-
公开(公告)号：CN114596839B
公开(公告)日：2024-06-07
申请号：CN202210202455.6
申请日：2022-03-03
Applicant: 网络通信与安全紫金山实验室
IPC: G10L15/02 , G10L15/06 , G10L19/16 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种端到端语音识别方法及系统，包括：基于VGGNet模型使用源语料库训练初始语音特征提取模型；移除所述初始语音特征提取模型中的全连接层并冻结预设数量的卷积层参数，使用目标语料库对经过移除和冻结后的初始语音特征提取模型进行训练，得到频域特征提取网络；构建端到端语音识别框架，所述框架包括编码器和解码器；使用目标语料库训练所述端到端语音识别框架，并基于训练好的端到端语音识别框架进行端到端语音识别。本发明可以有效解决数据受限情况下的模型过拟合问题，同时提高了语音识别的正确率且具有很好的噪声鲁棒性。
-
公开(公告)号：CN115617997A
公开(公告)日：2023-01-17
申请号：CN202211286338.9
申请日：2022-10-20
Applicant: 网络通信与安全紫金山实验室
IPC: G06F16/35 , G06F16/33 , G06F16/332 , G06F18/213 , G06N3/0442 , G06N3/08
Abstract: 本申请公开了一种对话状态追踪方法、装置、设备及介质，涉及计算机领域，包括：利用第一BiGRU神经网络对历史对话编码得到第一编码结果，基于注意力及领域向量对第一编码结果进行特征提取得到包含至少一个领域的第一提取结果；利用第二BiGRU神经网络对第一提取结果编码得到第二编码结果，基于注意力及槽位词向量对第二编码结果进行特征提取得到第二提取结果；将第二提取结果、领域‑槽位词向量及词表向量输入解码器得到解码后向量，基于解码后向量计算槽位值的预测概率分布，基于预测概率分布对领域下的槽位填充，本申请基于BiGRU神经网络解决了多领域下历史对话长依赖问题，通过将领域及槽位分开处理并依次做注意力实现了不同领域‑槽位对的信息共享。
-
公开(公告)号：CN116389240A
公开(公告)日：2023-07-04
申请号：CN202310093616.7
申请日：2023-02-09
Applicant: 网络通信与安全紫金山实验室
IPC: H04L41/0803 , H04L41/0894 , H04L9/40 , H04L41/14 , H04L41/0895
Abstract: 本发明公开了一种控制平面的网络状态的确定方法、装置及计算机设备。该方法包括：基于第一更新策略和第二更新策略确定控制平面的初始网络状态下的贝叶斯纳什均衡，其中，第一更新策略用于对初始网络状态进行更新，以降低更新后得到的网络被攻击后的影响，第二更新策略用于对初始网络状态进行更新，以增加更新后得到的网络被攻击后的影响；根据贝叶斯纳什均衡调整网络状态，并确定第一更新策略对应的第一累积收益；循环执行在调整后的网络状态下的贝叶斯纳什均衡，直到第一更新策略对应的第一累积收益满足预定的收敛条件，得到控制平面的目标网络状态。解决了相关技术中，存在确定出的控制平面的网络状态不可靠的技术问题。
-
公开(公告)号：CN115857955A
公开(公告)日：2023-03-28
申请号：CN202211475931.8
申请日：2022-11-23
Applicant: 网络通信与安全紫金山实验室
Abstract: 本发明公开了一种部署K8S集群的方法、装置、设备及可读存储介质，应用于计算机技术领域，包括获取离线安装脚本信息；其中，离线安装脚本信息包括部署安装包和集群压缩包镜像；根据Terraform和预定义配置信息创建Openstack资源，得到返回的资源配置文件；获取预定义镜像仓库项目，并根据离线安装脚本信息、资源配置文件和预定义镜像仓库项目部署K8S集群。本发明以Kubespray的terraform，产生资源配置文件。与集群压缩包镜像相融合，将Kubespray可以离线生成集群的优势与集群压缩包镜像可以快速安装K8S集群的优势相结合，只要输入预定义配置信息就可以实现K8S集群的一键式部署。
-
公开(公告)号：CN114596839A
公开(公告)日：2022-06-07
申请号：CN202210202455.6
申请日：2022-03-03
Applicant: 网络通信与安全紫金山实验室
Abstract: 本发明提供一种端到端语音识别方法及系统，包括：基于VGGNet模型使用源语料库训练初始语音特征提取模型；移除所述初始语音特征提取模型中的全连接层并冻结预设数量的卷积层参数，使用目标语料库对经过移除和冻结后的初始语音特征提取模型进行训练，得到频域特征提取网络；构建端到端语音识别框架，所述框架包括编码器和解码器；使用目标语料库训练所述端到端语音识别框架，并基于训练好的端到端语音识别框架进行端到端语音识别。本发明可以有效解决数据受限情况下的模型过拟合问题，同时提高了语音识别的正确率且具有很好的噪声鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116502652A
