-
公开(公告)号：CN119067202B
公开(公告)日：2025-04-22
申请号：CN202411566650.2
申请日：2024-11-05
Applicant: 南京信息工程大学
Abstract: 本发明公开了边缘计算技术领域的一种基于联邦学习的交通推荐系统分布式训练方法，包括：步骤A：生成车辆上本地数据样本的标签分布、特征分布以及本地模型参数；步骤B：边缘服务器基于各车辆上本地数据样本的标签分布的相似性和特征分布的相似性为每个车辆选择合作者，并将当前全局更新中合作者最新的本地模型参数发送给对应的车辆；步骤C：为每个车辆计算各合作者的聚合权重，进行聚合得到全局更新后的本地模型参数，并对全局更新后的本地模型进行本地训练，生成新的本地模型参数和车辆上本地数据样本的特征分布，并上传至边缘服务器，为参与下一轮全局更新的各个车辆更新合作者；步骤D：重复步骤B至步骤C，直至全局损失函数收敛。
-
公开(公告)号：CN119623614B
公开(公告)日：2025-04-18
申请号：CN202510148309.3
申请日：2025-02-11
Applicant: 南京信息工程大学
IPC: G06N5/025 , G06F40/295 , G06N3/0499 , G06N3/084
Abstract: 本发明提供了一种基于空间感知依赖图和无损解码的联合信息抽取方法，包括：步骤1，利用预训练的语言模型对输入文本序列进行编码；步骤2，识别出实体和事件触发器；步骤3，将位置信息添加到实体和事件触发器表示中；步骤4，将信息抽取任务构造为图预测模型，实体和事件触发器为图的节点，关系和事件论元为图的边；步骤5，计算节点和边的联合概率分布；步骤6，得到节点和边的标签；步骤7，输入文本，输出文本所含实体、关系、事件触发器、事件论元类别。本发明改进了现有的局部解码策略，采取随机梯度变分推断避免解码过程中同一任务标签之间依赖性的损失，以实现更好的实例标签的全局最优分配。有效提升联合信息抽取的准确性和鲁棒性。
-
公开(公告)号：CN119739857A
公开(公告)日：2025-04-01
申请号：CN202510260828.9
申请日：2025-03-06
Applicant: 南京信息工程大学
IPC: G06F16/34 , G06F16/31 , G06F40/289 , G06F40/30 , G06N3/045 , G06F18/25 , G06N3/0464
Abstract: 本发明提供了一种基于多粒度特征融合的代码摘要生成方法，包括：步骤1，对数据集中样本进行预处理操作，获取代码整体语义信息；步骤2，搭建源代码多粒度特征编码器，基于词元序列、抽象语法树和控制流图三种粒度特征的数据规模和数据结构差异，获得各个粒度特征的上下文向量；步骤3，对不同粒度特征编码器的输出实现粒度特征融合；步骤4，将融合后所得到的词元序列融合特征与控制流图融合特征输入到基于Transformer的解码器中，输出当前时间步预测单词，并最终组成摘要。本发明所公开的基于多粒度特征融合的代码摘要生成方法，能有效提取源代码关键特征并尽量减少计算开销，并且有效缓解特征序列的长距离依赖问题。
-
公开(公告)号：CN119314052A
公开(公告)日：2025-01-14
申请号：CN202411499602.6
申请日：2024-10-25
Applicant: 南京信息工程大学
Abstract: 本发明提供一种遥感影像沙漠灌木提取方法，基于EfficientNet‑B0基线模型进行改进得到了FETNet模型，在编码器部分保留基线模型中预定义的原始架构，在编码器和解码器跳跃连接处引入EdgeViT模块，增强模型的全局感知能力，在解码器部分引入FEM模块以确保空间细节信息的保留，使得最终生成的沙漠灌木分割结果更加精确和细致，将预处理后的遥感影像输入FETNet模型，使用随机梯度下降优化器、余弦退火策略和交叉熵损失函数进行模型训练，得到FETNet模型的最优权重，将FETNet模型与常规模型对比，在相同的测试条件下，本发明在遥感影像沙漠灌木分割任务中的所有评估指标均取得了最优结果。
-
公开(公告)号：CN119166214A
公开(公告)日：2024-12-20
申请号：CN202411672757.5
申请日：2024-11-21
Applicant: 南京信息工程大学
IPC: G06F8/73 , G06F8/71 , G06F8/30 , G06F18/214 , G06F8/41 , G06F18/25 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于跨模态信息融合的代码摘要生成方法及系统，方法包括：由公共数据集中获取训练源代码，通过解析单元对训练源代码进行解析获得标记序列特征、AST节点特征和CFG节点特征；将标记序列特征、AST节点特征和CFG节点特征输入编码单元和解码单元获得训练代码摘要；将训练源代码中实际摘要作为真实标签，根据训练代码摘要和真实标签计算训练损失，根据训练损失对代码摘要生成器的参数进行优化，重复迭代直至达到训练终止条件输出训练后的代码摘要生成器；本发明获取源代码特征序列的长距离依赖关系，提取特征间的深层次关联，从而生成更加准确、自然的代码摘要。
-
