-
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。
-
公开(公告)号：CN117540104B
公开(公告)日：2024-08-02
申请号：CN202311762184.0
申请日：2023-12-20
Applicant: 暨南大学
IPC: G06F16/9535 , G06N3/0895 , G06N5/022 , G06Q50/20 , G06F16/906
Abstract: 本发明公开了一种基于图神经网络的学习群体差异评价方法与系统，包括：获取学习者做题的历史交互信息，对历史交互信息进行处理，得到知识点群体和知识点群体构成的潜在交互序列；根据知识点群体和知识点群体构成的潜在交互序列对学习者群体进行聚类，得到学习者群体；计算所述学习者群体之间的差异，得到群体差异量化结果；将群体差异量化结果输入循环神经网络模块进行训练，得到训练完毕的学习群体差异评价模型；将学习者做题的交互信息输入至模型，得到学习者学习能力评估结果。本申请与传统技术相比，能实现数据驱动的群体动态分组，精准评估群体学习情况，输出不同层次学习者群体的学习能力评价结果，以便制定更有效的后续教育计划。
-
公开(公告)号：CN118194357A
公开(公告)日：2024-06-14
申请号：CN202410605553.3
申请日：2024-05-16
Applicant: 暨南大学 , 深圳市方直科技股份有限公司 , 深圳市木愚科技有限公司
Abstract: 本发明提出了一种基于扩散去噪模型的隐私数据发布方法，包括：构建教育数据集，其中，所述教育数据集包括：隐私属性集和非隐私属性集；基于隐私预算，对所述隐私属性集进行PRAM预扰动；基于PRAM预扰动后的数据对预设的数据生成模型进行训练；基于训练后的数据生成模型进行采样，生成包含特定数量的数据记录作为合成数据集。本发明在可以在满足本地差分隐私定义的情况下，生成数据效用良好的教育类数据集，适用于各类教育数据应用场景。与一般的基于深度生成式模型的隐私数据发布方法相比，该方案可以实现更好的隐私‑效用权衡。
-
公开(公告)号：CN118870395B
公开(公告)日：2024-12-17
申请号：CN202411288630.3
申请日：2024-09-14
Applicant: 暨南大学
IPC: H04W24/02 , H04W24/06 , H04W28/08 , H04W28/16 , H04W4/44 , H04W4/46 , G06F8/61 , G06F9/50 , G06N3/006 , G06N3/0464
Abstract: 本发明提供一种基于自注意力机制的车联网任务卸载和资源分配方法及系统，方法包括以下步骤：基于车联网高速道路环境VEC架构，构建车联网任务卸载模型；基于车联网任务卸载模型，获得任务卸载和资源分配的联合优化问题；将联合优化问题转化为马尔科夫决策过程；采用基于自注意力机制的A‑MADDPG算法求解马尔科夫决策过程，获得联合优化方案；基于联合优化方案，完成车联网任务卸载和资源分配。本发明所设计的任务卸载联合优化方案，通过智能协作，车辆不仅选取合适的卸载对象还选取合适的通信信道进行卸载传输，而且各个边缘服务器闲置资源按照任务需求进行动态分配，从而确保整个环境中的所有车辆都能处于高效的运行水平。
-
Patent Agency Ranking
公开(公告)号：CN119005308A
公开(公告)日：2024-11-22
申请号：CN202411488220.3
申请日：2024-10-24
Applicant: 暨南大学 , 广东光大信息科技股份有限公司
IPC: G06N5/02 , G06N3/0442 , G06N3/0455 , G06F18/25
Abstract: 本发明公开了一种基于知识图谱的多模态习题表征方法，涉及多模态表征技术领域，包括：获取多模态信息的数学习题信息以及相关知识点，提取多模态习题涉及的所有元素；提取多模态习题的图像和文本特征；基于表层理解规则，明确习题文本和图片中各元素之间的空间关系，并构建表示表层信息的知识图谱；基于隐层理解的规则，将习题涉及的相关定理和公式转化为形式化语言，并构建表示隐层信息的知识图谱；将表示表层信息和表示隐层信息的知识图谱融合为表示完整的习题信息的知识图谱；基于表示不同习题信息的知识图谱节点和边，计算习题之间的相似度和困难度及文本知识图谱和图像知识图谱的匹配度；基于自动解题模型，获得习题的深度表征。
-
公开(公告)号：CN118171275B
公开(公告)日：2024-07-30
