“毛科龙”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7个，建议您升级VIP下载更多相关专利

[发明专利]确定目标化合物的反应物的方法、设备、装置、介质-CN201911113717.6有效
发明人： 毛科龙;赵沛霖 -专利权人：腾讯科技（深圳）有限公司;深圳市腾讯计算机系统有限公司
申请日： 2019-11-14 - 公布日： 2023-06-20 - 主分类号： G16C20/10 文献下载
摘要：本公开提供了一种确定目标化合物的反应物的方法、设备、装置、介质，所述方法包括：获取所述目标化合物的拓扑结构的表征向量，其中，所述拓扑结构包括结点和边，所述边表示相连的结点之间的关联关系，所述拓扑结构的表征向量包括结点的表征向量和边的表征向量；利用拓扑结构特征提取神经网络基于所述目标化合物的拓扑结构的表征向量生成结点的特征向量；按照所述目标化合物的文本表示，基于所述结点的特征向量生成序列向量；基于所述序列向量，利用翻译神经网络生成所述反应物的表征向量。
确定目标化合物反应物方法设备装置介质

[发明专利]一种基于图神经网络的包粒度网络流量分类方法-CN202211066931.2有效
发明人：胡光武;毛科龙;但唐仁;廖龙;延霞;刘云霞 -专利权人：深圳信息职业技术学院
申请日： 2022-09-01 - 公布日： 2023-06-09 - 主分类号： H04L47/2441 文献下载
摘要：本发明公开了一种基于图神经网络的包粒度网络流量分类方法，包括如下步骤：S1、数据包图构建：将数据包内的字节作为节点，字节与字节间的相关信息作为边，来将数据包转换为一个无向图，得到数据包图；S2、表征学习：利用两层图卷积网络学习所述数据包图中每个节点的表征，并将这些节点的表征进行聚合，得到所述数据包图的表征；S3、分类：将所述数据包图的表征送入分类层，输出网络流量分类结果。本发明将数据包转换为图像图后，利用图神经网络强大的处理复杂图的能力来分析数据包结构，更好地学习数据包图的表征，有助于显著提升网络流量分类效果和分类准确率。
一种基于神经网络粒度网络流量分类方法

[发明专利]一种短视频推荐方法-CN202110242999.0有效
发明人：肖喜;吴偌灏;夏树涛;毛科龙;江勇;王兴军 -专利权人：清华大学深圳国际研究生院
申请日： 2021-03-05 - 公布日： 2022-08-12 - 主分类号： G06F16/9536 文献下载
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。
一种视频推荐方法

[发明专利]一种可识别未知流量的网络流量分类方法和终端设备-CN201910314329.8有效
发明人：肖喜;毛科龙;夏树涛;郑海涛;江勇 -专利权人：清华大学深圳研究生院
申请日： 2019-04-18 - 公布日： 2022-04-05 - 主分类号： H04L47/2441 文献下载
摘要：本发明提供一种可识别未知流量的网络流量分类方法和终端设备，方法包括：网络流量数据通过初始网络流量分类模型时，基于信息熵的阈值判断法判断网络流量数据是否为未知流量；未知流量属于新的类别；若网络流量数据为已知类别的流量则基于平衡损失的动态自适应算法为初始网络流量分类模型加入增量学习新的类别的能力，得到实时网络分类模型；把新的类别的损失和已知类别的蒸馏损失结合为平衡损失来作为实时网络分类模型的损失函数。网络流量分类模型在准确识别已知类别流量的同时，也能很好地识别未知类别流量，同时能够动态自适应当前网络环境中最新的流量，及时地自我更新，始终保持较高的分类准确率，非常适用于实时在线网络流量分类任务。
一种识别未知流量网络流量分类方法终端设备

[发明专利]基于多阶马尔科夫链的流量异常检测方法-CN201910301114.2有效
发明人：肖喜;毛科龙;夏树涛;郑海涛;江勇 -专利权人：清华大学深圳研究生院
申请日： 2019-04-15 - 公布日： 2022-03-11 - 主分类号： H04L41/08 文献下载
摘要：本发明公开了一种基于多阶马尔科夫链的流量异常检测方法，包括：利用正常历史流量数据构建基于马尔科夫模型的流量正常行为轮廓，并训练得到马尔科夫模型的参数；基于EWMA和滑动窗口机制，利用t时刻的预测值和滑动窗口内网络流的出现概率的标准差，构建t时刻的判定阈值；对t时刻的网络流，判断其数据包的状态，以将t时刻的网络流转化为状态序列It；利用训练好的马尔科夫模型计算状态序列It的出现概率Pr(It)，并将该出现概率Pr(It)与t时刻的判定阈值σt进行比较；若Pr(It)＞σt，则判定t时刻的网络流为正常流量；否则，判定t时刻的网络流为异常流量。
基于多阶马尔科夫链流量异常检测方法

[发明专利]一种网络流量分类方法-CN201910314300.X有效
发明人：肖喜;毛科龙;夏树涛;郑海涛;江勇 -专利权人：清华大学深圳研究生院
申请日： 2019-04-18 - 公布日： 2021-12-14 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种网络流量分类方法，包括构建轻量级分类模型；所述构建轻量级分类模型包括如下步骤：S1：基于自步学习的深度神经网络流量去噪算法训练网络流量分类模型；S2：基于正则化损失知识蒸馏的模型压缩技术，将所述网络流量分类模型压缩成轻量级网络流量分类模型。通过一种新的基于自步学习的深度神经网络流量去噪算法，并结合知识蒸馏技术，对网络流量分类模型进行压缩，得到最终的轻量级网络流量分类模型。有效提升网络流量分类方法的鲁棒性、分类准确率和分类速度。
一种网络流量分类方法

[发明专利]一种匹配方法以及相关设备-CN202010617595.0在审
发明人：卢彪;朱杰明;毛科龙;何秀强 -专利权人：华为技术有限公司
申请日： 2020-06-30 - 公布日： 2020-11-13 - 主分类号： G06F16/901 文献下载
摘要：本申请涉及人工智能领域中的标签匹配技术，公开了一种匹配方法以及相关设备。方法包括：同一图结构数据中包括搜索对象的描述信息和类别信息这两类不同的信息，将图结构数据输入图神经网络，通过图神经网络执行特征更新操作，以得到的第一特征，第一特征在与搜索对象的描述信息对应的特征基础上，融合了类别信息的特征，根据第一特征，生成指示搜索对象与各个预定义特征之间的预测匹配率的第一预测匹配信息，根据第一预测匹配信息、正确匹配信息和损失函数，对图神经网络进行训练。相对于仅利用搜索对象的描述信息为搜索对象匹配预定义特征，提高了匹配结果的精度；利用图神经网络充分融合类别信息，进一步提高结果的精度。
一种匹配方法以及相关设备