专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果33个,建议您升级VIP下载更多相关专利
  • [发明专利]一种传播控制方法及装置-CN202310798139.4在审
  • 刘洋;梁光博;王茜;朱培灿;王震 - 西北工业大学
  • 2023-06-30 - 2023-10-10 - G16H50/80
  • 本发明公开了一种传播控制方法及装置,涉及复杂网络技术领域。用于解决现有的传染病传播控制方法,存在复杂度太高、以及没有考虑传播特性导致从网络中移除节点过多而导致适用性低的问题。该方法包括:将初始传播网络中包括的每个边从所述初始传播网络中移除,得到第一传播网络;遍历第一重要性序列包括的每个边,令其为第一边,当第一边的REDL重要性的值小于初始边重要性阈值时,将第一边添加到第一传播网络和初始重要性序列的首部;当第一重要性序列为空时,将初始传播网络包括的A个最重要边移除;当确定稳定状态下的感染节点的比例小于设定值时,确定完全控制传播需要移除的边的比例。
  • 一种传播控制方法装置
  • [发明专利]具有增量动态的复杂连续动作迭代困境模型的建立方法-CN202310646219.8在审
  • 于登秀;孙蕾;金军委;王震;朱培灿 - 西北工业大学
  • 2023-06-02 - 2023-08-29 - G05B13/04
  • 本发明公开了具有增量动态的复杂连续动作迭代困境模型的建立方法,属于人工智能技术领域,包括以下步骤:步骤1、建立原始智能体通讯拓扑;步骤2、连续动作迭代困境增量更新;步骤3、更新后包含增量智能体的全体无人机继续进行博弈;步骤4、增值增量进化动力学的收敛性分析。通过上述方式,本发明采用具有增量动态的复杂连续动作迭代困境模型来描述无人机系统的动态维度变化,提高无人机群作战中智能体面对复杂多变环境的能力;其次,通过增量更新方法避免对原始无人机群无效刷新,用加权邻接矩阵来表示无人机之间的关系,采用增量更新方法对状态矩阵和邻接矩阵进行更新,可更好地分析智能体数量变化时的动态。
  • 具有增量动态复杂连续动作困境模型建立方法
  • [发明专利]一种谣言传播源溯源方法及装置-CN202310171740.0在审
  • 朱培灿;成乐;高超;王震;李学龙 - 西北工业大学
  • 2023-02-27 - 2023-08-22 - G06Q50/00
  • 本发明公开了一种谣言传播源溯源方法及装置,涉及传播动力学技术领域。用以解决现有的谣言传播源溯源方法,存在用户和传播信息复杂性高、源节点和非源节点之间类不平衡的问题。包括:当确定社交网络中有用户节点被谣言感染时,获取所述社交网络的社交网络快照,并基于所述社交网络快照构建以用户节点表示的第一特征向量;根据用户节点的第一特征向量和图注意力网络中包括的可训练参数矩阵,确定用户节点周围的每个邻居节点的注意力系数以及用户节点通过图注意力网络的第一输出特征向量;基于损失函数确定用户节点的最终输出特征向量的训练损失,当训练损失收敛时,确定谣言传播源。
  • 一种谣言传播溯源方法装置
  • [发明专利]一种基于动态网络表示学习的链路预测方法-CN202110280461.9有效
  • 李向华;朱俊优;高超;王震;朱培灿;李学龙 - 西北工业大学
  • 2021-03-16 - 2023-08-18 - G06Q50/00
  • 本发明公开了一种基于动态网络表示学习的链路预测方法,包括:获取动态网络的邻接矩阵;通过计算动态网络节点间的相似度值,构建快照网络的相似度矩阵;将图卷积神经网络应用到单个快照网络中进行特征聚合,并利用邻接矩阵和相似度矩阵指导特征聚合过程,确定节点的低维特征表示;将节点的低维特征表示输入到逻辑回归分类器中,获得动态网络的链路预测结果。本发明通过基于相似性的聚合策略,能够确保当前时刻网络上的节点低维表示质量。通过利用在卷积神经网络中使用的互信息最大化策略,得到蕴涵网络全局结构信息的节点低维向量表示,基于这些节点的低维向量表示输入逻辑回归分类器,可以输出链路预测结果。
  • 一种基于动态网络表示学习预测方法
  • [发明专利]一种情感-原因对提取方法及装置-CN202310474990.1在审
