-
公开(公告)号：CN114742073B
公开(公告)日：2024-08-27
申请号：CN202210363151.8
申请日：2022-04-07
申请人： 清华大学深圳国际研究生院
IPC分类号： G06F40/35 , G06F18/214 , G06F18/21 , G06F18/2415 , G06F16/332 , G06N3/045
摘要： 一种基于深度学习的对话情绪自动识别方法，所述方法构建和训练基于关键历史语段感知的神经网络模型；其中，模型的误差建模包括：分类误差计算、语段情绪关联性损失计算以及情绪表示距离递减损失计算；其中。对于对话情绪自动化识别而言，本方法中的语段情绪关联性损失的建模能够使模型感知到关键历史语段中的情绪特征，而情绪表示距离递减损失的建模侧重于对话时序特性的感知。相较于现有的方法，本方法在支持实时识别的基础上，拥有着更高的识别准确率。
-
公开(公告)号：CN114444084B
公开(公告)日：2024-08-20
申请号：CN202210020119.X
申请日：2022-01-10
申请人： 清华大学深圳国际研究生院
摘要： 本发明提供一种模糊测试方法及计算机可读存储介质，方法包括：生成突变输入时包括如下步骤：S1：对种子队列中每个种子执行字节分析以识别与验证检查相关的字节，所述字节分析包括对所述种子中所有所述字节尝试突变，根据所述突变输入的路径变化情况得到所述字节的分数值；S2：根据所述字节的所述分数值确定是否对所述字节进行突变。本发明使用一种新颖的轻量级突变策略来增加生成合法突变输入的可能性；进一步地，在相同的时间内实现更大的代码覆盖率，提高模糊测试效率。
-
公开(公告)号：CN115984667A
公开(公告)日：2023-04-18
申请号：CN202310008684.9
申请日：2023-01-04
申请人： 清华大学深圳国际研究生院
IPC分类号： G06V10/82 , G06V10/764 , G06V10/774 , G06V10/77 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/086
摘要： 本发明公开了一种基于Fisher信息的对抗训练泛化能力提升方法，包括如下步骤：S1、通过不同对抗攻击方法将干净图像生成不同对抗图像；S2、通过Fisher信息将不同对抗图像进行线性叠加得到泛化对抗图像；S3、通过粒子群算法优化泛化对抗图像加权系数得到最优泛化对抗图像；S4、使用最优泛化对抗图像进行对抗训练得到泛化能力更强的分类模型。本发明不仅可以维持传统对抗攻击方法在干净图像上的分类准确率，而且对多种和未知的对抗攻击方法生成的对抗图像也具有很强的泛化性。
-
公开(公告)号：CN111291835B
公开(公告)日：2023-04-07
申请号：CN202010231754.3
申请日：2020-03-27
申请人： 清华大学深圳国际研究生院
IPC分类号： G06F18/2431 , G06F18/214 , G06N20/00 , G06Q10/04
摘要： 本发明提供一种回归树预测方法、控制装置及计算机可读存储介质，方法包括如下步骤：输入训练数据集；用所述训练数据集训练回归树；判断训练得到的所述回归树的叶结点的数目是否大于3，若是，则采用詹姆斯‑斯坦因估计同时估计所有所述叶结点的预测值；若否，则采用最大似然估计独立估计每个所述叶结点的预测值；输出所述回归树及所述预测值。在所有数据集上取得比基于最大似然估计的回归树更好的平均预测性能，即平均意义上更小的均方误差；在部分数据集上取得比现有最优的回归树预测方法‑‑核回归更好的性能；在提升性能的同时，基本维持了原有基于最大似然估计预测的回归树的高效率，测试时间受数据集样本数量影响较小。
-
公开(公告)号：CN112463638B
公开(公告)日：2022-09-20
申请号：CN202011459487.1
申请日：2020-12-11
申请人： 清华大学深圳国际研究生院
摘要： 本发明提供一种基于神经网络的模糊测试方法及计算机可读存储介质，方法包括：改进模糊测试工具中的边的哈希计算过程使得每条所述边的哈希值不同，得到改进后的模糊测试工具；基于所述改进后模糊测试工具生成的覆盖信息作为训练集对神经网络进行训练；依据临近边信息挑选出 对，利用训练完成的所述神经网络计算出该输出神经元对输入的梯度，并根据所述梯度的绝对值的大小确定输入中的关键字节，从而对关键字节进行变异生成测试用例集合；使用所述测试用例集进行模糊测试。从而实现了以较小的资源开销探索了程序状态信息。
-
公开(公告)号：CN114840747A
公开(公告)日：2022-08-02
申请号：CN202210404048.3
申请日：2022-04-18
