公开(公告)号：CN114723224B

公开(公告)日：2025-02-14

申请号：CN202210241683.4

申请日：2022-03-11

Applicant: 中国人民解放军国防科技大学

Inventor： 王芳潇 ,  严浩 ,  张骁雄 ,  周晓磊 ,  范强 ,  江春

IPC: G06Q10/0631 ,  G06N3/126 ,  G06F17/18 ,  G06F17/11

Abstract: 本申请涉及基于遗传算法的试验资源调配方法、系统、设备和介质，方法包括：获取试验资源信息和试验资源调配申请信息；利用试验资源信息和试验资源调配申请信息，对每种试验资源建立以试验资源调配方案为染色体的种群，通过基于时间和数量的多条件约束的遗传进化处理，得到最优染色体；对最优染色体进行解码，得到每种试验资源的最优调配方案。试验资源信息包括多个试验资源的资源种类、资源存放位置及资源数量随时间变化情况，试验资源调配申请信息包括基于多项调配计划的资源种类、资源使用位置、资源需求数量和资源使用时间。实现了高效的多试验资源存放位置到多资源使用位置的资源调配。

公开(公告)号：CN119359543A

公开(公告)日：2025-01-24

申请号：CN202411504321.5

申请日：2024-10-25

Applicant: 中国人民解放军国防科技大学

Inventor： 黄山 ,  曾令斌 ,  张可 ,  周晓磊 ,  范强 ,  徐歆尧 ,  严浩 ,  王芳潇 ,  张骁雄 ,  虎文龙

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048

Abstract: 本申请涉及一种高质量超分辨率图像重建方法、装置、设备和存储介质。该方法设计了多尺度特征提取机制，能够从全局视角对图像进行整体分析，本方法的网络架构的核心是多尺度特征提取模块，该模块由一个非传统的卷积层、一个激活层以及一个多特征混合提取过程组成；多特征混合提取组件在扩展感受野后使用空洞卷积，从而在保持模型简单性的同时，能够捕捉到更广泛的特征。本方法利用并行混合注意力模块来提升模型的细节重建能力；通过在不同尺度上生成特征图并将其输入到PHA模块中，确保了模型在重建细节方面的能力得到全面增强。这种多尺度特征提取与并行混合注意力机制的战略性整合，克服了现有方法的局限性，促进了高保真超分辨率图像的生成。

公开(公告)号：CN114860854B

公开(公告)日：2024-09-27

申请号：CN202210482447.1

申请日：2022-05-05

Applicant: 中国人民解放军国防科技大学

Inventor： 张骁雄 ,  杨琴琴 ,  刘浏 ,  刘姗姗 ,  田昊 ,  丁鲲 ,  蒋国权 ,  刘茗

IPC: G06F16/36 ,  G06F16/38 ,  G06F16/33 ,  G06F40/279 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/042 ,  G06N3/084 ,  G06N5/022 ,  G06N5/04 ,  G06F123/02

Abstract: 本申请涉及一种基于注意力机制的时序知识图谱推理方法、装置、计算机设备和存储介质。所述方法包括：通过构建时序知识图谱中每个时间段的知识图谱快照，得到每个时间段内每个实体的邻域信息；通过邻域聚合器对多个实体的全部关系对应的邻域信息进行聚合，得到每个实体的邻域特征表示；通过基于注意力机制的时序事件编码器根据目标实体在当前时刻的邻域特征表示和历史时刻的邻域特征表示确定包含多头信息的注意力权重矩阵，进而有选择地关注历史信息的时间实体表示序列，得到目标实体在当前时刻由时序事件编码器更新后的隐向量表示；通过前馈神经网络和多分类层网络根据隐向量表示对时序事件编码器进行编码打分，实现时序知识图谱推理。

公开(公告)号：CN114492634B

公开(公告)日：2024-01-19

申请号：CN202210090516.4

申请日：2022-01-25

Applicant: 中国人民解放军国防科技大学

Inventor： 严浩 ,  张骁雄 ,  范强 ,  王芳潇 ,  周晓磊 ,  江春

IPC: G06V10/764 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明公开一种细粒度装备图片分类识别方法及系统，所述方法包括如下步骤：输入若干类待细分的同种装备图片，每类装备图片按文件夹存放，生成数据集，其中的每幅图片称为原始图片；利用感知模型获得每幅原始图片对应的物体图片和部件图片，将原始图片、物体图片和部件图片分别输入到通道加权双线性卷积神经网络中进行训练，获得图片整体特征、物体级特征和部件级特征；通过决策模型将三尺度分类器获得的特征进行融合，经过训练和交叉验证得到超参数α,β和γ；基于训练好的两级区域感知三尺度通道加权双线性卷积神经网络，得到所输入的训练集外装备图片的细粒度分类结果。本发明可以在短时间内，对大批量装备图片做出相对精准判别。

公开(公告)号：CN116956128A

公开(公告)日：2023-10-27

申请号：CN202310900636.0

申请日：2023-07-19

Applicant: 中国人民解放军国防科技大学

Inventor： 范强 ,  严浩 ,  周晓磊 ,  张骁雄 ,  王芳潇 ,  陆斌 ,  华悦琳

IPC: G06F18/24 ,  G06F18/25 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于超图的多模态多标签分类方法及系统，分类方法步骤包括从原始数据中提取特征表示，并构建图像特征空间和文本特征空间，每一个所述原始数据包括文本和图像两种模态数据；基于图像特征空间，利用基于距离的方法来生成图像超图结构；基于文本特征空间，利用基于距离的方法来生成文本超图结构；将文本超图结构和图像超图结构利用关联矩阵M拼接起来形成最终的多模态超图关联矩阵H，得到多模态超图；对多模态超图进行卷积运算，得到更具表征性的特征表示，并将更具表征性的特征表示输入至全连接层实现标签预测。本发明利用超图卷积和多模态特征融合方法，实现多模态数据关系挖掘和特征识别，提高了多模态多标签分类的性能。

