-
公开(公告)号：CN118312408B
公开(公告)日：2024-11-05
申请号：CN202311727809.X
申请日：2023-12-14
Applicant: 中国人民解放军国防科技大学
IPC: G06F11/36
Abstract: 本发明提供了一种数据处理流程调试方法、系统及设备，涉及数据处理流程调试领域，方法包括：当数据交换区中的数据发生变化时，产生断点事件以及读写事件；利用事件监听器监听断点事件以及读写事件，并向用户接口发送显示读计数、写计数指令，以及，向调试控制器发送增加断点指令；利用调试控制器根据断点指令构建断点队列以及根据用户接口发送的控制指令向数据交换区发送操作指令，实现单步调试执行；利用断点监视器通过调试控制器监视断点队列中的断点，并向用户接口发送显示中断状态指令；根据用户接口预览指令，显示断点位置处的数据，设定数据过滤条件，为检查数据是否符合预期提供辅助手段调试。本发明能够提高调试效率。
-
公开(公告)号：CN114896335B
公开(公告)日：2024-08-02
申请号：CN202210482436.3
申请日：2022-05-05
Applicant: 中国人民解放军国防科技大学
IPC: G06F16/27 , G06F16/28 , G06F16/2455 , G06F16/242 , G06F9/48
Abstract: 本申请涉及一种数据库的数据转储方法、系统、计算机设备和存储介质。所述方法包括：根据待转储数据库中数据的数据模式文件，在目标数据库建立匹配的数据模式，并建立待转储数据库中数据的数据内容文件列表的任务列表；任务列表中包括多个任务对象；根据数据内容文件列表的记录数目，建立多线程；在线程中，根据任务对象的关系数据，采用预先构建的PrepareStatement对象对任务列表中的任务对象执行批量写入操作。采用本方法能够提高大数据量的数据转储效率。
-
公开(公告)号：CN117852650B
公开(公告)日：2024-07-23
申请号：CN202410022900.X
申请日：2024-01-05
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明提供一种考虑时间约束的多目标攻防资源分配方法及系统，所述方法包括以下步骤：获取两阶段资源分配规划数据；基于累积前景理论(CPT)构建序列博弈资源对抗模型；采用逆向归纳法求解所述序列博弈资源对抗模型，得到两阶段双方的最优资源分配策略。本发明能够充分考虑资源和时间限制，为攻守博弈提供最优资源分配策略。
-
公开(公告)号：CN117930813A
公开(公告)日：2024-04-26
申请号：CN202410097600.8
申请日：2024-01-23
Applicant: 中国人民解放军国防科技大学
IPC: G05B23/02
Abstract: 本发明公开一种TRT静叶控制系统故障检测方法、产品、介质及设备，涉及故障检测领域。本发明采用核主成分分析进行特征空间选择，对数据流进行数据块分割得到多个等长的数据块；构建初始背景树，记录历史数据块中分类准确率最高的窗口作为基准窗口并不断更新；将检测分为预警阶段和漂移阶段，并对检测模型进行自适应更新，检测概念漂移；针对出现概念漂移的数据块设立滑动窗口检测概念漂移子类型。本发明不仅能够检测概念漂移，抵抗概念漂移对数据分类的影响，还能够挖掘概念漂移的隐藏信息，直接确定出概念漂移子类别，具有良好的性能和可解释性；基于检测出的概念漂移子类别来识别TRT静叶控制系统故障，可以提高故障识别效率和准确性。
-
公开(公告)号：CN117852650A
公开(公告)日：2024-04-09
申请号：CN202410022900.X
申请日：2024-01-05
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明提供一种考虑时间约束的多目标攻防资源分配方法及系统，所述方法包括以下步骤：获取两阶段资源分配规划数据；基于累积前景理论(CPT)构建序列博弈资源对抗模型；采用逆向归纳法求解所述序列博弈资源对抗模型，得到两阶段双方的最优资源分配策略。本发明能够充分考虑资源和时间限制，为攻守博弈提供最优资源分配策略。
-
Patent Agency Ranking
公开(公告)号：CN113722510B
公开(公告)日：2024-04-05
申请号：CN202111068700.0
申请日：2021-09-13
Applicant: 中国人民解放军国防科技大学
IPC: G06F16/36 , G06F16/332 , G06F16/33 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/022