公开(公告)日：2023-07-28
申请号：CN202310451893.0
申请日：2023-04-25
Applicant: 网络通信与安全紫金山实验室
IPC: G06F40/35 , G06F40/279 , G06F9/48
Abstract: 本发明公开了一种多云机器助理对话方法、装置、设备及存储介质，应用于云计算与对话系统领域，其中方法包括：获取当前对话信息和上一轮任务场景；对当前对话信息进行意图识别和实体提取，得到当前意图和当前实体；根据当前意图和当前实体确定当前任务场景；若当前任务场景与上一轮任务场景存在业务关联，则激活多云多业务融合场景，并执行业务切换动作。本发明提供的多云机器助理对话方法，可以在多云领域，并且存在多业务融合场景下，实现帮助用户完成多种融合业务需求，以提升用户体验。
-
公开(公告)号：CN115758273A
公开(公告)日：2023-03-07
申请号：CN202211362344.8
申请日：2022-11-02
Applicant: 网络通信与安全紫金山实验室
IPC: G06F18/2433 , G06F18/25 , G06F18/15 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06N5/04 , G06F123/02
Abstract: 本申请公开了一种时序数据异常检测方法、装置、设备及介质，涉及人工智能技术领域。该方法包括：获取目标时序数据并对目标时序数据进行预处理以得到预处理后的目标时序数据；将预处理后的目标时序数据输入至训练后的嵌入网络中进行时间方向与信号方向的双视角数据嵌入以得到时间视角嵌入特征与信号视角嵌入特征，将时间视角嵌入特征与信号视角嵌入特征进行融合以得到目标数据嵌入特征；将目标数据嵌入特征输入至训练后的信号分解Transformer网络中以得到目标时序数据对应的目标特征表示；根据目标特征表示确定目标预测误差、目标重建误差与目标分布距离，并根据目标预测误差、目标重建误差与目标分布距离对目标时序数据进行异常判定。
-
公开(公告)号：CN114630175B
公开(公告)日：2023-08-22
申请号：CN202210246490.8
申请日：2022-03-14
Applicant: 网络通信与安全紫金山实验室
IPC: H04N21/433 , H04L47/722 , G06N3/0464 , G06N3/048 , G06N3/092
Abstract: 一种缓存管理方法、装置、设备和存储介质，将当前缓存环境状态的数据输入预先训练的缓存管理强化学习模型，得到当前缓存状态的持续时间；根据当前缓存状态的类型在所述持续时间内接收数据流中的数据包，或者在接收数据包的同时输出数据包；所述当前缓存状态的类型为再缓冲状态或输出状态；当所述持续时间结束时，更换当前缓存状态的类型，并更新当前缓存环境状态的数据；重复执行上述步骤，直到完成数据流中所有数据包的接收。本发明可根据当前缓存环境状态，动态调整各缓存状态的持续时间，有效减少再缓冲时延，降低丢包数量，减轻缓存输出卡顿现象。
-
公开(公告)号：CN116095021A
公开(公告)日：2023-05-09
申请号：CN202310104892.9
申请日：2023-02-09
Applicant: 网络通信与安全紫金山实验室
IPC: H04L47/6275 , H04L47/52
Abstract: 本申请公开了一种调度方法、装置、设备及可读存储介质，方法包括：控制非确定性流进入非确定性队列，根据确定性流调度参数控制确定性流进入确定性队列，采用确定性调度机制对确定性队列调度；根据端口带宽分配参数采用优先级队列调度机制在确定性队列与非确定性队列间调度；参数获取过程为：设定确定性队列采用确定性调度机制、非确定性队列与确定性队列间采用优先级队列调度机制；设置双层优化模型，上层优化目标为最大化非确定性流可用带宽，下层优化目标为最大化确定性流网络吞吐量；对双层优化模型求解得到参数。本申请公开的技术方案，通过双层优化模型进行流调度，以解决确定性流的路由与调度问题，并实现确定性流和非确定性流的混合调度。
-
公开(公告)号：CN114630175A
公开(公告)日：2022-06-14
申请号：CN202210246490.8
申请日：2022-03-14
Applicant: 网络通信与安全紫金山实验室
IPC: H04N21/433 , H04L47/722 , G06N3/04 , G06N3/08
Abstract: 一种缓存管理方法、装置、设备和存储介质，将当前缓存环境状态的数据输入预先训练的缓存管理强化学习模型，得到当前缓存状态的持续时间；根据当前缓存状态的类型在所述持续时间内接收数据流中的数据包，或者在接收数据包的同时输出数据包；所述当前缓存状态的类型为再缓冲状态或输出状态；当所述持续时间结束时，更换当前缓存状态的类型，并更新当前缓存环境状态的数据；重复执行上述步骤，直到完成数据流中所有数据包的接收。本发明可根据当前缓存环境状态，动态调整各缓存状态的持续时间，有效减少再缓冲时延，降低丢包数量，减轻缓存输出卡顿现象。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.027 seconds)