公开(公告)号：CN116628487A

公开(公告)日：2023-08-22

申请号：CN202310270049.8

申请日：2023-03-20

Applicant: 中国人民解放军国防科技大学

Inventor： 范强 ,  周晓磊 ,  严浩 ,  张骁雄 ,  王芳潇

IPC: G06F18/214 ,  G06F16/2458

Abstract: 本发明公开了一种基于元数据发现的联邦学习方法及系统，属于人工智能技术领域。所述方法包括如下步骤：数据中心构建联邦学习模型，并根据联邦学习模型以及计算需求，获取参与模型训练的数据需求；数据中心根据数据需求进行元数据发现，发现各数据节点符合要求的数据；数据中心分发各节点训练需求，各数据节点根据需求调整本地训练数据，并进行模型训练；各数据节点完成本地训练后将结果加密传输到对方数据节点，进行模型更新；各数据节点将模型训练结果汇总到数据中心；数据中心更新各数据节点的模型，提供数据服务；重复上述过程，实现模型训练的迭代。本发明通过元数据发现的方法对各节点的数据进行筛选，提高模型训练效率以及训练结果。

公开(公告)号：CN116611840A

公开(公告)日：2023-08-18

申请号：CN202310272260.3

申请日：2023-03-20

Applicant: 中国人民解放军国防科技大学

Inventor： 周晓磊 ,  范强 ,  严浩 ,  张骁雄 ,  王芳潇

IPC: G06Q20/40 ,  H04L9/00 ,  H04L9/32 ,  H04L67/104 ,  H04L67/1061

Abstract: 本发明公开一种基于区块链的分布式数据资产流转追溯系统及方法，所述系统包括：访问模块，所述访问模块具体执行：提供访问入口，注册、查询操作权限，并给予操作权限确定所述操作权限能查询的公开数据；数据资产链化与追溯模块，所述数据资产链化与追溯模块具体执行：将数据资产的统一编码，逐个上链，链上流转，以及数据资产元数据抽取和血缘分析管理；区块链模块，所述区块链模块包括若干奇数个分布式节点，所述分布式节点之间采用P2P网络进行通信传输。本发明实现溯源记录的可信存储和可信验证，同时对链下数据修改后的重新上链追溯进行进一步的研究，通过元数据抽取和分析，对区块链下的数据流转追溯进行了补充，实现了数据流转追溯的闭环。

公开(公告)号：CN114153942A

公开(公告)日：2022-03-08

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

Inventor： 刘浏 ,  杨俊 ,  丁鲲 ,  刘姗姗 ,  张骁雄 ,  刘茗 ,  张慧 ,  蒋国权

IPC: G06F16/33 ,  G06F40/242 ,  G06F40/279 ,  G06F40/30 ,  G06N3/04 ,  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：CN118551121A

公开(公告)日：2024-08-27

申请号：CN202410661188.8

申请日：2024-05-27

Applicant: 中国人民解放军国防科技大学

Inventor： 张骁雄 ,  丁松 ,  张明星 ,  范强 ,  严浩 ,  周晓磊 ,  丁鲲

IPC: G06F16/9536 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/096

Abstract: 本申请公开了一种基于公平表示学习的推荐方法，属于算法推荐领域，包括：获取用户历史交互的项目集合，以及每个项目历史交互过的用户集合，作为用户－项目的邻域信息；根据获取的邻域信息，采用邻域聚合机制对用户集合和项目集合进行表示向量的预训练，得到用户预训练表示向量和项目预训练表示向量；对用户预训练表示向量进行去偏差处理，得到去偏差用户表示向量；构建推荐模型，将去偏差用户表示向量和项目预训练表示向量作为输入，训练推荐模型；根据训练后的推荐模型，对用户－项目进行评分预测；根据评分预测结果，筛选得到候选推荐列表。针对现有技术中推荐系统中用户属性偏见的问题，本申请减少了推荐系统中对用户属性的偏见。

公开(公告)号：CN117252414A

公开(公告)日：2023-12-19

申请号：CN202311172648.2

申请日：2023-09-12

Applicant: 中国人民解放军国防科技大学

Inventor： 张慧 ,  丁鲲 ,  张骁雄 ,  刘姗姗 ,  刘茗 ,  袁震

IPC: G06Q10/0635 ,  G06Q50/30 ,  G06N5/04 ,  G06N5/02 ,  G06N5/01 ,  G06N3/0455

Abstract: 本申请涉及一种基于动态图表示学习推理的通信运维风险检测方法及装置。所述方法包括：获取故障文本；将故障文本中的案例抽象为实体节点和属性边的关系导入到图数据库中构建知识图谱；根据跟踪故障信息产生的设备实时对知识图谱中的节点信息进行更新形成实时的故障推理知识图谱；利用Transformer模型从实时的故障推理知识图谱中获取图谱表示，将图谱表示中实体及实体间的关系映射到向量表示空间，在向量表示空间中进行推理，根据一定概率推理出要发生的故障，得到通信运维风险检测结果。采用本方法能够提高通信运维风险检测准确率。