“梁吉业”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64个，建议您升级VIP下载更多相关专利

[发明专利]面向图神经网络的扰动式可解释链接预测方法及装置-CN202310981524.2在审
发明人：王智强;侯韬;梁吉业;郭佳雨;赵兴旺 -专利权人：山西大学
申请日： 2023-08-04 - 公布日： 2023-10-20 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种面向图神经网络的扰动式可解释链接预测方法及装置，涉及链路预测技术领域。包括：获取待解释社交网络中目标节点对的计算图；将计算图输入到构建好的基于图神经网络链接预测模型；根据计算图以及基于图神经网络链接预测模型，得到社交网络中目标节点对的解释子图。本发明可解决基于图神经网络的链接预测可解释性较差问题，提升链接预测结果在社交网络中的可信度。
面向神经网络扰动可解释链接预测方法装置

[发明专利]基于多视图聚类的患者群落识别方法、系统、设备及介质-CN202310738175.1在审
发明人：赵兴旺;王淑君;刘晓琳;梁吉业 -专利权人：山西大学
申请日： 2023-06-20 - 公布日： 2023-09-19 - 主分类号： G16H50/70 文献下载
摘要：本发明公开一种基于多视图聚类的患者群落识别方法及系统，涉及医疗数据处理技术领域，该方法包括：获取设定数量个电子病历的多视图数据；多视图数据中每个视图为设定数量个电子病历的特征数据的集合；为每个视图构建二部图矩阵；基于每个视图的二部图矩阵，为每个视图初始化嵌入矩阵、联合谱嵌入矩阵、聚类指示矩阵和视图权重；根据多视图数据，以及每个视图的嵌入矩阵、联合谱嵌入矩阵、聚类指示矩阵和视图权重构建多视图聚类目标函数；通过迭代更新的方式，最小化多视图聚类目标函数，直到满足迭代停止条件，输出最终的聚类指示矩阵；根据聚类指示矩阵对设定数量个患者进行群落识别。本发明提高了患者群落识别的准确性。
基于视图患者群落识别方法系统设备介质

[发明专利]一种联合语言模型和知识表示学习的常识问答模型及方法-CN202310767917.3在审
发明人：王宇杰;梁吉业;张虎;范越;张广军 -专利权人：山西大学
申请日： 2023-06-27 - 公布日： 2023-09-08 - 主分类号： G06F16/332 文献下载
摘要：本发明涉及深度学习、自然语言处理等领域，具体涉及一种联合语言模型和知识表示学习的常识问答模型及方法，模型包括异构知识图构建模块，文本编码模块，动态剪枝模块，知识表示学习模块，答案推理模块和答案预测模块。本发明在多个知识源的基础上构建异构知识图，并通过引入动态剪枝策略和知识表示学习优化异构知识图的结构和知识表示；同时在语言模型的编码阶段对问答上下文和异构知识图进行融合，实现了更好的推理性能。
一种联合语言模型知识表示学习常识问答方法

[发明专利]一种超图持续学习方法、系统、装置及存储介质-CN202310605381.5在审
发明人：李明;杨骁逸;梁吉业;白璐;陈雨婷 -专利权人：浙江师范大学
申请日： 2023-05-25 - 公布日： 2023-09-05 - 主分类号： G06F16/901 文献下载
摘要：本发明公开了一种超图持续学习方法、系统、装置及存储介质，本发明实施例通过获取超图任务序列，并根据超图任务序列获取已标记顶点和未标记顶点，根据第一预测模型对已标记顶点进行预测，得到预测结果，第一预测模型为已使用过的旧模型，将已标记顶点转换成超点图样本数据对第二预测模型进行训练，得到训练结果，根据预测结果和训练结果确定第二预测模型的参数，根据确定参数的第二预测模型对未标记顶点预测。第二预测模型可应用于第一预测模型适用的超图任务，同时也可应用于新的超图任务。本发明实施例可广泛应用于数据处理技术领域。
一种超图持续学习方法系统装置存储介质

