“石舒豪”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果16个，建议您升级VIP下载更多相关专利

[发明专利]基于有价值样本挖掘的图神经网络不平衡数据分类方法-CN202310489472.7在审
发明人：陈岚;李冬;石舒豪;贾绍胜;师硕魁;李斌 -专利权人：郑州大学
申请日： 2023-04-28 - 公布日： 2023-08-01 - 主分类号： G06F18/2415 文献下载
摘要：本发明公开了一种基于有价值样本挖掘的图神经网络不平衡数据分类方法，所述基于有价值样本挖掘的图神经网络不平衡数据分类方法包括：S1：基于输入的图数据结构计算各图节点的梯度模长；S2：根据所述图节点的梯度模长，计算图节点的梯度密度；S3：根据所述图节点的梯度密度，重构损失函数，得到重构后的损失函数；S4：根据重构后的损失函数，以图神经网络模型的传播规则为基准对所述图节点进行特征学习，直到所述图神经网络模型的最后一层输出节点的特征表示；S5：根据所有所述图神经网络模型的输出节点的特征表示，利用图神经网络模型进行节点分类。本发明能够显著提高图神经网络在不平衡数据上的分类准确率。
基于有价值样本挖掘神经网络不平衡数据分类方法

[发明专利]基于社交媒体交互关系的低置信度样本的伪标签生成方法-CN202211521165.4在审
发明人：陈岚;石舒豪;刘敏;陈晒天;吴熙 -专利权人：郑州大学
申请日： 2022-11-30 - 公布日： 2023-06-23 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种基于社交媒体多种交互关系的低置信度样本的伪标签生成方法。该方法包括：利用社交媒体存在的M种交互关系构造得到M个不同的社交网络账号交互关系拓扑图；使用M个不同的社交网络账号交互关系拓扑图分别对M个图神经网络进行训练，得到M个模型；使用M个模型得到样本节点的预测标签；计算关于每个样本节点的M个预测标签之间的一致性；若样本节点对应的一致性值低于置信度阈值，则该样本节点为低置信度样本；在每个模型下，针对每个低置信度样本，根据其邻域非低置信度样本的预测标签投票校正该低置信度样本的预测标签；聚合M个模型对该置信度样本校正后的预测标签，得到最终的预测标签作为该置信度样本的伪标签。
基于社交媒体交互关系置信样本标签生成方法

[发明专利]基于生成对抗网络的图神经网络少数类别样本生成方法-CN202211286991.5在审
发明人：陈岚;吴熙;石舒豪;刘敏;陈晒天 -专利权人：郑州大学
申请日： 2022-10-20 - 公布日： 2023-01-24 - 主分类号： G06N3/09 文献下载
摘要：本发明提供一种基于生成对抗网络的图神经网络少数类别样本生成方法。该方法包括：步骤1：初始化生成对抗网络的生成器和判别器；步骤2：迭代更新生成器和判别器的参数直至达到给定要求，然后使用达到要求的生成器生成少数类别的新节点；步骤3：根据原始图中的样本训练边预测器；步骤4：使用训练好的边预测器构造所述新节点的边连接关系，最终得到一个平衡的图数据。
基于生成对抗网络神经网络少数类别样本方法

[发明专利]一种多通道图神经网络伪标签选择方法-CN202210962776.6在审
发明人：闫镔;石舒豪;白禄鑫;陈健;乔凯;王林元;宋宝杰;海金金 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2022-08-11 - 公布日： 2022-12-27 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种多通道图神经网络伪标签选择方法。该方法包括：步骤1：构建训练集和多通道图神经网络；步骤2：采用所述训练集数据对所述多通道图神经网络进行训练；其中，一个图数据作为一个通道的输入；步骤3：将未标注的图数据分别作为训练好的多通道神经网络的各个通道的输入并得到各个通道输出的图数据节点的伪标签集合；步骤4：计算各个通道输出的伪标签集合的交集，使用所述交集中的伪标签对所述图数据未标注的节点进行标注后，将其加入至训练集数据；步骤5：重复步骤2至步骤4，直至达到终止条件；步骤6：将N个图神经网络的输出进行聚合，然后使用注意力机制得到最终的输出。
一种通道神经网络标签选择方法

