本发明属于信息安全技术领域，具体涉及一种基于联邦学习的双重模型替换后门攻击方法及系统；该方法包括：构建TrojanGan模型并进行优化训练，得到预训练的TrojanGan编码器；根据图像中毒攻击方法，采用TrojanGan编码器构建预训练后门模型；根据预训练后门模型进行联邦学习训练，得到多目标后门攻击聚合模型；采用多目标后门攻击聚合模型对多目标后门攻击图像进行分类，得到攻击结果；本发明可提高了模型中多个后门的注入效率与攻击的成功率，同时保持联邦学习聚合模型的正常识别性能。
📄 2023111224819
📂 G06N3_0475
👤 重庆邮电大学
📅 2023-09-01
本申请公开了条件对抗网络的训练方法、装置、电子设备和存储介质，涉及深度学习和图像处理技术领域。实现方案：通过将噪声编码和当前的条件编码，输入至生成器，得到包含目标对象的第一图片，并将第一图片输入至判别器，根据生成的第一图片属于真实图片的概率、及目标对象在第一图片中的第一判别方向角度与目标方向角度的差值，对生成器和判别器进行修正，以对条件对抗网络进行训练。由此，通过将条件为方向角度的连续量转换为离散量角度区间，并利用分类和回归混合监督的方式，对条件对抗网络进行训练，可以得到条件为连续量的条件对抗网络，不仅提高了网络的收敛效果，而且可以稳定地生成各个方向角度的目标对象。
📄 2020104849060
📂 G06N3_0475
👤 北京百度网讯科技有限公司
📅 2020-06-01
本发明提出一种轻量化医疗问答系统构建方法，以轻量化Transformer模型作为基础模型，并构建预存答案库，将医疗问题对应唯一的目标回答作为正样本，从训练集中选取与医疗问题具有相关关键词但上下文语义不同的回答作为硬负样本，从训练集中随机选取若干回答作为简单负样本；采用对比学习的方式对基础模型进行训练，得到训练后的模型，在训练后的模型输出部分设置临时检索后处理模块，得到轻量化医疗问答系统。本发明通过在训练过程中引入更具挑战性的负样本，并对正样本施加更高的权重，本发明能够通过数学优化手段，有效地提升模型在嵌入空间中对细微语义差异的区分能力。
📄 2025106628949
📂 G06N3_0455
👤 江西财经大学
📅 2025-05-22
本发明涉及一种面向服务质量预测的网络数据空间设计与应用方法，该方法由潜在网络空间学习和QoS预测两部分组成。第一部分旨在学习三个潜在网络空间(即用户潜在网络空间、服务潜在网络空间和交互潜在网络空间)。第二部分首先对三个潜在网络空间中的每个特征进行采样，然后通过三个不同的卷积网络融合不同的特征，实现QoS预测。该方法通过这两个创新组件，LNSL为不同位置的每个用户和业务生成潜在的网络空间，实现高精度的QoS预测。
📄 2022102646268
📂 G06N3_0464
👤 重庆大学
📅 2022-03-17
本发明提供一种基于RISC‑V架构的卷积神经网络加速器，属于卷积计算硬件加速领域，本发明包括指令解析模块、控制单元、数据缓存模块、卷积运算模块、后处理模块。所述卷积运算模块包括第一输入处理模块、脉动阵列、激活模块、池化模块、全连接模块；所述后处理模块包括第二输入处理模块、NMS计算模块和输出处理模块。本发明一方面通过缓存预载入数据，较少卷积等待时间，并使用脉冲阵列流水线处理卷积计算，提高计算效率；另一方面设计后处理模块，扩展加速器应用场景，同时相比软件实现，硬件实现NMS算法具有更高的效率。
📄 2024104676657
📂 G06N3_0464
👤 南京邮电大学
📅 2024-04-18
本发明提供了一种短临降水预测方法，基于ConvLSTM网络和SENet注意力机制模块而实现，该方法包括对气象卫星数据进行预处理；用雷达反演降水；构建融合了SENet注意力模块的ConvLSTM网络；将经过预处理的雷达回波图像导入到网络中进行训练，得到网络训练模型；使用训练完毕的模型去生成预测降水图像。本发明输入和输出的数据均为雷达回波图像，结果表达更直观，最后的结果准确性更高。此外，本发明充分的利用了全局特征，使学习到的全局信息更合理。再有，通过加入SENet注意力模块，使网络模型的效果产生显著提升。最后，本发明在训练过程中没有改变图像的尺寸，完美的保留了图像的细节和边缘信息。
📄 2021114984665
📂 G06N3_0442
👤 南京邮电大学
📅 2021-12-09