[发明专利]一种基于图对比学习的去偏推荐方法及系统-CN202310765723.X在审
发明人：郭志豪;宋鹏;冯晨娇;梁吉业;姚凯旋 -专利权人：山西大学
申请日： 2023-06-27 - 公布日： 2023-09-05 - 主分类号： G06F16/9535 文献下载
摘要：本发明属于推荐系统技术领域，公开了一种基于图对比学习的去偏推荐方法及系统，方法包括：在知识图谱上利用注意力机制及TransE模型学习实体与关系语义的向量表示；根据实体与关系的向量表示进行数据增强，得到不同视角下的增强知识图谱；根据增强知识图谱计算每个产品的一致性得分并结合用户偏好生成两种增强交互视图；在增强交互视图上生成用户与产品的向量表示；将用户与产品的向量表示进行一种显示不变约束的对比学习训练，自动过滤与用户交互无关的偏差信息；使用过滤之后的向量表示进行推荐交互预测；联合语义、对比和预测损失对模型进行优化。本发明通过图对比数据增强有效过滤了偏差信息对推荐方法的影响，提升了用户使用体验和满意度。
一种基于对比学习推荐方法系统

[发明专利]基于特征拓扑融合的黑盒图对抗攻击方法-CN202310684810.2在审
发明人： 梁吉业;郭宇星;姚凯旋;梁建青 -专利权人：山西大学
申请日： 2023-06-09 - 公布日： 2023-09-01 - 主分类号： G06F21/56 文献下载
摘要：本发明涉及一种基于特征拓扑融合的黑盒图对抗攻击方法，属于人工智能信息安全技术领域。可以在黑盒设置下提高对图神经网络的攻击，技术方案为：本发明方法包括系统初始化模块、节点重要性计算模块、节点排序模块、节点特征扰动构造模块、攻击验证模块。本发明方法在选择重要节点的过程中将图节点特征信息和图拓扑结构信息进行融合，使得选出的节点在特征和拓扑两方面对于图数据都是重要的，攻击者对挑选出的重要节点施加不易察觉的扰动后目标模型性能急剧下降，该方法为模型部署前鲁棒性评估方案提供了新的思路。
基于特征拓扑融合黑盒对抗攻击方法

[发明专利]一种基于主动学习的开放集图像识别方法及系统-CN202310542527.6在审
发明人： 梁吉业;王慧敏;王智强;郭婷 -专利权人：山西大学
申请日： 2023-05-15 - 公布日： 2023-09-01 - 主分类号： G06V10/778 文献下载
摘要：本发明涉及机器学习开放集图像识别技术领域。现有方法对未标记数据的评估和伪标记信息的利用不足，难以学习到类别区分度较高的特征表示；本发明提供一种基于主动学习的开放集图像识别方法及系统，根据给定图像数据集使用Word2Vec生成已见类别的语义表示；训练特征提取模型，并将图像特征的匹配得分，与自适应选择的阈值进行比较，区分开放集样本和已见类样本；通过主动学习策略迭代地将高置信度已见类样本添加到标记数据集中，直到开放集样本都被识别出来；为每个未标记数据进行类别预测。本发明充分利用了未标记数据的伪标记信息，减少开放集样本对分类模型的影响并扩充标记数据集，提升了开放集图像识别的准确率。
一种基于主动学习开放图像识别方法系统

[发明专利]一种半监督智慧城市网络设备识别方法及系统-CN202310570160.9在审
发明人：杜航原;谢富中;王文剑;白亮;梁吉业 -专利权人：山西大学
申请日： 2023-05-19 - 公布日： 2023-08-11 - 主分类号： H04L41/14 文献下载
摘要：本发明提供一种半监督智慧城市网络设备识别方法及系统，属于智慧城市领域。方法包括网络设备数据预处理环节，半监督智慧城市网络设备识别模型的构建环节，半监督智慧城市网络设备识别模型的优化环节，半监督智慧城市网络设备识别模型的训练环节以及半监督智慧城市网络设备识别模型的结果输出环节五个主要组成部分。半监督智慧城市网络设备识别模型由图自编码器模块、自训练聚类模块以及类语义信息模块构建，并设计一个联合优化目标函数，通过最小化目标函数进行模型训练。系统包括计算机处理器和内存、网络设备数据预处理单元、基于半监督智慧城市网络设备识别模型训练单元、基于半监督智慧城市网络设备识别模型结果输出单元。
一种监督智慧城市网络设备识别方法系统