[发明专利]一种基于主动学习的恶意账号检测方法及装置-CN202210965246.7在审
发明人：乔凯;石舒豪;闫镔;陈健;马德魁;王争艳;张弛;侯力彬;彭骐 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2022-08-12 - 公布日： 2022-12-02 - 主分类号： G06F21/30 文献下载
摘要：本发明属于恶意账号检测技术领域，提出一种基于主动学习的恶意账号检测方法及装置，该方法包括：首先构建图神经网络和账号的拓扑连接图，然后使用训练集样本对图神经网络进行预训练，使用预训练的图神经网络得到账号节点的伪标签，利用账号在拓扑连接图的邻域标签一致性的值，筛选出更有价值的样本进行标注和更可靠的伪标签，然后，将标注样本和可靠的伪标签共同用于模型的训练，最后基于最终训练好的图神经网络深度学习检测模型进行恶意账号检测。在相同的标注量下，本发明提升了模型的恶意账号检测正确率。
一种基于主动学习恶意账号检测方法装置

[发明专利]基于邻域去偏的图对比学习方法及系统-CN202211063188.5在审
发明人：乔凯;石舒豪;闫镔;陈健;海金金;杨帅;宋宝杰;杨杰 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2022-08-31 - 公布日： 2022-12-02 - 主分类号： G06K9/62 文献下载
摘要：本发明属于图对比学习技术领域，特别涉及一种基于邻域去偏的图对比学习方法及系统，针对给定的图数据，利用不同图变换方式来获取对应图变换下的图视图；获取原始图中的节点特征向量，并根据节点特征向量对图视图中的所有节点进行聚类，通过将节点划分到对应的类别簇来获取节点的聚类类别；去除对比学习损失函数中每个节点负样本对中与该节点聚类结果相同且处于其m阶邻域的其他节点，减小了对比学习损失函数中的偏差。本发明通过不同图变换来构造样本数据，并在模型训练中通过去除对比学习中每个节点负样本对中与该节点聚类结果相同的节点，在增加少量计算量的条件下，能够大大减小负样本对的偏差，提高图对比学习模型的性能，便于下游任务中的应用。
基于邻域对比学习方法系统

[发明专利]基于集成神经辐射场的人脸视频表情迁移模型构建方法及表情迁移方法和系统-CN202210999247.3在审
发明人：陈健;杨帅;闫镔;乔凯;梁宁宁;王林元;石舒豪;杨杰 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2022-08-19 - 公布日： 2022-11-29 - 主分类号： G06T17/00 文献下载
摘要：本发明属于人工智能技术领域，特别涉及一种基于集成神经辐射场的人脸视频表情迁移模型构建方法及表情迁移方法和系统，通过构建集成神经辐射场人脸表情迁移模型，其中，所述迁移模型中包含：集成渲染生成器，其由n个用于查询采样帧图像空间密度和颜色的子生成器组成；及用于对n个子生成器进行加权求和的权重控制器；根据人物类别收集视频数据，将视频数据分解为若干张帧图像，按时间顺序将若干张帧图像均分n份，利用均分的帧图像集构建样本数据，训练优化子生成器，以样本数据中的表情向量为权重控制器的输入，利用权重控制器调整子生成器的输出权重以获取最终训练优化后的迁移模型。本发明在面部重现的重建质量、身份保持、表情和姿态转换等方面都有更加稳定和优越的表现，具有较好的应用前景。
基于集成神经辐射视频表情迁移模型构建方法系统

