-
公开(公告)号：CN111291890B
公开(公告)日：2021-01-01
申请号：CN202010399728.1
申请日：2020-05-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种博弈策略优化方法、系统及存储介质，该博弈策略优化方法包括建立基于最大熵的策略递度算法步骤和多智能体最优反应策略求解步骤。本发明的有益效果是：本发明采用中心化训练和分散式执行的方式，提高动作估值网络的准确性，同时引入了全局基线奖励来更准确地衡量智能体的动作收益，以此来解决人博弈中的信用分配问题。同时引入了最大熵方法来进行策略评估，平衡了策略优化过程中的探索与利用。
-
公开(公告)号：CN111260040A
公开(公告)日：2020-06-09
申请号：CN202010370070.1
申请日：2020-05-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于内在奖励的视频游戏决策方法，包括以下步骤：S1、获取视频游戏模拟环境；S2、构建神经网络模型；S3、设计内在奖励模型；S4、将内在奖励模型与构建的神经网络模型结构结合；S5、通过模拟环境获取游戏的记录；S6、通过获取的游戏记录，更新神经网络模型；S7、循环训练神经网络模型直至收敛。本发明的有益效果是：较好的解决了三维场景中较为常见的缺乏环境反馈奖励值的问题。
-
公开(公告)号：CN117592527B
公开(公告)日：2024-11-26
申请号：CN202410074807.3
申请日：2024-01-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/0499 , G06N3/084 , G06F18/214 , G06F21/60
Abstract: 本发明公开了一种基于函数秘密共享的隐私保护神经网络训练方法及装置，来支持实用的安全神经网络训练，该框架具有较小的常数轮在线通信复杂度，在不降低模型精度的情况下降低离线通信成本，同时离线阶段通过使用安全两方计算友好的伪随机生成器，采用分布式比较函数密钥生成方案来取代可信第三方。本发明通过提出了具有最小密钥大小的通信优化的分布式比较函数，无需较大函数秘密共享密钥量；通过设计离线阶段，在离线阶段生成相关随机性用于在线阶段函数计算，使得在线阶段只需1轮通信即可，从而大大减少通信量。
-
公开(公告)号：CN118249980A
公开(公告)日：2024-06-25
申请号：CN202410399028.0
申请日：2024-04-03
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于同态加密和安全外包矩阵的隐私保护机器学习方法及装置，方法包括：由密钥生成中心KGC基于同态加密算法的KeyGen函数进行初始化，生成公钥pk、私钥sk和评估密钥evk，然后将初始化参数parmas、公钥pk和评估密钥evk发送给云服务方S，将初始化参数parmas、私钥sk和公钥pk发送到客户端C；客户端C基于同态加密算法的Enc函数完成矩阵数据的打包和加密，并将加密后的密文传输至云服务方S；云服务方S通过基于同态加密技术的安全矩阵运算方法对接收到密文进行安全矩阵运算，得到密文结果；云服务方S将经过安全矩阵运算得到的结果密文发送回客户端，客户段对收到的密文进行解密。通过本发明可以安全高效的完成隐私保护的计算。
-
公开(公告)号：CN117592527A
公开(公告)日：2024-02-23
申请号：CN202410074807.3
申请日：2024-01-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/0499 , G06N3/084 , G06F18/214 , G06F21/60
Abstract: 本发明公开了一种基于函数秘密共享的隐私保护神经网络训练方法及装置，来支持实用的安全神经网络训练，该框架具有较小的常数轮在线通信复杂度，在不降低模型精度的情况下降低离线通信成本，同时离线阶段通过使用安全两方计算友好的伪随机生成器，采用分布式比较函数密钥生成方案来取代可信第三方。本发明通过提出了具有最小密钥大小的通信优化的分布式比较函数，无需较大函数秘密共享密钥量；通过设计离线阶段，在离线阶段生成相关随机性用于在线阶段函数计算，使得在线阶段只需1轮通信即可，从而大大减少通信量。
-
Patent Agency Ranking
公开(公告)号：CN115600012A
公开(公告)日：2023-01-13
申请号：CN202211523157.3
申请日：2022-12-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)(CN)