[发明专利]一种融入评论信息的电商网络商品推荐方法及系统-CN202310563819.8在审
发明人：杜航原;白雪;王文剑;白亮;梁吉业 -专利权人：山西大学
申请日： 2023-05-18 - 公布日： 2023-08-11 - 主分类号： G06Q30/0601 文献下载
摘要：本发明提供一种融入评论信息的电商网络商品推荐方法及系统，属于互联网服务推荐领域。方法包括实体属性及其情感抽取环节、用户‑实体属性和实体属性‑商品构建单元、融入评论信息的电商网络商品推荐模型构建及训练环节、融入评论信息的电商网络商品推荐结果输出环节四个部分组成。电商网络商品推荐方法利用图注意力神经网络构建电商网络商品推荐模型，融入评论信息的实体属性及其情感，一定程度上缓解了数据稀疏的问题并且提高了推荐的可解释性。系统包括计算机处理器和内存、实体属性及其情感倾向获取单元、用户‑实体属性和实体属性‑商品构建单元、融入评论信息的电商网络商品推荐模型训练单元、融入评论信息的电商网络商品推荐结果输出单元。
一种融入评论信息网络商品推荐方法系统

[发明专利]一种基于动态超图神经网络的异常检测方法-CN202310306909.9在审
发明人：李明;杨圣鹏;梁吉业;李朝;吴信东 -专利权人：浙江师范大学
申请日： 2023-03-21 - 公布日： 2023-07-28 - 主分类号： G06F18/2433 文献下载
摘要：本发明公开了一种基于动态超图神经网络的异常检测方法，包括：获取预设的节点在多个时刻下的超图，根据每一时刻下的超图中单个节点最大的度对超图进行分解采样，得到节点结构嵌入；获取节点每一时刻的节点特征，作为源节点嵌入，并将每一时刻的节点距离信息同步编码到对应时刻的源节点嵌入中，得到节点距离编码；将节点结构嵌入、源节点嵌入以及节点距离编码输入长短期记忆网络，并经过池化模块，得到边嵌入；根据预设的概率阈值替换边嵌入中的节点，得到负超边嵌入；根据边嵌入、负超边嵌入以及预设的损失函数确定每一时刻下的超图中的异常超边。本发明可以提高超边异常检测模型的准确性，可广泛应用于深度学习与图神经网络异常边检测领域。
一种基于动态超图神经网络异常检测方法

[发明专利]黎曼空间下的半监督多视图度量学习方法-CN202210847014.1有效
发明人：梁建青;梁吉业 -专利权人：山西大学
申请日： 2022-07-07 - 公布日： 2023-07-18 - 主分类号： G06V10/774 文献下载
摘要：本发明公开一种黎曼空间下的半监督多视图度量学习方法，该方法包括以下步骤：从训练集中提取出图像的多视图特征并生成样本对；构造多视图类内、类间散度矩阵，将语义信息嵌入特征子空间，实现数据与知识的迁移和融合；将数据和知识从欧氏空间嵌入到黎曼流形子空间，完成特征映射；进行多视图融合，得到特征的统一表示。通过本发明解决相关技术中对强监督信息和欧氏空间的高度依赖问题，提供了一种新的适用于复杂应用场景和弱监督标注环境的高效度量学习方法，提高了弱监督异质数据挖掘和模式识别相关任务的性能。
黎曼空间监督视图度量学习方法