[发明专利]基于pix2pix的PCB灰度图像着色方法及系统-CN202010931067.2有效
发明人：闫镔;陈健;梁宁宁;杨帅;乔凯;王林元;魏月纳;石舒豪;谢鹏飞 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2020-09-07 - 公布日： 2022-11-01 - 主分类号： G06F30/31 文献下载
摘要：本发明属于PCB板检测测量技术领域，特别涉及一种基于pix2pix的PCB灰度图像着色方法及系统，收集图像数据集；构造pix2pix网络模型，包含：用于生成器和辅助训练生成器的判别器；利用图像数据集中PCB灰度图像数据作为模型中生成器输入、利用PCB对应彩色图像数据和生成器生成的着色图像作为判别器输入，对pix2pix网络模型生成器进行调优训练和参数调整，以获取收敛后的网络模型，并确定用于目标图像着色处理的最终pix2pix网络模型；将待着色的目标PCB灰度图像输入最终pix2pix网络模型中，通过该网络模型中生成器生成着色图像并输出。本发明根据PCB实物各组成部分的灰度图像特点实现自动化PCB着色方案，突出PCB要素分布，增强PCB着色的真实感，便于PCB电路板检测测量，具有较强应用前景。
基于 pix2pix pcb 灰度图像着色方法系统

[发明专利]一种基于在线知识蒸馏的图神经网络模型压缩方法-CN202210772505.4在审
发明人：闫镔;石舒豪;乔凯;陈健;王林元;杨杰;王争艳;马德魁 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2022-07-02 - 公布日： 2022-10-25 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种基于在线知识蒸馏的图神经网络模型压缩方法，包括：步骤1：构建N个图神经网络学生模型；步骤2：对原始图数据进行N次独立的图数据增强，得到N个不同的新的图数据，将N个新的图数据分别作为N个图神经网络学生模型的输入；步骤3：基于N个图神经网络学生模型的输出构建图神经网络教师模型的输出；步骤4：采用标准的交叉熵损耗，对所有网络进行端到端训练，并设置多任务损失函数，然后通过神经网络优化器最小化多任务损失函数的值以完成整个图神经网络模型的训练。
一种基于在线知识蒸馏神经网络模型压缩方法

[发明专利]一种结合采样和集成学习的不平衡图数据处理方法-CN202210778358.1在审
发明人：陈健;石舒豪;闫镔;王林元;乔凯;舒君;马舒啸;魏月纳 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2022-07-04 - 公布日： 2022-10-25 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种结合采样和集成学习的不平衡图数据处理方法。该方法包括：构建M个图神经网络基分类器GNN1,GNN2,GNN3,…,GNNM；采用欠采样算法对原图数据进行M次独立采样得到M组图数据将M组图数据分别作为M个图神经网络基分类器的训练集，其中，图数据中的一个节点对应训练集中的一个样本；采用对应的训练集按照顺序依次训练对应的基分类器，一个基分类器对应一轮训练过程，并基于前面所有轮已训练好的基分类器模型来训练当前轮待训练的基分类器直至训练完成所有的基分类器；对所有的基分类器模型进行加权融合，得到最终的集成分类器模型。
一种结合采样集成学习不平衡数据处理方法

[发明专利]一种面向图数据节点分类的通用扰动攻击方法-CN202210778368.5在审
发明人：陈健;石舒豪;闫镔;乔凯;王林元;杨帅;秦若熙;李英 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2022-07-04 - 公布日： 2022-10-25 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种面向图数据节点分类的通用扰动攻击方法。该方法包括：步骤1：设置扰动的目标节点和攻击节点，以及设置给定的需要对抗攻击的图神经网络模型对扰动后图数据节点分类的平均正确率阈值σ；步骤2：确定扰动类型，然后根据扰动类型，对攻击节点执行对应类型下的扰动操作；所述扰动类型包括特征扰动和结构扰动；步骤3：执行完当前次的扰动操作后，计算给定的需要对抗攻击的图神经网络模型对扰动后图数据节点分类的平均正确率，若所述平均正确率不小于所述平均正确率阈值σ，则依次更换攻击节点并对更新后的攻击节点继续执行下一次扰动操作，直至扰动后的平均正确率小于所述平均正确率阈值σ。
一种面向数据节点分类通用扰动攻击方法

