-
公开(公告)号：CN114448599B
公开(公告)日：2024-11-29
申请号：CN202210151457.7
申请日：2022-02-18
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 暨南大学
IPC: H04L9/00
Abstract: 本发明公开一种入侵检测方法及系统，其由边缘节点对边缘侧自身的设备特征数据进行边缘入侵检测模型的构造，由云节点基于所有边缘节点的边缘入侵检测模型的模型输入和模型输出训练云节点的全局模型参数，其中，所述全局模型为基于贝叶斯深度学习的模型；同时云节点基于全局模型预测的误差精度自适应调整全局模型输入的采样数据量，本发明不仅能减少云节点通信传输的压力，还提升了云节点响应服务的能力。同时，本发明每隔一检测周期进行入侵检测模型的更新，全局模型的参数更新会随着边缘节点的数据分布的变动而变动，从而能提高入侵检测的准确率。
-
公开(公告)号：CN118046370B
公开(公告)日：2024-07-02
申请号：CN202410451520.8
申请日：2024-04-16
Applicant: 暨南大学
Abstract: 本发明属于机器人技术领域，尤其涉及一种展开机器人单元，包括多面体模块；至少一个活动板，活动板与多面体模块的边部活动连接，活动板用于驱动多面体模块移动，活动板用于组合连接两个以上的多面体模块；驱动组件，驱动组件用于多面体模块、活动板的连接及角度调节，驱动组件还用于两个相邻的活动板的连接及角度调节。通过多面体模块、活动板和驱动组件的配合，机器人通过灵活的形态变化和快速移动能力，能够快速有效的对区域进行探索和侦查，更好的满足灾难环境的使用需求，并且能够高效稳定的进行越障和承运，能够及时有效的运输物资，不仅有效的提高了机器人使用的灵活适应性，还有利于大大提高救援效率。
-
公开(公告)号：CN118036768A
公开(公告)日：2024-05-14
申请号：CN202410148779.5
申请日：2024-02-01
Applicant: 中电科普天科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 暨南大学
IPC: G06N20/00
Abstract: 本发明公开了一种联邦学习模型优化方法、设备、介质及程序产品，所述方法包括：获取边缘端采集的多属性数据，并计算边缘端的数据量因子、数据质量因子以及数据分布特征因子，从而得到边缘端的可信度；选取可信边缘端进行全局模型的参数更新；向可信边缘端发送第一全局参数，以使可信边缘端进行本地模型的训练，并得到本地模型参数；根据本地模型的平均误差以及预设的全局模型学习率，计算得到动态学习率；根据第一全局参数、动态学习率、可信边缘端的可信度以及本地模型参数，计算得到第二全局参数，实现全局模型的参数更新。本发明实施例解决了数据异构所导致的全局模型性能低下的问题，实现了全局参数更新速度和算法稳定度的平衡。
-
公开(公告)号：CN118035568A
公开(公告)日：2024-05-14
申请号：CN202410437158.9
申请日：2024-04-12
Applicant: 暨南大学
IPC: G06F16/9535 , G06N3/0499 , G06Q50/20
Abstract: 本发明涉及习题推荐技术领域，特别是涉及一种感知知识掌握程度的教育习题智能推荐方法，包括：获取第一预设时间内用户的历史答题信息；将历史答题信息输入预设的感知预测模型中，输出第二预设时间内用户的推荐练习习题，其中，感知预测模型通过数据集训练，数据集包含习题序列，习题序列为第三预设时间内用户的历史答题信息按时间先后顺序组成，第三预设时间大于且不包含第一预设时间；感知预测模型包括感知模块和预测模块，感知模块用于对数据集中的习题序列进行处理，获取输出向量；预测模块用于对输出向量进行处理，输出推荐结果。本发明能够为用户进行精准、有效的习题推荐。
-
公开(公告)号：CN117876799A
公开(公告)日：2024-04-12
申请号：CN202410269658.6
申请日：2024-03-11
Applicant: 暨南大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00 , G06V10/82 , G01D21/02
Abstract: 本发明公开了一种物流供应链品控缺陷检测方法及系统，其中方法包括：采集有关物流供应链品控的训练数据，并提取训练数据的缺陷特征；基于特征缺陷，构建混合检测模型；优化检测模型，得到最终模型；利用最终模型，完成物流供应链上的品控缺陷检测。本发明通过融合形变检测和穿透性破损检测两个神经网络模块，实现了对物流供应链纸箱包装的综合检测。本发明能够同时兼顾形变检测和穿透性破损检测，解决了目前方法只能单一处理这两个方面的问题。这将会进一步提高物流供应链纸箱包裹运输过程中的安全性和效率，为物流行业带来更大的便利和效益。
-
Patent Agency Ranking
公开(公告)号：CN117728879A
