|
|
钻瓜专利网为您找到相关结果 15个，建议您 升级VIP下载更多相关专利
- [发明专利]一种融合长短期记忆网络与注意力机制的时间序列预测方法-CN202310027489.0在审
-
李卫榜;温显昀;李玲;崔梦天
-
西南民族大学
-
2023-01-09
-
2023-07-14
-
G06N3/0442
- 本发明公开了一种融合长短期记忆网络与注意力机制的时间序列预测方法，包括：(1)输入数据编码，对输入的时间序列数据使用长短期记忆网络LSTM进行编码处理，并对输出向量进行批量归一化处理；(2)注意力权重计算，对编码层输出的当前时刻的隐藏状态数据，计算当前时刻的注意力权重，得到注意力层的输出向量；(3)时间序列数据预测，对注意力层输出向量通过解码器计算得到初始输入时间序列所对应的预测输出值，再通过全连接层的relu激活函数计算得到预测时间序列；(4)在真实时间序列数据集上使用本发明融合长短期记忆网络与注意力机制的时间序列的模型与主流时间序列预测模型进行对比，以此验证本发明时间序列预测模型的性能优劣。研究结果表明，本发明提出的融合长短期记忆网络与注意力机制的时间序列预测模型比目前主流的时间序列预测模型预测效果要好。
- 一种融合短期记忆网络注意力机制时间序列预测方法
- [发明专利]一种基于图结构的跨项目软件缺陷预测方法-CN202310157635.1在审
-
崔梦天;龙松林;陈雅茜
-
西南民族大学
-
2023-02-23
-
2023-06-09
-
G06F11/36
- 本发明公开了一种基于图结构的跨项目软件缺陷预测方法，该方法包括：首先将软件映射为类依赖图，并通过社区划分算法将类依赖图分解为多个子图，图中节点的属性为类的缺陷度量元。然后构建跨项目软件缺陷预测模型，该模型为一个基于生成对抗思想改进的图神经网络，包括三个部分，特征学习网络、判别网络和分类网络，用图卷积层构建特征学习网络，学习节点特征向量，判别网络和分类网络由多层感知机构成，用于消除项目之前分布差异性和实现节点的缺陷分类。接着训练构建的模型，最后对目标项目中的类进行是否有缺陷的辨别。本发明提出的方法通过研究软件图结构的特性，同时用生成对抗网络思想改进图神经网络，在学习软件图结构信息的同时实现了跨项目软件缺陷预测。
- 一种基于结构项目软件缺陷预测方法
- [发明专利]一种基于复杂网络和图神经网络的软件缺陷预测方法-CN202210374658.3有效
-
崔梦天;龙松林;姜玥;郭曌阳;余伟;赵海军
-
西南民族大学
-
2022-04-11
-
2023-03-24
-
G06F11/36
- 本发明公开了一种基于复杂网络和图神经网络的软件缺陷预测方法，该方法包括：(1)利用understand静态代码分析工具对软件源码进行分析，得到软件的类依赖关系，将其视为软件图结构的边；(2)将节点本身的软件缺陷度量元作为图结构中节点的属性；(3)将软件的图结构进行分解，通过复杂网络中的社区划分算法Louvain对图结构进行处理，得到多个子图；(4)构建图神经网络模型，首先模型的输入将是软件的多个子图，需要对每个子图都进行图卷积，每个子图之间互不影响，然后图结构将经过4次图卷积，每一层图卷积得到的节点表征向量都将用来缺陷预测，包括初始特征信息，最后给每层结果一个权重，并相加得到最终的结果；(5)对已知的数据进行类不平衡处理，将数据和标签输入到图神经网络模型中，将输出的标签和真实标签经过交叉熵损失函数处理，再通过梯度下降算法调整模型中的可学习参数；(6)利用训练好的模型对未知的数据进行缺陷预测。
- 一种基于复杂网络神经网络软件缺陷预测方法
- [发明专利]一种对抗样本生成方法-CN202211125507.0有效
-
杜垚;吴箐箐;崔梦天
-
西南民族大学
-
2022-09-16
-
2023-01-10
-
G06F8/53
- 本发明属于对抗网络技术领域，其目的在于提供一种对抗样本生成方法。本发明公开了一种对抗样本生成方法。本发明能够批量产生对抗样本，同时绕过更多类型安全检测算法的扫描。具体地，本发明在实施过程中，在特征提取方面，依次获取数据样本的静态特征信息和动态特征信息后，对静态特征信息和动态特征信息中的特征项进行融合，得到特征向量，然后进行特征项筛选，得到筛选后特征向量，在此过程中，采用多特征项融合及筛选的方法，可便于形成更有效的特征向量，利于提升特征提取的精度。
- 一种对抗样本生成方法
- [发明专利]一种异构边缘算力网络任务调度方法-CN202210430760.0在审
-
李卫榜;李玲;崔梦天;谭颖
-
西南民族大学
-
2022-04-22
-
2022-10-14
-
G06F9/48
- 本发明提出一种异构边缘算力网络任务调度方法，该方法包括：定义任务模型，用四元组表示；根据设备计算能力构建算力矩阵，根据计算设备存储空间情况构建存储空间矩阵，根据任务所需数据的分布构建数据资源矩阵；根据计算任务响应时间矩阵得到资源匹配度矩阵，基于均衡分配思想构建负载均衡度评估矩阵，根据上述矩阵构建综合匹配度矩阵；对每一个待调度任务计算近似最优带宽分配方案；基于综合匹配度构建任务集合与边缘计算设备集合之间的映射图，根据映射图基于最小费用流策略得到初步任务调度策略集合并精简，得到最终的任务调度策略。本发明的方法能够有效提高算力资源利用率、存储资源利用率、网络带宽利用率，同时能够提升用户满意度。
- 一种边缘网络任务调度方法
- [发明专利]一种基于ELECTRA与神经网络模型的知识图谱实体识别方法-CN202210430762.X在审
-
李卫榜;佘文浩;李玲;崔梦天;谭颖
-
西南民族大学
-
2022-04-22
-
2022-08-12
-
G06F16/36
- 本发明公开了一种基于ELECTRA与神经网络模型的知识图谱实体识别方法，包括：(1)文本预处理，为避免实体边界模糊问题，对输入的文本信息添加[cls]标记作为句子开头，添加[seq]标记作为句子结尾标记；(2)基于ELECTRA模型的处理，从文本预处理得到的添加了句子开头和结尾标记的作为ELECTRA模型的输入，基于Mask机制随机掩盖部分实体，得到随机Mask文本，由生成器对掩盖内容进行预测，假定预测被掩盖内容为xt，经生成器预测出的输出的语句流向判别器，判别器判断预测出来的xt是否是来自于数据本身而不是生成器生成的，输出带有词性标注的字；(3)基于双向长短记忆网络BiLSTM模型的处理，步骤2输出的结果作为BiLSTM层的输入，通过BiLSTM层，就可以将句子的语义信息增强，其中的每个字都取得上下文的语义特征；(4)CRF模型层处理，步骤3的输出作为CRF模型层的输入，求出状态转移特征函数，计算标签的得分，输出序列标签为输出概率最大的标签集合。本发明的方法不仅可以有效提高实体识别的准确率，而且有助于降低能耗以及提升训练速度。
- 一种基于electra神经网络模型知识图谱实体识别方法
|
