“寿黎但”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85个，建议您升级VIP下载更多相关专利

[发明专利]一种云端多预训练语言模型管理和推断方法、电子设备-CN202310379689.2在审
发明人： 寿黎但;胡鹏飞;陈珂;王珏;李环;骆歆远 -专利权人：浙江大学
申请日： 2023-04-11 - 公布日： 2023-09-12 - 主分类号： G06F16/31 文献下载
摘要：本发明公开了一种云端多预训练语言模型管理和推断方法、电子设备，包括通过分发器接收租户发出的模型管理请求和推断请求；其中，模型管理请求具体为租户发起一模型管理请求以改变vBert模型实例树的内容和结构；通过管理器构建并维护浅层特征查找表，更新vBert模型实例树；通过调度器采用流水线的方式调度并且处理模型管理请求和推断请求。
一种云端训练语言模型管理推断方法电子设备

[发明专利]基于声明式推理的协同查询处理方法、系统、电子设备-CN202310660570.2在审
发明人： 寿黎但;陈珂;邱志林;李环;骆歆远 -专利权人：浙江大学
申请日： 2023-06-05 - 公布日： 2023-08-22 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了基于声明式推理的协同查询处理方法、系统、电子设备，包括：步骤S1，将查询文本输入至语法分析器得到语法分析树，进而利用关系代数运算符替换语法分析树中的节点和结构，产生关系代数表达式，并利用代数定律进行等价转化，得到逻辑查询计划；步骤S2，将逻辑查询计划转换为中间查询计划；包括：基于类别约束和精度约束为逻辑查询计划中的DIF查找代价最小的NN模型；步骤S3，将中间查询计划转换成物理查询计划；包括：通过确定实现DIF的NN模型的运行方式为中间查询计划中的每个算子选择实现方式，以获取代价最低的物理查询计划。
基于声明推理协同查询处理方法系统电子设备

[发明专利]基于浅层特征预训练的联邦学习大模型进行文本分类的方法-CN202310401602.7在审
发明人：陈珂;王鑫澳;寿黎但;李环;陈刚 -专利权人：浙江大学
申请日： 2023-04-07 - 公布日： 2023-08-01 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了一种基于浅层特征预训练的联邦学习大模型进行文本分类的方法，包括：服务端获取全局模型；客户端获取全局模型的初始参数，并根据全局模型的初始参数和服务端指定的待训练的处理层编号l构建本地模型，对本地模型进行训练；客户端将更新的第l层处理层的参数以及输出层参数上传至服务端进行聚合，得到更新的参数，更新服务端的全局模型，并将更新的参数下发给各个客户端进行新一轮的联邦学习训练；客户端从服务端得到更新的参数和服务端新指定的待训练的处理层编号l'，重复进行联邦学习；完成联邦学习后，服务端使用各个客户端聚合得到的参数替换全局模型的对应参数，得到进一步预训练好的全局模型，微调后进行专业领域的文本分类。
基于特征训练联邦学习模型进行文本分类方法

[发明专利]一种基于联邦学习和注意力机制的跨域推荐方法与装置-CN202310398860.4在审
发明人：陈珂;丁宇佳;李环;寿黎但;陈刚 -专利权人：浙江大学
申请日： 2023-04-06 - 公布日： 2023-07-14 - 主分类号： G06F16/9535 文献下载
摘要：本发明实施例提供了一种基于联邦学习和注意力机制的跨域推荐方法与装置，包括：获取用户的源域特征向量；在各个客户端上分别构建跨域推荐模型，根据源域特征向量获取用户的领域共享特征，根据用户的标识、商品的标识分别获取用户的领域特定特征和商品特征向量；对领域共享特征和领域特定特征进行聚合，得到混合特征向量；基于混合特征向量与商品特征向量进行推荐预测，得到用户对商品的偏好概率；基于联邦学习机制，训练所有客户端上的跨域推荐模型。本发明保障用户特征可以从源域准确迁移到目标域，又考虑了用户在不同领域偏好的多样性，从而提高推荐预测的准确率。
一种基于联邦学习注意力机制推荐方法装置

