-
公开(公告)号：CN105279626A
公开(公告)日：2016-01-27
申请号：CN201510608491.2
申请日：2015-09-22
Applicant: 电子科技大学
Abstract: 本发明针对快递行业的信息化管理相关技术的研究，提出了一种基于移动终端的双线架构快递信息保护方法。本发明中，快递员收快递时，将用户隐私信息输入快递员客户端本地数据库中，使用掌纹认证代替传统签字认证，同时根据快递信息生成唯一二维码贴在快递上；其次，通过改进SQLCipher加密数据库实现对快递信息的封锁，保证了快递信息的安全性；在快递运输时，用户隐私信息通过扫二维码在快递员之间通过蓝牙传输，将快递员、快递公司等与用户隐私信息相隔离，而快递还是通过传统物流网运输；为提高快递业务的效率，提出了基于网状结构的定向推出式分拣模型，设计了基于Floyd算法的路径优化方案，使得分拣模型与路径优化方案相互配合，相得益彰。
-
公开(公告)号：CN105163296A
公开(公告)日：2015-12-16
申请号：CN201510607658.3
申请日：2015-09-22
Applicant: 电子科技大学
Abstract: 本发明提出了一种多维度垃圾短信过滤方法并设计了相应的系统，通过垃圾短信拦截和短信管理两个模块来实现3个主要功能：1.对变种垃圾短信和伪基站垃圾短信进行拦截；2.定位伪基站；3.增加短信安全加密，重要提醒等管理功能。本发明在超过100台手机上进行了超过3000次的垃圾短信拦截测试，实现了基本功能模块，运行稳定且占用内存为4.5M，耗电量仅为0.2％。与市场已有的垃圾短信防护系统相比有明显改善，极大的帮助用户避免垃圾短信的骚扰，给用户带来方便。
-
公开(公告)号：CN119294560A
公开(公告)日：2025-01-10
申请号：CN202411591281.2
申请日：2024-11-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于动态知识蒸馏和动态正则化的Non‑IID联邦学习方法，包括客户端的本地模型训练后输出本地数据标签的分布Ps；将本地模型参数上传到服务器；服务器汇总随机抽样得到的一组客户端模型参数，并输出全局模型参数供下一轮使用；客户端下载全局模型参数，将全局模型参数加载到本地模型上并输出全局数据标签分布Pt；在客户端进行动态知识蒸馏，整合Ps、Pt和动态函数d(r)，计算客户端的本地损失函数；反向传播更新客户端的局部模型。本发明在非独立且同分布Non‑IID的客户端数据情况下能够显著提高模型的收敛速度和准确性。
-
公开(公告)号：CN118586771A
公开(公告)日：2024-09-03
申请号：CN202410739615.X
申请日：2024-06-07
Applicant: 电子科技大学
IPC: G06Q10/0639 , G06F18/21 , G06F18/214 , G06F40/30
Abstract: 本发明公开了一种基于链路预测的产业链抵抗能力和恢复能力评估方法，包括将产业链网络图抽象成隐性异构图，然后利用路径编码模块和语义编码模块实现隐藏信息提取，提取的信息被输入上下文调节模块进行差异化的处理，最后在完整性评估模块，完成链路预测任务，计算产业链抵抗能力和恢复能力得分。本发明还提供了基于链路预测的产业链抵抗能力和恢复能力评估模型，包括路径编码模块、语义编码模块、上下文调节模块和完整性评估模块。本发明在真实的产业链数据集上进行了链路预测实验评估，相比其他常用的图神经网络方法具有更优的性能，验证了其在处理隐性异构图中链路预测任务上的有效性。
-
公开(公告)号：CN118114989A
公开(公告)日：2024-05-31
申请号：CN202410340914.6
申请日：2024-03-25
Applicant: 电子科技大学
IPC: G06Q10/0635 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种图神经网络的产业链风险评估方法，本发明提出了图神经网络的产业链风险评估模型。首先针对企业关系的复杂多样，基于产业链异质图，设计结合多种语义和图加权融合的公司关系图生成模块，通过对转化后的多图加权融合，实现对链内企业的关系的高效转化；针对链内企业节点特征数据缺失的问题，设计基于节点拓扑和注意力机制的图嵌入补全模块，结合风险传递的特点，对缺失节点风险嵌入进行自适应补全和学习。基于图注意力网络，设计风险评估模块，结合节点网络结构和风险特征，实现节点风险评估。本发明提出的ICRE‑AC模型在准确率，F1分数等方面均优于现有模型，能够对产业链节点进行准确评估，对产业链健康发展具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN117333017A
公开(公告)日：2024-01-02
申请号：CN202311350731.4
申请日：2023-10-18
Applicant: 电子科技大学