IPC: G06F16/9535 , G06F8/75 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于知识增强和结构对比的API推荐方法，包括以下步骤：步骤1，代码预处理构图；解析源代码，提取方法、API和结构节点以及它们之间的关系，构成调用关系图和层次结构图；步骤2，知识增强的图嵌入学习；使用图卷积神经网络GCN在调用关系图上传播信息来细化方法和API的初始嵌入表示，同时用翻译模型TransH学习层次结构图中的实体和关系的嵌入表示；步骤3，多任务学习；包括主要的API推荐任务和辅助的对比学习任务。本发明的有益效果是：本发明提出了知识增强的图嵌入学习，使得方法和API的嵌入向量中不仅建模了调用交互还融合了代码中的层次结构信息，优化了方法和API的表示，达到更准确的推荐效果。
-
公开(公告)号：CN112819052A
公开(公告)日：2021-05-18
申请号：CN202110094267.1
申请日：2021-01-25
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及机器视觉技术领域，公开了一种多模态细粒度混合方法、系统、设备和存储介质，所述多模态细粒度混合方法包括：从多模态图文数据中提取数据特征，并获取数据特征的各个组成成分；数据特征包括视觉区域特征和文本单词特征；对数据特征的各个组成成分的模态信息进行细粒度分类，得到分类结果；根据分类结果，对各个组成成分进行来自模态内和模态间的信息融合，得到融合特征。本发明实施例提供的多模态细粒度混合方法在多模态细粒度混合时不以模态为单位进行，考虑到了各模态中不同组成成分的特点，所处上下文环境的差异，选择对应的合适的交互方式，可以使得多模态模型在利用多模态数据互补的特点的同时，避免不相关信息的影响。
-
公开(公告)号：CN118280435A
公开(公告)日：2024-07-02
申请号：CN202410311424.3
申请日：2024-03-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了基于异构网络的癌症驱动基因挖掘和可解释性分析方法，方法包括：构建多组学异构网络，并通过所述多组学异构网络提取节点初始特征；通过沿特定元路径随机游走的方式构建信息传递子图，并进行基于元路径的异构网络特征提取，得到基因节点的表示向量；将基因节点的表示向量输入多层线性分类器，利用所述多层线性分类器进行节点分类，输出癌症驱动基因的分析结果。本发明通过包含多头注意力和自注意力机制的网络表征算法计算元路径内部的表示向量，以及通过全局注意力的方式计算每种元路径对于分类问题的贡献权重，可以得到一个鲁棒性更强效果更好的癌症驱动基因预测结果。
-
公开(公告)号：CN117454941B
公开(公告)日：2024-04-26
申请号：CN202311801348.6
申请日：2023-12-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/0464 , H04L9/08 , G06N3/08
Abstract: 本发明公开了一种基于函数秘密共享的安全二值神经网络推理系统。该系统包括输入层、隐含层和隐含层，根据实际神经网络结构设置若干个安全全连接运算单元、安全卷积运算单元、安全批量归一化运算单元、安全二值激活函数运算单元和安全最大池化运算单元。本发明通过生成矩阵乘法三元组，并基于此构建了高效的安全全连接层运算单元和安全卷积运算单元，结合离线‑在线计算范式，大大减少了客户端所需的计算和通信。此外，本发明基于函数秘密共享技术构建了安全二值激活函数运算单元和安全最大池化运算单元，能够支持混合位宽计算，减少了非线性函数计算所需的通信代价。
-
公开(公告)号：CN117692181A
公开(公告)日：2024-03-12
申请号：CN202311602943.7
申请日：2023-11-28
Applicant: 浙江工业大学 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L9/40 , H04L67/12 , G06N3/0464 , G06N3/0985
Abstract: 一种基于元学习框架的面向物联网安全的网络入侵检测和系统，该方法包括：1)对网络流量的属性标准化处理，再将数据根据元学习的框架进行划分；2)使用两个权重共享的卷积神经网络作为特征提取模块对网络流量数据进行特征提取；3)使用欧式距离来对样本对进行比对，提取两个样本的特征距离信息；4)在模型训练的阶段，使用编码损失函数和对比损失函数结合来优化模型训练；5)利用距离度量，进行对样本的分类；6)利用基准数据集模拟网络流量的小样本情况来评估模型的性能。本发明提出一种基于元学习框架的面向物联网安全的流量检测方法，适用于可用样本稀少的情况，适应小样本场景，满足物联网的资源限制和实时性需求。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.059 seconds)