[发明专利]一种激励驱动的链上半异步联邦学习方法-CN202211393015.X在审
发明人： 寿黎但;林泓;李圣权;毛云青;郁强;李开民;陈珂 -专利权人：浙江大学;城云科技（中国）有限公司
申请日： 2022-11-08 - 公布日： 2023-05-16 - 主分类号： G06N3/098 文献下载
摘要：本发明公开了一种激励驱动的链上半异步联邦学习方法，该方法提出将联邦学习任务部署在区块链平台上，利用区块链平台所流通的数字货币来奖励对联邦学习做出贡献的参与者，并利用智能合约来实现完全去中心化地协调多参与者协同配合，在不暴露各方数据隐私的前提条件下迭代多轮优化任务所需的全局模型，同时保证联邦学习过程中的信息不被篡改且能够被查询。与传统的联邦学习方法相比，本发明一方面可以吸引更多的参与者持续为联邦学习贡献本地算力和通信资源，另一方面可以提高联邦学习抵抗恶意攻击的能力，防止所训练模型被恶意参与者操控，能够适应于各种在信任难以建立的环境之中的联邦学习。
一种激励驱动上半异步联邦学习方法

[发明专利]一种激励驱动的联邦欺诈防御方法-CN202211393072.8在审
发明人：陈珂;尹钰;李圣权;毛云青;郁强;李开民;寿黎但 -专利权人：浙江大学
申请日： 2022-11-08 - 公布日： 2023-04-04 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种激励驱动的联邦欺诈防御方法，本发明首先提出了激励驱动的联邦欺诈者模型，提出保护隐私与验证信息真实性之间的矛盾。进而，提出了一种激励驱动的联邦欺诈防御方法，确保欺诈者无法满足其目标的激励/花费比值来上报与激励分配相关的本地信息，而不是通过遵守学习规则获得与其本地数据集相关的真实的本地信息，即参与者有较少的经济动机来产生一个编造的本地信息而不是真实的本地信息。实验表明，该防御方法能够有效抵御欺诈者，并且不会给客户和服务器带来过多的传输和计算代价。
一种激励驱动联邦欺诈防御方法

[发明专利]一种内存数据库中的工作负载自适应学习型索引方法-CN202110162262.8有效
发明人： 寿黎但;陈井爽;陈珂;陈刚;骆歆远 -专利权人：浙江大学
申请日： 2021-02-05 - 公布日： 2023-03-21 - 主分类号： G06F16/22 文献下载
摘要：本发明公开了一种内存数据库中的工作负载自适应学习型索引方法。该方法结合基数树和具有最大误差界的分段线性模型，通过机器学习模型利用数据分布来降低索引的内存占用，同时保持稳定的查询性能。在此基础上，使用一种高效的插入缓冲来降低数据插入更新的成本，同时为了缓解数据插入对索引性能的影响，使用两种工作负载自适应的重组优化方法，有针对性地对工作负载中点查询和范围查询涉及的热点数据进行优化。该方法具有较高的构建效率和较低的内存占用，也保证了相对高效的查询性能，并且能够很好地支持插入和更新；同时通过感知查询工作负载有针对性地进行重组优化，以较低的代价降低了插入对于索引性能的影响。
一种内存数据库中的工作负载自适应学习索引方法

[发明专利]一种基于异质客户端感知的联邦主动学习方法-CN202211393730.3在审
发明人： 寿黎但;陈珂;张俊;郁强;李开民;李圣权;毛云青 -专利权人：浙江大学;城云科技（中国）有限公司
申请日： 2022-11-08 - 公布日： 2023-02-03 - 主分类号： G06N3/091 文献下载
摘要：本发明公开了一种基于异质客户端感知的联邦主动学习方法。初始轮，客户端在自身私有数据上使用交叉熵损失进行本地模型训练；完成本地训练后，上传本地更新至服务器；服务器执行聚合获得新一轮的全局模型，并下发给所有客户端。客户端收到新的全局模型并开始本地训练前，执行采样操作。首轮外，本地训练不仅计算交叉熵损失，客户端还将基于前一轮记录的认知波动信息对抽取的无标签子集进行分类，并额外计算一个对齐损失项，以校准模型的决策边界，避免在不准确模型上浪费标注预算。本发明解决了现有联邦主动学习方法在异质场景下失效的问题。一方面更有效地衡量了样本信息量，另一方面能训练更准确地模型，从而减少模型的认知波动以提升模型性能。
一种基于客户端感知联邦主动学习方法