  • 朱培灿;王博韬;崔晓东;高超;王震 - 西北工业大学
  • 2023-04-27 - 2023-08-11 - G06F16/33
  • 本发明公开了一种情感‑原因对提取方法及装置,属于深度学习与情感分析领域。该方法包括:根据情感因果对抽取ECPE文本包括的单词隐藏状态权重和每个单词的隐藏状态,确定ECPE文本对应的第一子句特征和第一子句特征向量;根据第一子句特征、图注意力网络和语义依赖邻接矩阵,得到图神经网络的子句邻接矩阵;根据第一子句特征向量和图神经网络的子句邻接矩阵,得到图神经网络对应的第二子句特征和第二子句特征向量;根据情感原因对特征、图注意力网络和子句对之间匹配可能性矩阵得到图神经网络对应的子句对特征和子句对特征向量;通过训练分类器对图神经网络对应的子句对特征向量进行预测,得到情感‑原因对预测概率。
  • 一种情感原因提取方法装置
  • [发明专利]一种虚假新闻的识别方法及装置-CN202310512825.0在审
  • 朱培灿;画佳恒;崔晓东;高超;王震 - 西北工业大学
  • 2023-05-08 - 2023-08-01 - G06F40/289
  • 本发明公开了一种虚假新闻的识别方法及装置,属于深度学习与数据挖掘领域。通过该方法可以解决现有针对虚假新闻的判断存在准确度低的问题。该方法包括:通过自注意力机制依次确定文本特征序列和图像特征序列分别对应的文本判断因子和图像判断因子;通过注意力机制、所述文本特征序列和所述图像特征序列,依次确定文图序列和图文序列,根据所述文图序列和所述图文序列得到模态融合判断因子;通过损失函数依次确定文本判断因子、图像判断因子和模态融合判断因子分别对应的预测结果,根据所述预测结果确定所述训练集合对应的新闻数据集的真实性。
  • 一种虚假新闻识别方法装置
  • [发明专利]一种基于有目标数据增强的对抗攻击方法-CN202310416256.X在审
  • 郭森森;李晓宇;朱培灿;慕志颖;赵金雄 - 西北工业大学
  • 2023-04-18 - 2023-07-14 - G06V10/44
  • 本发明提供一种基于有目标数据增强的对抗攻击方法,属于深度学习与计算机视觉领域。技术方案为:首先,生成深度神经网络(Deep Neural Network,DNN)在输出特定分类下对输入图片的类激活图(Class Activation Map,CAM)矩阵,并按照不同比例将CAM矩阵中数值较大的部分元素进行掩盖。然后,分别将掩盖后的CAM矩阵与输入图片进行融合来对输入图片进行增强。之后,将每个融合后的图片各复制多份,并将所复制的每一份图片的像素值按照不同比例缩放。随后,计算所有生成的图片的平均梯度信息并更新动量信息。最后,根据动量信息计算对抗扰动并更新对抗样本。重复以上步骤T次直至生成最终的对抗样本。与其他发明技术相比,本发明基于输入图片中不同区域对于DNN输出结果的贡献程度对输入图片进行有目标数据增强,在不降低白盒攻击成功率的前提下,可以显著提升所生成对抗样本的迁移性。
  • 一种基于目标数据增强对抗攻击方法
  • [发明专利]一种基于样本映射的少样本水声目标识别方法-CN202310330326.X在审
  • 崔晓东;朱培灿;薛洋涛;王震;李学龙 - 西北工业大学
  • 2023-03-30 - 2023-06-27 - G10L25/51
  • 本发明提供了一种基于样本映射的少样本水声目标识别方法;包括:步骤1,在基数据集上做分类任务训练一个特征提取模块用以对新类的特征提取;步骤2,使用训练好的特征提取模块对新类的样本进行特征提取,并计算每个类的平均特征,根据样本对每个类的中心特征的相似度来将基数据集上的样本映射至新类组成的类型空间中,并给其标记上伪标签;步骤3,使用带伪标签的基数据集样本和支持集样本共同对模型进行微调以拟合新类的特征识别。本发明方法针对在少样本的情况下对水中目标进行检测时,相比于其他的模型具有更高的准确率,同时在加噪的情况下同样可以获得较好的效果。
  • 一种基于样本映射目标识别方法
  • [发明专利]一种聚合信息差异的神经网络结合时间序列预测的方法-CN202110886769.8有效
