用于软件图像数据的加密传输方法，本发明涉及加密传输领域，包括以下步骤：设置数据管理中心，获取软件图像数据；对软件图像数据的像素值进行边缘监测处理，获取特征区域，对特征区域进行置乱处理，获取置乱像素数据；对所述置乱像素数据进行分片处理获取数据分片，并对其设置标识符标记；构建加密数据池，对数据分片进行加密处理，完成后对其进行传输，并设置数据池标记符；数据管理中心储存有加密数据池对应的私钥，根据私钥和数据池标记符对数据分片进行解密处理；对所获得的数据分片对应的标识符对置乱像素数据进行还原，获得原始的软件图像数据；本发明在一定程度上提高了数据加密过程中的安全性。
-
公开(公告)号：CN118138802A
公开(公告)日：2024-06-04
申请号：CN202410536811.7
申请日：2024-04-30
Applicant: 哈尔滨商业大学
IPC: H04N21/2383 , H04L1/00 , H04N21/2385
Abstract: 融合深度学习的5G广播电视图像通信方法，涉及图像通信技术领域，构建链路干扰预测模型，获取客户端的通信请求数据，获取第一JPEG压缩参数集和第一LDPC编码参数集；获取多径通信链路中误码率最低的第一信号频率所分配的带宽，获取视频数据流在第一JPEG压缩参数集中各个JPEG压缩参数条件下以及第一LDPC编码参数集中各个LDPC编码参数条件下对应的压缩编码数据流的单位流量，根据所述带宽以及所述单位流量获取初始调制参数；并根据多径通信链路的实时信噪比进行初始调制参数更新或带宽临时调度操作，满足电视图像传输稳定性以及时效性。
-
公开(公告)号：CN111881299B
公开(公告)日：2023-06-30
申请号：CN202010786373.1
申请日：2020-08-07
Applicant: 哈尔滨商业大学
IPC: G06F16/35 , G06F40/30 , G06F40/211 , G06F40/289 , G06F40/295 , G06F18/2433 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 基于复制神经网络的离群事件检测与识别方法，涉及信息技术领域，针对现有技术中多数方法为了能够顺利完成深度学习模型训练严重依赖异常数据，但异常数据不易获取的问题，包括以下步骤：步骤一：获取待处理中文文本序列数据；步骤二：对待处理中文文本序列数据进行时间序列分析；步骤三：对时间序列分析后的中文文本序列数据进行浅层语义分析；步骤四：对浅层语义分析后的中文文本序列数据，利用基于深度学习策略进行事件触发词的识别与抽取；步骤五：对事件触发词识别与抽取后的中文文本序列数据进行候选事件识别；步骤六：将候选事件识别后的中文文本序列数据作为输入，利用训练好的复制神经网络进行离群事件的检测与识别。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