本发明公开了一种基于生成对抗网络的异常检测方法，包括步骤：S1：处理语义分割图像数据集，得到满足原始图像的数据集和Mask图像的数据集；S2：建立包括生成网络和鉴别网络的异常检测生成对抗网络结构；S3：训练所述满足原始图像的数据集和Mask图像的数据集，得到异常检测的生产对抗网络模型；S4：输入原始图像，得到特定异常类型的图像。本发明与现有技术相比有如下优点：1.本发明以异常部分图像作为模型训练目标，不同于传统异常检测方法，以异常部分具体定位信息作为训练目标，使得图像异常部分更加直观性。2.本发明建立生成对抗网络模型，不同于传统异常检测方法单一一体的网络结构。弥补了无法输出异常部分的图像的缺点。
📄 201711032917X
📂 G06N3_04
👤 杭州电子科技大学
📅 2017-10-30
本发明公开了基于对比学习的疾病分类ICD自动编码方法和装置，属于自然语言处理及人工智能领域。本发明要解决的技术问题为如何使用自然语言处理技术为患者的电子病历文本匹配相对应的诊断编码即疾病分类编码，以减少医疗人员的工作量，提高自动编码匹配正确率，提高匹配速度，采用的技术方案为：①一种基于对比学习的疾病分类ICD自动编码方法，该方法包括如下步骤：S1、构建ICD自动编码模型训练数据集；S2、构建ICD自动编码模型；S3、训练ICD自动编码模型。②一种基于对比学习的疾病分类ICD自动编码装置，该装置包括，ICD自动编码模型训练数据集构建单元、ICD自动编码模型构建单元、ICD自动编码模型训练单元。
📄 2023108010458
📂 G06N3_0455
👤 齐鲁工业大学(山东省科学院)
📅 2023-07-03
本发明属于对抗样本检测领域，公开了一种基于量子模糊卷积神经网络的对抗样本检测方法及系统，方法包括：将输入模型中的数据分别传入量子卷积神经网络和模糊神经网络中，将两种网络提取到的特征图通过融合层进行融合，融合层中的融合数据作为预测器输入，最后由预测器输出结果。本发明采用量子模型和模糊系统结合训练量子模糊卷积神经网络训练作为对抗样本检测方法，利用量子卷积神经网络特有的捕获数据全局属性和模糊系统处理不确定性的优势，一定程度上提高了检测率。不仅可以识别原有攻击方法生成的对抗样本，而且对采用同一攻击手段中不同超参数生成的对抗样本以及不同方法生成的对抗样本也有一定的预测和防御作用，模型泛化性优于一般模型。
📄 2022113608166
📂 G06N3_0464
👤 成都信息工程大学
📅 2022-11-02
本发明涉及知识蒸馏技术领域，尤其是涉及一种基于因果理论的知识蒸馏去偏推荐方法及系统。方法，包括构建知识蒸馏去偏推荐模型，其中，构建两个教师模型和一个学生模型，根据用户评分数据集生成观测数据的因果路径；基于量化选择偏差的因果效应补充未观测数据的因果路径；利用两个教师模型分别在观测数据的因果路径和未观测数据的因果路径进行预测，生成无偏软标签；基于无偏软标签对学生模型进行知识蒸馏，得到知识蒸馏去偏推荐模型；利用知识蒸馏去偏推荐模型进行用户预测。本发明从因果推断的角度出发，分析知识蒸馏过程中选择偏差产生的因果原因，通过补充未观测数据的因果路径来解决选择偏差问题。
📄 2025102929256
📂 G06N3_045
👤 烟台大学
📅 2025-03-13
本发明公开了一种面向文本引导图像生成任务的生成对抗网络架构搜索方法，其方法首先基于单路径权重共享机制训练超网，在统一的对抗评估环境中为不同子网提供可相互比较的性能评测基准；随后利用多目标进化算法对网络架构空间进行全局搜索，通过构建帕累托前沿，获得候选的高质量子网；进一步结合粒子群优化算法实现对精英子网的连续空间的局部细化，通过速度更新、离散化算子和边界约束实现对网络操作编码的合理调节；最终经多目标遗传算法后的最优架构在独立重训练阶段显著提升生成质量，实现更低的FID与更高的文本一致性。本发明能够在较低计算成本下自动获得生成对抗网络的生成器结构，适用于文本到图像合成、生成等领域。
📄 2026106216337
📂 G06N3_0475
👤 南京信息工程大学
📅 2026-05-08
一种利用多层卷积层信息的注意力机制方法，利用当前卷积层的信息以及在它之前两层的卷积层的信息来关注当前层特征的重要性；首先，确定当前层卷积的输出A以及在它之前两层的卷积层的输出A'，利用全局平均池化分别得到它们的通道信息，再利用1×1的卷积对通道进行压缩以减少计算量。利用压缩后的特征计算权值矩阵，计算出的权值矩阵作用于A压缩后的特征，进行特征更新。再利用1×1的卷积将更新后的特征恢复到A的维度，与A做残差连接。本发明可以更加突出某一层比较重要的特征，抑制不重要的特征，同时也可以加强特征间的联系。
📄 2021107680025
📂 G06N3_04
👤 浙江工业大学
📅 2021-07-07
柿子坊 · 知识产权运营
柿子坊知识产权运营平台