Patent Agency Ranking
公开(公告)号：CN119150931A
公开(公告)日：2024-12-17
申请号：CN202411650826.2
申请日：2024-11-19
Applicant: 南京信息工程大学
IPC: G06N3/0464 , G06N5/04 , G06N3/08
Abstract: 本发明公开了一种边云环境下卷积神经网络模型的协同推理方法，包括：将卷积神经网络模型转换为有向无环图，并构建边‑云协同推理系统的目标函数与约束条件，在边‑云协同推理系统执行给定的卷积神经网络模型，获得卷积神经网络模型在异构设备上各层的执行时延以及各层输出数据，对有向无环图合并节点，获得规模优化后的有向无环图；对卷积神经网络模型各层输出数据进行预量化，在规模优化后的有向无环图基础上，根据各层在异构设备上的执行时延以及预量化后的各层输出数据的传输时延，构建预量化后的时延图，计算时延图中源点到汇点的最小割，进行实际模型压缩，获得给定卷积神经网络模型在异构设备上协同推理决策。
-
公开(公告)号：CN118310537B
公开(公告)日：2024-09-13
申请号：CN202410734952.X
申请日：2024-06-07
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种自适应策略改进减法平均优化算法的路径规划方法，包括以下步骤：（1）构建二维栅格地图环境，以及包含运动约束的目标函数；（2）初始化算法参数，（3）引入ICMIC混沌映射策略初始化搜索代理的位置；基于初始搜索代理评估目标函数；（4）引入自适应概率值，利用改进的基本减法平均优化算法更新搜索代理位置；（5）通过判断搜索代理的目标函数值是否满足条件，以及自适应概率值是否满足条件，选择更优的位置更新方式；本发明本发明收敛精度高，速度快，且在地图中能高效地完成路径规划任务。
-
公开(公告)号：CN118155789A
公开(公告)日：2024-06-07
申请号：CN202410358502.5
申请日：2024-03-27
Applicant: 南京信息工程大学
IPC: G16H10/60 , G06F40/295 , G06F40/12 , G06F18/2135 , G06F40/242 , G06F40/151 , G06F16/33 , G06F40/166 , G06F21/62 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了结合命名实体识别与差分隐私的病历敏感信息保护方法，包括：利用构命名实体识别模型对预先获取的中文电子病历语料库进行识别与提取，获得隐私实体；将新华字典数据集嵌入为词向量；利用主成分分析方法压缩词向量为二维词向量字典；利用预先训练获得的word2vec模型将隐私实体转化为隐私实体词向量；利用差分隐私高斯机制对隐私实体词向量进行椭球形噪声处理并压缩至二维，获得二维词向量；计算加噪后的二维词向量与词向量字典的余弦相似度，得到与其语义最近的相似词向量；利用相似词向量对应的字符对中文电子病历的敏感信息进行替换，对病历敏感信息进行隐藏。
-
公开(公告)号：CN117892064B
公开(公告)日：2024-05-14
申请号：CN202410285358.7
申请日：2024-03-13
Applicant: 南京信息工程大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464 , G06Q50/26
Abstract: 本发明公开了一种全球气候模型日平均气温降尺度方法、装置及存储器，该方法包括以全球气候模型日平均气温和地形数据为输入，输入至气温降尺度模型中，以降尺度后的日平均气温数据为输出，以日平均气温标签数据为训练真值，对该气温降尺度模型进行训练，得到最优模型；采用训练好的最优模型对任意日的全球气候模型日平均气温进行降尺度模拟。本发明充分考虑了地形因素对气温的影响，引进了DEM地形数据作为辅助变量，并且设计出一个地形融合模块，进一步提取DEM地形特征后与气温数据融合，提升了模型的降尺度性能。
-
公开(公告)号：CN117892064A
公开(公告)日：2024-04-16
申请号：CN202410285358.7
申请日：2024-03-13
Applicant: 南京信息工程大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464 , G06Q50/26
Abstract: 本发明公开了一种全球气候模型日平均气温降尺度方法、装置及存储器，该方法包括以全球气候模型日平均气温和地形数据为输入，输入至气温降尺度模型中，以降尺度后的日平均气温数据为输出，以日平均气温标签数据为训练真值，对该气温降尺度模型进行训练，得到最优模型；采用训练好的最优模型对任意日的全球气候模型日平均气温进行降尺度模拟。本发明充分考虑了地形因素对气温的影响，引进了DEM地形数据作为辅助变量，并且设计出一个地形融合模块，进一步提取DEM地形特征后与气温数据融合，提升了模型的降尺度性能。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.105 seconds)