[发明专利]异质图元路径自动评估的恶意账号检测方法及装置-CN202210779964.5在审
发明人：陈健;石舒豪;闫镔;乔凯;王林元;杨帅;王骞;郭宇琦 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2022-07-04 - 公布日： 2022-10-25 - 主分类号： G06K9/62 文献下载
摘要：本发明属于图神经网络技术领域，具体涉及一种异质图元路径自动评估的恶意账号检测方法及装置，该方法包括获取社交媒体网络的信息，构建社交网络关系异质图；在异质图神经网络的每一层进行账号、帖子和社区不同类型实体特征投影；在异质图神经网络的每一层进行账号、帖子和社区不同类型实体节点类型内聚合；在异质图神经网络的每一层进行账号、帖子和社区不同类型实体节点类型间聚合；通过计算异质图神经网络元路径的得分，发现最优的元路径，从而进行恶意账号检测。本发明可以实现社交网络关系异质图中元路径的自动搜索和挖掘，解决了异质图恶意账号检测方法中，元路径需要人工设计的问题。
异质图元路径自动评估恶意账号检测方法装置

[发明专利]基于异质图神经网络的社交网络恶意账号检测方法及装置-CN202210780783.4在审
发明人：乔凯;石舒豪;闫镔;陈健;王林元;舒君;魏月纳;白禄鑫 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2022-07-04 - 公布日： 2022-10-25 - 主分类号： G06K9/62 文献下载
摘要：本发明属于图神经网络技术领域，具体涉及一种基于异质图神经网络的社交网络恶意账号检测方法及装置，该方法包括获取社交网络的信息，构建社交网络关系异质图；获得社交网络特征矩阵；从社交网络中选取正常账号和恶意账号进行标记，构建训练集；构建异质图神经网络，并使用训练集数据训练异质图神经网络；根据异质图神经网络的输出得到账号的类型为正常账号或恶意账号。本发明通过构建社交网络关系异质图有效地利用社交网络实体的特征和实体与实体之间的多种交互关系，通过训练异质图神经网络，实现恶意账号的自动检测。
基于异质图神经网络社交网络恶意账号检测方法装置

[发明专利]一种基于深度强化学习的单晶炉智能控制方法及装置-CN202210790129.1在审
发明人：闫镔;杨杰;乔凯;陈健;石舒豪;杨帅;蔡爱龙;宋宝杰;马德魁 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2022-07-06 - 公布日： 2022-10-21 - 主分类号： G05B13/04 文献下载
摘要：本发明公开一种基于深度强化学习的单晶炉智能控制方法及装置，该方法包括：步骤1，构建深度强化学习网络；步骤2，将单晶炉各种状态信息和状态下动作的量化奖励输入构建的深度强化学习网络中，训练深度强化学习模型；步骤3，向训练好的深度强化学习模型中输入实时采集的单晶炉内部生产状态图像，获得最优设备控制动作；步骤4，根据最优设备控制动作智能控制单晶炉生产。本发明通过使用强化学习的方法，将单晶硅的一个生产流程看做一次强化学习决策，将单晶硅的生产质量作为决策奖励，把单晶炉内的视觉图像作为状态，训练出不同状态下的最优单晶炉控制动作，可以大大降低单晶硅生产的人力成本，减小经验误差。
一种基于深度强化学习单晶炉智能控制方法装置

[发明专利]一种使用单导设备的脑电静息态身份认证方法及装置-CN201910343082.2有效
发明人：童莉;张融恺;曾颖;舒君;闫镔;石舒豪;杨凯;宋喜玉 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2019-04-26 - 公布日： 2021-06-08 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种使用单导设备的脑电静息态身份认证方法及装置。该方法包括：获取待认证目标的原始脑电信号；对原始脑电信号进行数据预处理，得到标准脑电信号；数据预处理包括去噪处理、数据分段处理和数据基线矫正；对标准脑电信号进行信号特征提取，信号特征提取包括时域特征提取、频域特征提取和时频域特征提取，所述时频域特征为IMF‑2特征；根据信号特征的瑞利商对时域特征、频域特征和IMF‑2特征进行特征筛选；利用设定的集成分类器对筛选后的信号特征进行分类，得到身份认证结果。该装置包括：信号获取单元、数据预处理单元、特征提取单元、特征筛选单元和身份认证单元。本发明能够将时间降低到10秒内，且可提高分类结果的稳定性和正确率。
一种使用设备脑电静息态身份认证方法装置

1
2
下一页»
尾页
共 16 条