  • 高超;刘浩;李向华;王震;朱培灿;李学龙 - 西北工业大学
  • 2021-08-03 - 2023-05-05 - G06Q10/04
  • 本发明公开一种聚合信息差异的神经网络结合时间序列预测的方法,属于深度学习与智能交通领域,能够同时捕获地铁客流数据的时间和空间特征,本发明提出一种新的基于聚合信息差异最大化的方法对图卷积网络的傅里叶域中定义的平滑滤波器进行改进。本发明通过GateRecurrentUnit模型中的门控机制,在捕获当前时刻的客流信息的同时,仍然尽最大可能保留了历史信息的变化趋势,充分考虑了客流信息之间的时间依赖关系,最后,在真实交通网络上海地铁交通网络上进行测试,可以判断出本发明能够有效的抵消图神经网络的傅里叶域中定义的平滑滤波器对预测结果的影响,解决了在预测峰值客流数据时预测结果偏平滑而导致的预测精度不高的问题。
  • 一种聚合信息差异神经网络结合时间序列预测方法
  • [发明专利]一种网络攻击知识图谱的行为预测系统-CN202110998430.7有效
  • 朱培灿;尹纾;高超;郭森森;李晓宇 - 西北工业大学
  • 2021-08-27 - 2023-02-24 - H04L9/40
  • 本发明公开了一种网络攻击知识图谱的行为预测系统,下载访问路径模型、攻击数据图谱、生成数据图谱、智能巡查模块、防护网、异常数据、恶意数据分析、关节节点匹配、攻击预测、放行、拦截、诱捕节点和蜜罐、深度分析。网络攻击知识图谱的行为预测系统,通过防护网和智能巡查模块的配合,防护网在指定的路径位置上,对各种路径数据进行检测,起到基础防护作用,同时也对恶意攻击者起到迷惑作用,而智能巡查模块通过大数据抽选,随机在路径上进行检测,如此不容易被恶意攻击者发现和捕捉,也防止恶意攻击者通过简单的补丁包等技术手段绕过防护网,如此增加的攻击者的攻击成本和攻击时间,给数据图谱提供了完善时间。
  • 一种网络攻击知识图谱行为预测系统
  • [发明专利]基于双滑动窗口的图神经网络文本情感分类方法-CN202110547737.5有效
  • 李向华;吴欣俣;高超;王震;朱培灿;李学龙 - 西北工业大学
  • 2021-05-19 - 2023-01-31 - G06F16/35
  • 本发明涉及文本情感分类技术领域,且公开了基于双滑动窗口的图神经网络文本情感分类方法,采用全局滑动窗口获取单词对之间的权重,采用PMI互信息计算权重。该基于双滑动窗口的图神经网络文本情感分类方法,引入全局滑动窗口和局部滑动窗口来构建文本级图,全局窗口在文本之间滑动用来确定单词连边权重,局部滑动窗口在文本内滑动用来确定单词之间连边情况;采用门控图神经网络更新节点,综合考虑邻居节点信息和边的权重更新当前节点;引入注意力机制学习单词节点权重,采用最大池化和平均池化结合的方式学习图表示进行分类。本发明采用全局窗口局部窗口来获取全局信息和局部信息,并且能获取多样性的全局信息,高效融合全局信息和局部信息。
  • 基于滑动窗口神经网络文本情感分类方法
  • [发明专利]一种无监督特征选择方法、装置、设备和存储介质-CN202210640089.2在审
  • 朱培灿;侯鑫;高超;刘洋;赵银平;王震 - 西北工业大学
  • 2022-06-08 - 2022-11-11 - G06V10/771
  • 本发明公开了一种无监督特征选择方法、装置、设备和存储介质,涉及机器学习中的降维领域,解决了受原始数据中包含的噪声和冗余等不良特征的影响,导致在特征选择中最终所选特征不是最优特征的问题。无监督特征选择方法具体包括:获取n个目标对象中每个目标对象的初始特征数据,确定任意两个目标对象的第一相似度,构建第一相似矩阵;基于第一相似矩阵构建第二相似矩阵,对第二相似矩阵进行迭代学习得到目标相似矩阵以及相应的目标投影矩阵,根据初始特征数据和目标投影矩阵确定目标特征数据。本发明将相似矩阵的构造和特征选择两个过程整合到一个统一的框架中,可以得到最优的相似矩阵。
  • 一种监督特征选择方法装置设备存储介质

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top