申请号：CN202410598914.6
申请日：2024-05-15
Applicant: 暨南大学 , 广州新科佳都科技有限公司 , 广州方纬智慧大脑研究开发有限公司
IPC: G06F21/56 , G06F18/241 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/0895 , G06F123/02
Abstract: 本发明公开了一种基于自监督箱型分类的智能交通车辆安全检测方法及系统，包括：采集智能交通数据集Car Hacking并进行数据预处理，提取时序特征数据，剔除不相关特征；基于LSTM自监督箱型分类模型和智能交通车辆入侵检测模型构建初始智能交通车辆安全检测模型；利用时序特征数据，对初始智能交通车辆安全检测模型进行训练，将达到预设训练精度的智能交通车辆安全检测模型进行测试，验证自监督箱型分类方法的有效性，并评估模型对于识别未知攻击类型的性能，构建获得基于自监督箱型分类的目标智能交通车辆安全检测模型来进行车辆安全监测，获得检测结果。本发明提高了安全检测的准确性和可靠性。
-
公开(公告)号：CN118870395A
公开(公告)日：2024-10-29
申请号：CN202411288630.3
申请日：2024-09-14
Applicant: 暨南大学
IPC: H04W24/02 , H04W24/06 , H04W28/08 , H04W28/16 , H04W4/44 , H04W4/46 , G06F8/61 , G06F9/50 , G06N3/006 , G06N3/0464
Abstract: 本发明提供一种基于自注意力机制的车联网任务卸载和资源分配方法及系统，方法包括以下步骤：基于车联网高速道路环境VEC架构，构建车联网任务卸载模型；基于车联网任务卸载模型，获得任务卸载和资源分配的联合优化问题；将联合优化问题转化为马尔科夫决策过程；采用基于自注意力机制的A‑MADDPG算法求解马尔科夫决策过程，获得联合优化方案；基于联合优化方案，完成车联网任务卸载和资源分配。本发明所设计的任务卸载联合优化方案，通过智能协作，车辆不仅选取合适的卸载对象还选取合适的通信信道进行卸载传输，而且各个边缘服务器闲置资源按照任务需求进行动态分配，从而确保整个环境中的所有车辆都能处于高效的运行水平。
-
公开(公告)号：CN118194357B
公开(公告)日：2024-08-09
申请号：CN202410605553.3
申请日：2024-05-16
Applicant: 暨南大学 , 深圳市方直科技股份有限公司 , 深圳市木愚科技有限公司
Abstract: 本发明提出了一种基于扩散去噪模型的隐私数据发布方法，包括：构建教育数据集，其中，所述教育数据集包括：隐私属性集和非隐私属性集；基于隐私预算，对所述隐私属性集进行PRAM预扰动；基于PRAM预扰动后的数据对预设的数据生成模型进行训练；基于训练后的数据生成模型进行采样，生成包含特定数量的数据记录作为合成数据集。本发明在可以在满足本地差分隐私定义的情况下，生成数据效用良好的教育类数据集，适用于各类教育数据应用场景。与一般的基于深度生成式模型的隐私数据发布方法相比，该方案可以实现更好的隐私‑效用权衡。
-
公开(公告)号：CN118171275A
公开(公告)日：2024-06-11
申请号：CN202410598914.6
申请日：2024-05-15
Applicant: 暨南大学 , 广州新科佳都科技有限公司 , 广州方纬智慧大脑研究开发有限公司
IPC: G06F21/56 , G06F18/241 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/0895 , G06F123/02
Abstract: 本发明公开了一种基于自监督箱型分类的智能交通车辆安全检测方法及系统，包括：采集智能交通数据集Car Hacking并进行数据预处理，提取时序特征数据，剔除不相关特征；基于LSTM自监督箱型分类模型和智能交通车辆入侵检测模型构建初始智能交通车辆安全检测模型；利用时序特征数据，对初始智能交通车辆安全检测模型进行训练，将达到预设训练精度的智能交通车辆安全检测模型进行测试，验证自监督箱型分类方法的有效性，并评估模型对于识别未知攻击类型的性能，构建获得基于自监督箱型分类的目标智能交通车辆安全检测模型来进行车辆安全监测，获得检测结果。本发明提高了安全检测的准确性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.032 seconds)
