公开(公告)号：CN118917389B

公开(公告)日：2024-12-20

申请号：CN202411415408.5

申请日：2024-10-11

Applicant: 南京信息工程大学

Inventor： 陈坤 ,  薛羽

IPC: G06N5/01 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0985 ,  G06N3/084

Abstract: 本发明提供了一种基于注意力机制的扩散模型架构搜索方法和系统，所述方法包括：构建扩散模型超网架构，并将注意力机制加入到超网的每个输入节点之后用于特征图的选择，以减少超网前向传播和反向传播过程中的计算量。然后，再将注意力机制加入到超网的候选操作输出特征图之后，以计算每个候选操作的重要性，进而引导选择最优子网。最后，训练超网架构直到收敛，并选择出每条边中注意力权重最大的操作构建最优子网。与传统扩散模型架构搜索相比，本发明的基于注意力机制的扩散模型架构搜索具有稳定、快速的优点。这种方法相比传统的优化方法具有更高的效率和更好的搜索性能，能够更快地找到适合任务的最优神经网络架构。

公开(公告)号：CN118917353A

公开(公告)日：2024-11-08

申请号：CN202411379555.1

申请日：2024-09-30

Applicant: 南京信息工程大学

Inventor： 张晓磊 ,  薛羽

IPC: G06N3/042 ,  G06N3/086

Abstract: 本发明提供了基于性能层级代理辅助的演化神经架构搜索方法和系统，所述方法从图的角度探索神经网络架构的有效表示，采用图神经网络提取网络架构的特征。为了降低演化神经架构搜索的高昂的资源消耗问题，提出预测架构性能层级的代理模型。通过代理模型对架构性能层级的预测，演化神经架构搜索可以充分探索搜索空间，搜索到高性能的网络架构。本发明设计了基于简单路径的交叉算子，尽可能保留父架构中的有效数据处理路径，确保子架构继承父代的优良特性，从而提高性能稳定性。本发明的代理辅助演化神经架构搜索框架可以在任务数据集上以较低的代价搜索到高性能的神经网络架构，为神经网络架构的自动化设计和优化提供了崭新的视角和高效率的方法。

公开(公告)号：CN118278295A

公开(公告)日：2024-07-02

申请号：CN202410712405.1

申请日：2024-06-04

Applicant: 南京信息工程大学 ,  中科南京人工智能创新研究院

Inventor： 陈京祥 ,  张希 ,  薛羽

IPC: G06F30/27 ,  G06N3/092 ,  A63B24/00 ,  A63B71/06 ,  A63B69/00 ,  G09B9/00

Abstract: 本发明提出了一种基于谷歌足球模拟器的强化学习方法，包括：基于谷歌足球模拟器构建谷歌足球环境，获取当前时刻的观测信息；根据观测信息利用训练好的大语言模型生成动作提示信息；根据动作提示信息，利用智能体从策略网络中选择动作并反馈到所述谷歌足球环境；根据动作执行后谷歌足球环境下的足球比赛视频和动作提示信息，利用训练好的视频文本检索模型计算视频与文本的相似度，进而得到相似度奖励；根据观测信息计算足球基础奖励；根据足球基础奖励和相似度奖励得到强化学习总奖励；根据强化学习总奖励，利用近端策略优化算法更新智能体的策略网络的参数。本发明能够在谷歌足球模拟器模拟的谷歌足球环境中提高强化学习性能。

公开(公告)号：CN117874644A

公开(公告)日：2024-04-12

申请号：CN202410043485.6

申请日：2024-01-11

Applicant: 南京信息工程大学

Inventor： 张晨益 ,  薛羽

IPC: G06F18/2415 ,  G06F18/2431 ,  G06F18/211 ,  G06N3/0499 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明公开了一种基于代理模型的改进顺序特征选择方法、系统和设备，属于特征选择领域；本申请包括代理模型训练和最佳子集生成两个阶段；其中代理模型训练阶段中使用带标签的数据集对嵌入注意力机制的神经网络进行训练，通过反向传播算法不断学习，更新注意力层的权值。最佳子集生成阶段中，旨在提高分类精度并减少特征数量，以代理模型训练阶段获得的注意力层为代理模型，将特征根据优劣关系重新排列，将优势特征依次加入子集，结合启发式采样方法，在评估后得到最优特征子集。本发明采用了神经网络嵌入注意力的新型结构，并以基于粗‑细采样的启发式顺序子集生成方法获得最优子集的特征选择两步走形式。

公开(公告)号：CN112911000A

公开(公告)日：2021-06-04

申请号：CN202110135720.9

申请日：2021-02-01

Applicant: 南京信息工程大学

Inventor： 钟水明 ,  周石煜 ,  王元悦 ,  王定成 ,  薛羽

IPC: H04L29/08 ,  H04W84/12

Abstract: 本发明公开了一种基于WIFI探针的高校区域性人流量监测系统，包括WIFI探针采集模块和后台服务器处理模块，所述WIFI探针采集模块对监测区域内的客户端Mac地址进行采集，并将采集的数据传送到后台服务器；所述后台服务器处理模块包括信息设置、数据分析、人流量监测、人流量峰值预警、可用资源分配、人流量饱和解决。本发明利用WIFI探针技术感知用户Mac地址时，用户只需开启客户端的WIFI功能，无需实质的网络连接也能被实时探测Mac地址，在不干扰用户学习、工作的情况下自动完成信息采集，同时通过大数据分析的技术手段分析学生的行为轨迹，预测人流量峰值的信息，进行人流量预警，并合理分析校园资源的利用情况，提供合理的评估和建议。