IPC: G06Q10/0635 , G06Q10/04 , G06F18/241 , G06N3/048 , G06N3/042 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于HKTGNN的产业链风险评估与预测模型，包括数据获取模块、预处理模块、图嵌入编码器GEE模块、基于中心性的跨域自适应特征补充器CCAFC模块、基于中心性的域自适应消息传递DCAMP模块和域可转移分类器DTC模块。本发明还提供该产业链风险评估与预测方法。本发明通过基于层次结构的分层处理，将传统构建的有向异构图转换为图规模更小的产品网络同质有向图，减少了单个图的计算时间和内存消耗，有效地节约了计算资源；并通过特征嵌入和特征补充，提高了模型的性能。同时，基于领域差异特征补充和消息传递的中心性，解决了数据饥饿问题。
-
公开(公告)号：CN107517245A
公开(公告)日：2017-12-26
申请号：CN201710563492.9
申请日：2017-07-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种移动安全沙箱的设计方法，核心在于通过服务器检测应用程序的安全性来保护用户的移动端。本系统将在Android操作系统下，设计出移动端的安全沙箱，主要功能是设计出安全沙箱通过应用程序安全检测可以使得用户了解应用程序的安全程度，并且使得用户可以远程卸载应用、抹除数据来保护用户隐私，除此之外，还有进程通信模块，用于实现andorid应用程序之间的数据传递方式。项目整体采用MVC框架，综合了很多android开发的知识点包括安卓的四大组件，安全体系和通信体系。在Android平台上设计出能实现上述各种功能的移动安全沙箱。
-
公开(公告)号：CN119692808A
公开(公告)日：2025-03-25
申请号：CN202411765939.7
申请日：2024-12-04
Applicant: 电子科技大学
IPC: G06Q10/0637 , G06N3/042 , G06N3/0464 , G06N3/08 , G06N3/0499
Abstract: 本发明公开了一种产业链完整性评估模型、系统及方法，涉及产业链评估技术领域，所述模型包括节点特征编码模块、候选节点集挑选模块、成对编码生成模块和评估模块；节点特征编码模块用于基于消息传递神经网络学习产业链隐性异构图中节点的特征表示；候选节点集挑选模块用于基于PPR评分从产业链隐性异构图中筛选出对目标节点对影响显著的节点；成对编码生成模块用于基于图注意力机制计算目标节点对的成对编码，捕捉节点间的复杂关系；评估模块用于通过多层感知机预测目标节点对的存在概率，以及通过完整性评估指标对预测的存在概率进行量化评估。本发明实现了产业链隐性异构图中节点间复杂关系的精确捕捉，能够全面量化节点间的影响关系。
-
公开(公告)号：CN118298280A
公开(公告)日：2024-07-05
申请号：CN202410482569.X
申请日：2024-04-22
IPC: G06V10/82 , G06V10/764 , G06V10/77 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/0475 , G06N3/092 , G06N3/094 , G06N3/006
Abstract: 本发明公开了一种基于强化学习的民航领域自适应数据表示对齐方法，该方法将领域适应与强化学习分开。本发明引入了特征级和像素级的多粒度约束来指导训练过程。在特征层面引入领域对抗训练和互信息最大化约束，实现了特征的跨领域对齐，从而显著提高了源智能体在目标领域的性能。同时，在像素级引入循环一致变分自编码器(Cycle‑Consistent Variational Autoencoders,VAE)，促进域通用特征和域特定特征的解耦，并保持状态图像中的判别信息。在第二阶段，本发明基于提取的域不变特征，在源域中使用深度强化学习技术训练智能体。由于智能体是用跨域不变特征训练的，因此它的行为策略可以在不同的域之间转移，因此有望在不与环境交互的情况下在目标域中获得良好的性能。
-
公开(公告)号：CN118297140A
公开(公告)日：2024-07-05
申请号：CN202410482564.7
申请日：2024-04-22
IPC: G06N3/098 , G06N3/096 , G06N3/045 , G06N3/0495 , G06F18/241 , G06V10/764 , G06V10/82 , G06V10/94
Abstract: 本发明公开了一种基于可重用分类器的联邦蒸馏学习方法，主要用于增强神经网络的泛化能力，从而提高网络性能。该方法包括以下步骤：S1，在联邦知识蒸馏中重用来自异构模型的分类器，降低蒸馏策略的计算复杂度并提高全局模型的泛化能力；S2，引入自适应且可学习的轻量级映射器，确保特征映射和分类器之间的尺寸兼容性；S3，结合分类器之间注意力权重向量的计算，有效解决局部知识偏差对全局知识的影响。本发明方法通过重用客户端的分类器和分配注意力权重来提高网络性能，从而增强全局神经网络的泛化性。此外，FedMAC为每个客户端分配一个可训练的映射器，以对齐特征图、捕获关键知识并过滤掉负面知识。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.025 seconds)