公开(公告)日：2024-03-19
申请号：CN202410091420.9
申请日：2024-01-22
Applicant: 中电科普天科技股份有限公司 , 广州杰赛通信规划设计院有限公司 , 暨南大学 , 华南理工大学
Abstract: 本发明公开了一种卫星节点部署方法。该方法包括：计算卫星链路的数据传输速率、卫星网络的可靠性、业务总时延和负载均衡系数；基于数据传输速率、业务总时延、卫星网络的可靠性和负载均衡系数，构建以部署成本最小化为目标的目标函数；采用强化学习算法求解目标函数，得到卫星节点的最佳部署位置；根据最佳部署位置部署卫星节点。本发明通过采用主从协同的方式构建星地组网架构，基于数据传输速率、业务总时延、卫星网络的可靠性和负载均衡系数，构建目标函数，保证了部署成本的最小化，采用强化学习算法能够快速求解卫星节点的最佳部署位置。
-
公开(公告)号：CN112052886B
公开(公告)日：2022-06-03
申请号：CN202010847005.3
申请日：2020-08-21
Applicant: 暨南大学
IPC: G06V10/774 , G06V10/82 , G06V10/74 , G06V40/10 , G06V40/20 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/60
Abstract: 本发明属于深度学习计算机视觉领域，公开了一种基于卷积神经网络的人体动作姿态智能估计方法及装置，方法包括：将待进行动作姿态估计的人体图像输入到训练好的人体检测模型中进行处理，得人物个体检测结果，输入到训练好的全局估计模型中进行处理，得到不同尺度的人体关键点的第一特征图，输入到训练好的补充精调模型中进行处理，通过加强学习得到不同尺度的人体关键点的第二特征图；补充精调模型中包括多个特征提取分支，每个特征提取分支中设置数量不同的精调模块，通过各特征提取分支的精调模块加强学习；基于第二特征图，得到人体姿态估计结果。本发明有效解决了现有技术容易遗漏人体图像中难以分辨的关键点而导致人体姿态估计不准确的问题。
-
公开(公告)号：CN114038517A
公开(公告)日：2022-02-11
申请号：CN202110983302.5
申请日：2021-08-25
Applicant: 暨南大学
Abstract: 本发明涉及一种基于对比学习的自监督图神经网络预训练方法，步骤为：对公开数据库的化合物分子进行预处理，筛选出有机分子；对筛选出的有机分子进行结构分解并提取，将所得的子结构作为标识符，并构建子结构的语料库；将分解后的子结构看作超级节点并构建相应的子图数据，该子图数据与原分子图数据构成正样本对，随机选出若干个子图数据与原分子图数据组成负样本对；构建基于注意力机制的图卷积神经网络、基于多层次的门控循环单元和多层感知机模块，组成自监督学习模型；将所有正负样本对数据输入自监督学习模型进行预训练并保存，便于下游任务的微调。解决对缺乏标注的药物分子的场景时，进行深度学习模型训练所产生的泛化性能不足的问题。
-
公开(公告)号：CN110298171B
公开(公告)日：2021-07-27
申请号：CN201910521357.7
申请日：2019-06-17
Applicant: 暨南大学
Abstract: 本发明公开了一种移动互联网大数据应用的智能检测与安全防护方法。随着移动App大数据时代的到来，可以发现越来越多的移动应用被复制或重新包装。不法分子通过对原生移动应用进行高度模仿、植入恶意代码等行为来重新打包移动应用，使得用户在使用应用经常会时造成隐私泄露、远程控制等危害。本发明使用描述熵相似方法、资源相似检测、统计相似检测以及字符串相似智能检测进行检测移动应用是否存在剽窃或恶意行为，智能分析其是否存在恶意攻击代码以及潜在漏洞；通过聚类算法、混淆加密技术等对应用程序进行分类和安全加固，实现对移动大数据应用的智能检测及安全防护。
-
公开(公告)号：CN110309382B
公开(公告)日：2021-05-28
申请号：CN201910520989.1
申请日：2019-06-17
Applicant: 暨南大学
IPC: G06F16/906 , G06F16/901
Abstract: 本发明公开了一种基于多维特征的移动应用同源性边聚类方法，步骤如下：构建以移动应用软件关系图，移动应用软件作为关系图的顶点，由移动应用软件的不同特征比较算法得出软件之间的n种多维特征相似性分数作为关系图的边，形成“边”集合；设置相似分数阈值和有效分数个数阈值，过滤出“有效边”集合；计算“有效边”两两之间的距离；设置邻域半径，找出所有“有效边”的邻域；设置邻域密度阈值，找出所有“核心边”，形成“核心边对象”集合；从“核心边对象”集合中任一“核心边”开始遍历，将其所有密度可达的“有效边”聚成簇，最后得到软件同源家族分类情况。本发明有效克服以往基于单一距离的聚类，更公平地将软件进行同源家族分类。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.025 seconds)