Abstract: 本发明公开了一种基于图神经网络的知识图谱复杂问题生成方法及系统，属于自然语言处理领域。所述方法包括将输入的带权值的知识图谱子图进行重构，转换成有向无权的知识图谱子图；初始化所述有向无权的知识图谱子图中的向量表示；利用Bi‑MHDGT图神经网络对有向无权的知识图谱子图进行编码，结合有向无权的知识图谱子图结构信息更新节点的向量表示；根据更新后的节点向量表示，使用GRU网络进行解码，并使用注意力机制和复制机制，生成复杂问题。本发明方法能有效提升对输入知识图谱子图的编码能力，准确提取生成问题所需的复杂关系信息，实现生成复杂问题的目的。
-
公开(公告)号：CN114153942B
公开(公告)日：2024-03-29
申请号：CN202111364393.0
申请日：2021-11-17
Applicant: 中国人民解放军国防科技大学
IPC: G06F16/33 , G06F40/242 , G06F40/279 , G06F40/30 , G06N3/042 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于动态注意力机制的事件时序关系抽取方法，步骤包括：S01.获取待抽取文本并转化为词向量；S02.将词向量输入至BERT预训练模型中，抽取待抽取文本的语义关系特征，其中在BERT预训练模型的注意力机制中，根据输入的词向量生成得到注意力权重向量，以实现动态注意力机制；S03.判断待抽取文本中句子的时间元素是否为隐性，如果是则将BERT预训练模型输出的语义关系特征输入至GCN模型中，以进行隐形时态时序关系抽取，否则根据句子的时间元素或连接词进行时序关系识别。本发明能够结合动态注意力机制实现事件中时序关系的抽取，具有实现方法简单、抽取效率以及精度高、灵活性强等优点。
-
公开(公告)号：CN114297391B
公开(公告)日：2024-02-02
申请号：CN202210003449.8
申请日：2022-01-04
Applicant: 中国人民解放军国防科技大学
IPC: G06F16/35 , G06F40/242 , G06F40/289 , G06F40/30 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于文本图神经网络的社交文本情感分类方法和系统，属于自然语言处理技术领域。包括接收目标文本，并去除所接收的文本中的异常值；利用BERT模型获取所述目标文本的词嵌入；获取所述目标文本的情感极性特征，利用SentiWordnet情感字典源计算目标文本的每个单词的情感分数，以每个单词的最终得分作为单词的情感极性特征；将所述目标文本的词嵌入和情感极性特征进行拼接，形成初始词向量；将所述目标文本构建为文本图结构，将所述初始词向量作为文本图的节点初始特征，然后利用文本图神经网络消息传递机制进行特征提取，最后将提取的特征进行情感分类。本发明既考虑了言论中的上下文特征，又考虑了言论之间的相互关系，使得情感分类更加准确。
-
公开(公告)号：CN117473167A
公开(公告)日：2024-01-30
申请号：CN202311683982.4
申请日：2023-12-08
Applicant: 中国人民解放军国防科技大学
IPC: G06F16/9535 , G06F16/9536 , G06N5/02 , G06F18/22 , G06F18/24
Abstract: 本发明提供了一种利用多视图学习用户偏好的推荐方法、推荐装置，所述方法包括：获取用户‑项目交互信息，基于用户‑项目交互信息进行表示学习，获取基于交互信息的用户‑项目交互信息视图；构建用户和项目的知识图谱，在知识图谱中学习用户表示和项目表示，以获取用户‑项目知识图谱视图；对用户‑项目交互信息视图和用户‑项目知识图谱视图进行信息融合；对融合后的信息进行优化，根据优化后的信息预测目标用户偏好的候选项目和对应的预测得分，以进行用户偏好的推荐。本发明将用户‑项目交互信息视图和知识图谱视图进行信息融合，可以进行更细粒度的用户偏好建模，从而可以减少语义差异的影响，更深层的理解用户兴趣，提高个性化推荐的性能。
-
公开(公告)号：CN116822527A
公开(公告)日：2023-09-29
申请号：CN202310834512.7
申请日：2023-07-07
Applicant: 中国人民解放军国防科技大学
IPC: G06F40/30 , G06F40/211 , G06F18/241 , G06N3/0464 , G06N3/088
Abstract: 本申请涉及一种基于对比预训练的机器阅读理解事件检测方法和装置。所述方法包括：通过正样本集和负样本集对BERT模型进行对比预训练得到训练好的对比预训练BERT模型，再构建由顺序连接的词嵌入层、对比预训练BERT模型模块、动态多池化层和全连接层构成的机器阅读理解事件检测模型，通过预设的问题模板将待检测的文本句子进行实例化输入机模型进行事件检测。本发明通过在大规模无监督语料库上进行对比预训练，将对比预训练技术引入到基于机器阅读理解的事件检测算法中，并引入动态多池化机制更好地保存触发词和论元的信息，使得模型可以提前充分地学习到事件的相关知识，提升对事件的感知能力及鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.034 seconds)
