-
公开(公告)号：CN116664978A
公开(公告)日：2023-08-29
申请号：CN202310652261.0
申请日：2023-06-02
IPC分类号： G06V10/774 , G06V10/82 , G06V10/764 , G06N3/08
摘要： 本发明属于人工智能安全领域，并公开了一种面向人工智能安全的物理灯光后门攻击的训练方法，包括：对目标对象进行灯光后门攻击，根据灯光颜色在目标对象上产生对应的灯光触发器，基于灯光触发器生成后门图像数据；获取干净图像数据，基于后门图像数据和所述干净图像数据分别构建训练集；干净图像数据为未产生灯光触发器的原始图像；构建后门模型，所述后门模型为深度学习模型，基于所述训练集对所述后门模型进行训练，得到训练后的后门模型；构建测试集，基于所述测试集对所述训练后的后门模型进行评估，得到灯光后门攻击的攻击成功率数据和干净准确率数据。本发明所述技术方案拥有较高攻击成功率的同时实现了更加隐蔽的物理后门攻击。
-
公开(公告)号：CN116975911A
公开(公告)日：2023-10-31
申请号：CN202310883820.9
申请日：2023-07-18
申请人： 浙江工商大学 , 浙大城市学院 , 杭州趣链科技有限公司
摘要： 本发明提供了一种支持异构多源工业互联网高效个性化联邦学习方法，涉及工业互联网隐私保护工业互联网个性化联邦学习领域，用于解决客户端异构性带来的挑战。本发明引入雾节点作为中间件，减少客户端与云服务器之间的频繁通信，为此，本发明设计了一种数据感知分组算法，以确定客户端与雾节点之间的关联，有效地减少了训练过程中的通讯开销；本发明采用多输入函数加密(MIFE)确保用户数据在训练过程中的隐私性和安全性。本发明实现了隐私保护和高效的个性化联邦学习，还减少了训练过程中的通讯开销。
-
公开(公告)号：CN116453596A
公开(公告)日：2023-07-18
申请号：CN202310263611.4
申请日：2023-03-17
IPC分类号： G16B30/00
摘要： 本发明提供了一种生物序列向量化表示方法，包括以下步骤：S1、获取大量生物基因序列的数据并对数据进行格式化和整合；S2、对数据进行预处理，对所读取的生物基因序列进行遍历，对每条生物基因序列中的部分基因片段进行检测、调整和修改，直到满足要求；S3、构建训练模型所需的数据集，对数据集的数据进行格式上的变换，得出训练集；S4、利用训练集训练用于生成生物序列的向量化表示的模型；S5、通过训练好的模型生成生物序列的向量化表示，并将这些向量化表示数据保存在本地文件内。本发明提出的方法能够为生物基因序列提供低维、连续且稠密的向量化表示，相较于独热表示可以更好的提取和抽象生物基因序列中含有的特征信息。
-
公开(公告)号：CN116342946A
公开(公告)日：2023-06-27
申请号：CN202310305967.X
申请日：2023-03-27
IPC分类号： G06V10/764 , G06V10/774 , G06N5/04
摘要： 本发明涉及一种面向图像分类的互联网数据集标签噪声比例评估方法，包括如下步骤：S1：获取互联网图片数据集Web‑M，将其划分为带噪声训练集Trainn和带噪声测试集Testn；S2：获得包含与所述数据集Web‑M相同类别的干净测试集Testc；本发明突破现有人工噪声评估方法在大规模互联网数据集噪声比例评估场景下所具有的局限性，在噪声训练集上训练模型，所得模型分别在干净测试集与噪声测试集上进行类别预测，利用噪声引起的准确率差异值，实现自动噪声比例估计。
-
公开(公告)号：CN118333174A
公开(公告)日：2024-07-12
申请号：CN202410302203.X
申请日：2024-03-15
申请人： 浙大城市学院
摘要： 本发明提供一种基于多任务自适应交互的深度学习推荐方法，通过可控的多任务模块设计及基于元路径的异构图表示学习实现可解释的语义推荐，以解决现有的多任务推荐方法存在的对于推荐的语义缺乏可解释性，以及在不同任务之间的交互难以控制，从而影响模型整体的学习能力的问题。本发明包括以下步骤：将图数据输入异构信息网络表示学习框架后得到蕴含丰富语义信息的节点向量，将 节点向量对输入到多任务模型中，多任务模型输出user和item的节点类型以及两者发生交互的概率。与现有技术相比，具备以下有益效果：解决了推荐系统的可解释性问题，允许不同任务间的相互感知，减轻过度训练可能对模型产生的损害，且实现了多任务的灵活控制和目标平衡。
-
公开(公告)号：CN115346069A
公开(公告)日：2022-11-15
申请号：CN202210991234.1
申请日：2022-08-18
申请人： 浙大城市学院