[发明专利]基于标签自适应文本表征的大规模多标签文本分类方法-CN202211395781.X在审
发明人：陈珂;彭程;寿黎但;骆歆远;陈刚 -专利权人：浙江大学
申请日： 2022-11-08 - 公布日： 2023-01-31 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于标签自适应文本表征的大规模多标签文本分类方法。本发明首先探索文本的标签自适应表征，来同时有效地处理在大规模多标签分类下的头标签与尾标签的分类性能；利用预训练的语言模型为文本学习一个表征池，从而使得不同的标签可以关注不同的表征完成相关性判别。同时考虑到深度模型和长文本的特性，提出了文本表征增强，保证池中表征的差异性和全面性。因此，本发明能够给大规模标签提供有效的判别性文本特征来提升预测性能。与目前的大规模多标签算法相比，本发明一方面可以保证大规模多标签的整体分类性能，另一方面也保证尾标签能更好地关注细节文本特征，其性能优于当前最先进的大规模多标签算法。
基于标签自适应文本表征大规模分类方法

[发明专利]基于决策树的数据库代价模型参数优化方法及其查询方法-CN202211054493.8在审
发明人：伍赛;贺婷婷;杨佳妮;陈刚;陈珂;寿黎但 -专利权人：浙江大学
申请日： 2022-08-31 - 公布日： 2023-01-06 - 主分类号： G06F16/242 文献下载
摘要：本发明公开了一种基于决策树的数据库代价模型参数优化方法及其查询方法。针对特定软硬件设置下的数据库实例，本发明建立了一棵数据库代价模型参数树，使用数据库配置参数、查询语句特征作为分裂维度对参数空间进行分区，每个分区中通过对训练样本的线性拟合求解最优的代价模型参数。在运行过程中，参数树为不同参数配置及数据分布下的查询语句分配不同的代价模型参数，从而进行精准的代价预测。实验表明该方法提高了传统基于规则的估计模型的预测准确度，优化了数据库的查询性能。
基于决策树数据库代价模型参数优化方法及其查询

[发明专利]一种基于元学习的弱监督图像多标签分类方法-CN202110162956.1有效
发明人：陈刚;陈珂;董合德;寿黎但;骆歆远 -专利权人：浙江大学
申请日： 2021-02-05 - 公布日： 2022-11-15 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于元学习的弱监督图像多标签分类方法，属于图像处理技术领域。该方法为解决因标签缺失无法有效建模标签依赖关系问题，提出一个基于标签信息增强的图像多标签分类模型，采用编码‑解码架构的神经网络，以序列标注的形式，依次判断标签序列中的标签是否相关，获得图像的相关标签。应对弱监督环境存在的监督信息不足导致模型过拟合现象，本发明提出了基于元学习的教师‑学生网络架构训练方法，进一步提高了图像标注的准确率。
一种基于学习监督图像标签分类方法