[发明专利]基于模态交互深层超图神经网络的多模态数据表示方法-CN202310284501.6在审
发明人：李明;施建栋;梁吉业;李朝;吴信东 -专利权人：浙江师范大学
申请日： 2023-03-21 - 公布日： 2023-07-14 - 主分类号： G06F18/23 文献下载
摘要：本发明公开了一种基于模态交互深层超图神经网络的多模态数据表示方法，包括：对多个模态提取词向量；利用尺度点积注意力计算词向量间的注意力矩阵，并确定模态的第一特征矩阵；对模态构建超图，计算第一特征矩阵关于聚类中心的第一隶属度以及超边矩阵关于聚类中心的第二隶属度，并构建超图关联矩阵；根据超图关联矩阵、超边权重矩阵、模态隶属度权重矩阵以及模态基于超边的聚合信息，确定模态的第二特征矩阵；计算各模态间的加权余弦相似度以及邻居模态间的变换权重矩阵，并确定模态的第三特征矩阵；融合第一特征矩阵、第二特征矩阵以及第三特征矩阵，得到融合矩阵。本发明可以准确获取各模态数据间的关联关系，可广泛应用于模态识别领域。
基于交互深层超图神经网络多模态数据表示方法

[发明专利]一种复杂环境下的多无人机运动规划方法及系统-CN202310186719.8在审
发明人：魏巍;张利军;李琳;梁吉业 -专利权人：山西大学
申请日： 2023-03-01 - 公布日： 2023-06-30 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种复杂环境下的多无人机运动规划方法及系统，涉及无人机运动规划领域，所述方法，包括：构建多无人机在t时刻的环境模型；所述环境模型包括：各无人机的状态空间、各无人机的动作空间、各无人机的观测空间、状态转移模型、观测模型和奖励模型；根据t时刻的环境模型，采用集员滤波方法估计各无人机在t时刻的信念状态；将所有无人机在t时刻的信念状态输入无人机决策网络中，得到各无人机在t时刻的动作；所述无人机决策网络是基于Q‑mix网络构建的。本发明能实现适应于复杂环境的高效无碰撞路径规划。
一种复杂环境无人机运动规划方法系统

[发明专利]一种基于远程-短程依赖图学习的点云分类与分割方法-CN202310241163.8在审
发明人： 梁吉业;杜子金;梁建青;姚凯旋 -专利权人：山西大学
申请日： 2023-03-13 - 公布日： 2023-06-09 - 主分类号： G06V10/764 文献下载
摘要：本发明属于点云分析技术领域，具体涉及一种基于远程‑短程依赖图学习的点云分类与分割方法。本发明通过计算点云全局范围和局部范围的的点对连接权重，分别在点云上构建了远程依赖图与短程依赖图。随后，引入先验知识针对远程依赖图与短程依赖图分别设计图结构损失，指导图结构的学习。随后，根据阈值与topK策略选择邻居节点设计图上的卷积操作并融合图上的节点特征。最后，通过图池化技术逐步降低点云的尺寸并堆叠多次图结构学习与图卷积操作并针对不同的任务构建了相应的深度神经网络。本发明能够端到端地将点云构建为图以更好地服务于后续的特征提取于点云分析任务，并且已成功地应用于点云分类、零件分割和语义分分割任务。
一种基于远程短程依赖学习分类分割方法

[发明专利]一种基于动态超图表示学习的社交推荐方法-CN202310291550.2在审
发明人：李明;丁爽爽;梁吉业;李朝;吴信东 -专利权人：浙江师范大学
申请日： 2023-03-21 - 公布日： 2023-06-02 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于动态超图表示学习的社交推荐方法，包括：获取多个超图，每个超图根据若干个用户和若干个项目在设定时间段内的关联关系确定；其中，用户和项目作为超图的节点，用户间的社交关系，以及用户与项目间的购买关系作为超图的超边；将多个超图分别输入超图卷积神经网络和注意力神经网络，并经过长短期记忆网络，得到用户嵌入和项目嵌入；根据用户嵌入和项目嵌入确定每一用户对每一项目的预测得分。本发明在社交推荐使时考虑了时间推移对用户与用户、用户与项目间的关系影响，根据用户嵌入和项目嵌入确定每一用户对每一项目的预测得分，可以确定每一用户对每一项目的喜欢程度，从而作出准确推荐，可广泛应用于社交推荐领域。
一种基于动态超图表示学习社交推荐方法

1
2
3
4
5
下一页»
尾页
共 64 条