公开(公告)号：CN105530303A

公开(公告)日：2016-04-27

申请号：CN201510934456.X

申请日：2015-12-15

Applicant: 南京信息工程大学

Inventor： 马廷淮 ,  郝禹 ,  田伟 ,  薛羽 ,  孙乐 ,  钟水明

IPC: H04L29/08

CPC classification number: H04L67/2852

Abstract: 本发明提供一种网络缓存线性替换方法，首先建立一个缓存替换模型作为实验基础，先对网站固定缓存容量大小，然后对其发送大量的访问请求，再对网路缓存中出现的数据信息进行提取分析，同时将向网络中所发送的请求数据按照一定的数量分成不同的序列，这些序列也可以作为实验对象。在该网站的网络缓存存储满时，要对接下来的访问数据与之前已经存储的数据进行替换。在替换的过程中，采用了三种递进式的方法，来设计出了一个最为优秀的缓存替换方法。本发明结合传统的缓存替换方法。通过本设计的缓存替换方法，可以快速的给用户返还所需数据，提高数据查询请求的速度，适合于处理大数据的请求访问。

公开(公告)号：CN105426910A

公开(公告)日：2016-03-23

申请号：CN201510766519.5

申请日：2015-11-11

Applicant: 南京信息工程大学

Inventor： 蒋炯明 ,  薛羽

IPC: G06K9/62

CPC classification number: G06K9/6256

Abstract: 本发明公开了一种基于改进ABC算法与DE变异策略的自适应聚类方法，该方法采用变异和交叉两个操作代替原算法ABC中单一的搜索操作，采用自适应的DE变异策略和新的概率选择值方法代替原方法。本发明在一定程度上解决了传统聚类算法后期容易陷入局部最优的缺点，且搜索速度相对较慢的缺陷，将改进ABC算法与DE结合，重新定义人工蜂位置更新公式，使算法尽可能的跳出局部最优，从而找到全局最优解。该方法的聚类结果更具多样性和准确性，且算法速度及效率都具有一定的优势。

公开(公告)号：CN104346459A

公开(公告)日：2015-02-11

申请号：CN201410629761.3

申请日：2014-11-10

Applicant: 南京信息工程大学

Inventor： 马廷淮 ,  金传鑫 ,  侯荣涛 ,  田伟 ,  薛羽

IPC: G06F17/30

Abstract: 本发明提供一种基于术语频率和卡方统计的文本分类特征选择方法，包括如下步骤：对数据集预处理；把每一个数据对象转换为特征空间的向量；分别计算每个术语在每个文本分类中的最大术语频率和平均术语频率；根据平均术语频率计算术语在每个类中的分布差异度；将每个术语的最大术语频率和分布差异度与传统的卡方统计公式相结合，计算每个术语在每个类中的权重，并取最大值为术语权重；将每个术语权重降序排序，选出权重值最大的前N个术语作为特征。本发明通过对传统的卡方统计进行改进，使在某类出现频率较高的或类内分布均匀的特征项对类别区分的贡献度得到体现，并修正了传统卡方统计方法偏向于低频词的不足。

公开(公告)号：CN104317904A

公开(公告)日：2015-01-28

申请号：CN201410579139.6

申请日：2014-10-24

Applicant: 南京信息工程大学

Inventor： 马廷淮 ,  索夏菲 ,  唐美丽 ,  曹杰 ,  薛羽 ,  钟水明

IPC: G06F17/30

CPC classification number: G06F17/30663 ,  G06F17/30687

Abstract: 本发明公开了一种带权重社会网络的泛化方法，包括：对节点依节点度进行降序排序并分组；泛化已经存在的边的权重，并计算边存在概率；根据匿名组内节点度数不相同的情况寻找候选节点作为新邻居，增加边、安排新边权重并计算边存在概率；遍历所有匿名组集后抽取所有节点敏感属性形成敏感属性包；计算节点间的敏感属性包的最大相似性，根据泛化树，得到敏感属性包的泛化包；遍历K-权重匿名组集，得到满足K-Weighted-inv-l-diversityanonymous图。与现有技术相比，本发明考虑了边的权重，并且考虑了多敏感属性的问题，使得隐私保护方法更加适用于实际的社会网络，可以更好地保护带权重图中的多敏感属性。

公开(公告)号：CN119886226A

公开(公告)日：2025-04-25

申请号：CN202510370248.5

申请日：2025-03-27

Applicant: 南京信息工程大学

Inventor： 蔡坪元 ,  薛羽 ,  田伟 ,  徐昕 ,  钟水明 ,  项正龙 ,  王修来 ,  许艳丹

IPC: G06N3/0464 ,  G06N3/084 ,  G06N3/0455 ,  G06N3/086

Abstract: 本发明公开了一种基于扩散进化算法的神经架构搜索方法，该方法首先构建超网，该超网包括子网，每个子网通过连续编码为每条连接边上的每个操作赋予权重；然后获取不同类别的图片构建成数据集；最后对超网权重和子网编码进行交替优化，直至满足约束条件时停止优化，得到最优子网编码，进而得到神经网络的架构。本发明创新性地将扩散模型的迭代去噪机制与进化算法的全局搜索策略相融合，通过结合扩散模型的去噪机制与进化算法的全局搜索能力，构建超网并交替优化网络权重和子网编码；利用自适应噪声调度和密度估计，增强种群多样性，避免局部最优，能够更好地找到适合任务的最优神经网络架构。