[发明专利]一种基于树状模型的复杂自然语言查询转SQL方法-CN202110183393.4有效
发明人：陈珂;陈刚;赵猛;寿黎但;胡天磊 -专利权人：浙江大学
申请日： 2021-02-08 - 公布日： 2022-11-11 - 主分类号： G06F16/242 文献下载
摘要：本发明公开了一种基于树状模型的复杂自然语言查询转SQL方法，该方法首先针对于输入的数据库进行预筛选，获取与自然语言查询相关的TOP K个表格，将多表查询转化为单表查询，并适配于数据库规模较大从而无法将信息输入到自然语言查询转SQL模型的情况；然后针对于复杂的SQL语句自顶向下地拆解为多叉树形式，每个结点代表一个模块，由此构建了一个树状模型来预测复杂SQL语句各模块的输出；最后针对于SQL语句值抽取的任务，将值抽取从树状模型中分离出来，共享权重来同时抽取SQL中不同子句的值。本发明的基于树状模型的复杂自然语言查询转SQL方法框架可以解决自然语言查询转SQL任务中的多表复杂查询问题。
一种基于树状模型复杂自然语言查询 sql 方法

[发明专利]一种基于中间语法树的多轮自然语言转SQL方法-CN202010842798.X有效
发明人：陈刚;王侠侠;伍赛;陈珂;寿黎但;江大伟;宋明黎 -专利权人：浙江大学
申请日： 2020-08-20 - 公布日： 2022-08-05 - 主分类号： G06F16/242 文献下载
摘要：本发明公开了一种基于中间语法树的多轮自然语言转SQL方法。为解决传统端到端方法存在自然语言和SQL间的语义代沟，忽略了SQL内在的语法逻辑等问题，本发明设计了一种类SQL的中间语法树文法，以非端到端的方式，采用编码‑解码架构的语法神经网络，在轮次维度上迭代，按照语法树逻辑由粗到细的两阶段生成每一轮的中间语法树，并在后处理阶段推理生成SQL。应对多轮会话间语义依赖导致生成SQL局部重叠现象，本发明提出了对历史生成SQL的复用策略，进一步地提高了转化准确率。本发明在智能数据库系统等场景中具有广泛的应用前景。
一种基于中间语法自然语言 sql 方法

[发明专利]一种工作负载自适应单层LSMT的键值数据索引方法-CN202010244527.4有效
发明人：陈珂;周信静;寿黎但;骆歆远;伍赛;江大伟;陈刚 -专利权人：浙江大学
申请日： 2020-03-31 - 公布日： 2022-06-21 - 主分类号： G06F16/22 文献下载
摘要：本发明公开了一种工作负载自适应单层LSMT的键值数据索引方法。该方法对传统的日志结构合并树(Log‑Structured‑Merge Tree，LSMT)进行了优化，去除了多层设计和固定内存表容量设计，引入了单层LSMT和动态容量内存表的设计。该方法将写入首先将写操作以顺序的方式写入存储设备上的日志文件中，再修改内存表。当内存表的大小达到了容量限制，转换成一个只读内存表，并在后台线程中将只读内存表表合入存储设备上的单层LSMT结构中。在此基础上，本方法能够根据工作负载中的键值读写分布自动优化存储结构。该索引方法能够同时降低对存储设备的读写放大，提升系统吞吐和存储设备寿命。同时针对工作负载做出自适应的优化，进一步提升系统性能。
一种工作负载自适应单层 lsmt 键值数据索引方法

[发明专利]一种基于模型特征信息增强的BERT模型融合方法-CN202210176359.9在审
发明人：陈珂;骆歆远;寿黎但;杨浩磊;陈刚 -专利权人：浙江大学
申请日： 2022-02-25 - 公布日： 2022-06-03 - 主分类号： G06N20/20 文献下载
摘要：本发明公开了一种基于模型特征信息增强的BERT模型融合方法，该方法首先对所有的原模型进行部分模型融合，生成对应的中间模型，这些中间模型包含了原模型的特征信息，对原有模型进行了增强。然后对原有模型和中间模型共同进行模型融合，生成最终的新模型本发明通过增强原模型的特征信息，使得融合后的新模型可以获取到更多原模型相关的特征信息，进而提高了融合后新模型的表现效果。相比于直接对原有模型进行融合，本方法通过引入中间模型对原有模型进行增强，可以有效地提升原模型的特征信息，进而提高融合后新模型的表现效果。
一种基于模型特征信息增强 bert 融合方法

1
2
3
4
5
6
下一页»
尾页
共 85 条