申请人： 清华大学深圳国际研究生院
IPC分类号： G06F16/9535 , G06F16/906 , G06N20/00 , G06K9/62
摘要： 本发明公开了基于对比学习的新闻推荐方法，包括基于对比学习的用户兴趣抽取步骤；所述用户兴趣抽取步骤包括：提供一用户兴趣编码器，该用户兴趣编码器被配置为对用户浏览的新闻序列进行编码得到兴趣向量；对所述用户浏览的新闻序列进行编码得到第一兴趣向量；对所述用户浏览的新闻序列进行数据增强，再对数据增强后的新闻序列进行编码得到第二兴趣向量；训练所述用户兴趣编码器，训练过程中，引入使所述第一兴趣向量和所述第二兴趣向量相接近，并使所述第一兴趣向量与其它用户的兴趣向量相远离的兴趣对比学习损失。
-
公开(公告)号：CN113329368A
公开(公告)日：2021-08-31
申请号：CN202110630958.9
申请日：2021-06-07
申请人： 清华大学深圳国际研究生院
摘要： 本发明提出一种基于亲和传播算法的路由分簇方法及装置，方法包括根据接收到的信标消息和车辆节点所处的状态，每个车辆节点周期性的执行分簇流程，分簇流程包括步骤：S1、车辆节点通过广播信标消息的方式来通告自己的分簇参数指标，与此同时，接收来自邻居车辆节点的信标消息来获得其它车辆节点的分簇参数指标，并且，通过信标消息识别单跳距离内速度和方向相似的车辆，为车辆节点建立邻居列表；S2、车辆节点依据其当前所处的状态，从簇头选择策略、簇形成策略和簇维护策略中选择一个执行，获得分簇的结果；S3、车辆节点在需要时通过数据消息与目标车辆节点通信。本发明能够在适当的路由开销下实现较好的簇稳定性和通信性能。
-
公开(公告)号：CN112990261A
公开(公告)日：2021-06-18
申请号：CN202110163294.X
申请日：2021-02-05
申请人： 清华大学深圳国际研究生院
摘要： 本发明公开了一种基于敲击节奏的智能手表用户识别方法，从敲击节奏训练数据中提取特征，构造特征向量；利用One‑class DBSCAN算法来训练模型，得出核心对象集；计算新样本特征向量与每个核心对象之间的欧氏距离，以识别该新样本是否属于核心向量的类。本发明针对智能手表缺乏合适的用户识别导致的隐私问题，提出了一种新的基于敲击节奏的智能手表用户识别方法，并提出了一种新的一类分类算法One‑class DBSCAN，本发明适用于智能手表较小的屏幕以及低功耗的设定，新的一类分类算法One‑class DBSCAN可以在训练数据只有一类的情况下准确地判断新样本是否属于当前类。
-
公开(公告)号：CN112948708A
公开(公告)日：2021-06-11
申请号：CN202110242999.0
申请日：2021-03-05
申请人： 清华大学深圳国际研究生院
IPC分类号： G06F16/9536 , G06F16/435 , G06F16/45 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/00
摘要： 本发明提供一种短视频推荐方法，包括：构建多源异构图，从不同模态的数据提取数据特征；构建分层图神经网络模型，并将所述数据特征输入到所述分层图神经网络模型中进行训练；使用训练好的所述分层图神经网络模型给目标用户推荐短视频。通过结合不同模态提取的数据特征，综合考虑了社交网络构建了多源异构图；基于异构图构建的分层图神经网络模型可以捕获用户、短视频、标签内部不同的连接关系和它们之间的关联关系，该量身定制的图神经网络可以学习到高层次的短视频和用户的特征表示，表征能力更强，有助于短视频推荐。
-
公开(公告)号：CN112270174A
公开(公告)日：2021-01-26
申请号：CN202011245739.0
申请日：2020-11-10
申请人： 清华大学深圳国际研究生院
IPC分类号： G06F40/216 , G06F16/31 , G06K9/62 , G06N3/04
摘要： 本发明提供一种谣言检测方法及计算机可读存储介质，方法包括：对于社交平台上的每一条动态，收集动态所有的回复和/或转发，将动态视作一个节点，则动态回复和/或转发为所述动态的子节点，节点和所述子节点构成一颗传播树；确定传播树中各个节点包含的子节点的数目并从多到少排序，依序选取至少一个节点与其所包含的子节点构成传播树的关键子树；关键子树中的根节点为源节点；基于每个关键子树中每个节点和每个子节点的原始数据计算所述传播树特征，特征包括文本内容相关特征、用户相关特征、传播结构相关特征；构建SLS神经网络模型用于学习特征；训练SLS神经网络模型并对社交平台上的动态进行谣言检测。提高谣言检测任务的分类准确度。
-
-
-
-
-
-
-
-
-
搜索结果
91 条记录 (耗时 0.043 秒)