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06V20/68
摘要： 本发明涉及一种基于错误分析的食物图像层级构造和分类方法，包括如下步骤：S1：获取食物图像数据集Food‑M，并训练M类平坦分类器；S2：根据M类平坦分类器在验证集上的预测错误，寻找显著的大类特征，进行类别合并；本发明突破现有层级分类方法在层级结构不明显的大规模分类场景下所具有的局限性，大类判别器辅以平坦分类器充当层级分类器，充分利用层级分类器与平坦分类器的互补优势，并借助第三分类器实现选择性层级分类。
-
公开(公告)号：CN113033776A
公开(公告)日：2021-06-25
申请号：CN202110262391.4
申请日：2021-03-10
申请人： 浙大城市学院
摘要： 本发明公开了一种结合全局空洞卷积与局部辨识表征的时间序列预测方法，包括如下步骤：对时间序列片段进行特征提取，生成对应的代表特征向量；基于所得向量，通过聚类方法对每个时间序列片段赋予聚簇标签，以对不同种类的时间序列进行标识；随后经过时序表征学习，提取出不同时序类别所对应的局部辨识表征(Shapelet)，将每个时序片段与所得表征进行多重可辨识上下文语境融合处理，在通道方向上对它们进行堆叠使得原生时序进化为可辨识语境；将所得语境通过带有残差连接的时间空洞卷积进行时序预测训练。本发明集成了时间卷积，并提出了新颖的时序表征提取与融合方式来增强时序中不同点位重要性对于预测结果的影响，使预测结果的精度得到了有效提升。
-
公开(公告)号：CN116364195A
公开(公告)日：2023-06-30
申请号：CN202310520356.7
申请日：2023-05-10
申请人： 浙大城市学院
IPC分类号： G16B50/30 , G16B30/00 , G16B20/20 , G06N3/0464 , G06F18/214
摘要： 本发明公开了一种基于预训练模型的微生物遗传序列表型预测方法，包括：获取微生物遗传序列数据并构建数据库，遍历数据库对微生物遗传序列数据进行分析和预处理；采用多碱基单元表示微生物遗传序列；基于多碱基单元构建分预训练数据集和分类数据集；构建深度学习模型，并将预训练数据集向量化后输入至深度学习模型进行训练得到预训练模型；调整预训练模型结构，将分类数据集向量化后输入至预训练模型进行训练得到预测模型；将待预测微生物遗传序列输入至预测模型，从而得到表型预测结果；本发明基于预训练模型对微生物遗传序列进行编码和表示，并可对模型进行微调，从而实现高精度表型预测，不受序列组装和比对的限制。
-
公开(公告)号：CN114095090B
公开(公告)日：2023-04-07
申请号：CN202111331935.4
申请日：2021-11-11
申请人： 浙大城市学院
IPC分类号： H04B10/50 , H04B10/516 , H04B10/70
摘要： 本发明公开了一种基于正系数实现的矩形响应微波光子滤波器及滤波方法，包括：放大自发辐射光源、马赫曾德尔调制器、掺铒光纤放大器、多通道可编程光处理器、可调谐光延迟线阵列、光耦合器、光电探测器、信号输入端口、信号输出端口，放大自发辐射光源、马赫曾德尔调制器、掺铒光纤放大器、多通道可编程光处理器、可调谐光延迟线阵列、光耦合器和光电探测器依次通过光纤相连，信号输入端口和马赫曾德尔调制器通过电路相连，光电探测器和信号输出端口通过电路相连。该微波光子滤波器具有工作频率高的优点，在现代通信系统的信道滤波过程中可以更好地抑制带外噪声和杂散信号，进而提升相邻信道功率泄漏比。
-
公开(公告)号：CN115115899A
公开(公告)日：2022-09-27
申请号：CN202210320332.2
申请日：2022-03-29
申请人： 浙大城市学院
IPC分类号： G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
摘要： 本发明公开了一种深度神经网络鲁棒性增强方法、装置、系统及电子设备，包括：获取原始训练样本并进行预处理；利用随机信号对预处理后的原始训练样本实施常规变换，生成弱扩增样本；确定对深度神经网络采取的攻击策略，对预处理后的原始训练样本实施攻击性扰动，生成强扩增样本；将所述弱扩增样本和强扩增样本输入待加固的深度神经网络，获得相应的表征及预测结果；对所述弱扩增样本和强扩增样本实施一致性约束，构建以一致性约束为正则项的深度神经网络鲁棒性增强训练的目标函数；根据目标函数，对待加固的深度神经网络实施鲁棒性增强训练。本发明可以有效增强深度学习模型的鲁棒性，从而减小攻击性扰动以及常规扰动对深度学习模型造成的损失。
-
-
-
-
-
-
-
-
-
搜索结果
145 条记录 (耗时 0.047 秒)
