本发明公开一种基于生成对抗和知识蒸馏的轻量级多模推荐方法，首先生成对抗网络会根据用户的点击向量和购买向量进行对抗训练，生成出与原始用户数据相似的用户历史数据。然后将生成出来的数据分别输入到生成对抗网络中的判别器和学生模型中进行深度学习训练。接着判别器作为教师网络与学生网络进行交叉熵的损失函数的训练，直至学生网络输出能拟合教师网络的输出后，反向传播更新参数直至训练结束。最后用户只需要在云端下载最终的学生模型即可进行在线推荐，提升推荐的效率。本发明基于多模态的用户画像提高推荐的精确度，采用知识蒸馏和生成对抗解决推荐模型的轻量级部署问题，同时保证用户的隐私安全，实现推荐精度和计算效率之间的平衡。

本发明涉及教育区块链技术领域，具体涉及一种基于区块链的教育资历见证方法，通过所有学校的学生信息整合到一个区块链平台，利用区块链技术的可追溯性、不可篡改性、透明性等特性，改变了传统的学校独自维护自己学生信息的方式，提高数据流通与数据共享的便利性，也提高了数据的安全性；同时通过访问控制白名单保护学生隐私，在访问过程中采用CPBFS算法控制共识节点的数量，使得共识节点数不到传统方法的1/3，从而使得共识效率提升了9倍左右，大大降低了系统运行开销、提高了系统效率。

本发明为了解决WIFI手势识别时位置变化问题，提出了一种基于WIFI手势识别的智能灯光操控方法与装置。本发明不仅可以利用WIFI信号进行手势识别，还可以进行动作位置定位分析，因此可以根据做手势动作的位置关联其周边最近的灯具，并根据手势识别结果进行关联灯具智能操控。当家庭里有多个灯具时，传统的基于WIFI手势识别操控灯具的方法，无法智能辨别需要操控的单个灯具，使其应用受限；而本发明能够根据用户做手势的位置进行精准的灯具开关控制，成功的避免了此缺陷。本发明方法不仅解决了位置干扰问题，还能进行位置识别从而进行精准灯具操控。

本发明提出了一种基于进阶式学习的图像多任务识别方法与系统，构建一种端到端的进阶式多任务深度学习网络模型进行人脸属性同时识别。本进阶式多任务学习网络由初级网络、高级网络和专家级网络三大模块组成。初级网络由终身学习策略构建，使用人脸各属性样本进行属性学习训练，使其具备识别人脸各属性的初级功能。高级网络由多任务学习策略构建，使用特殊收集的人脸多属性样本进行多任务协同学习训练，使其具备一次性同时识别人脸多属性的高级功能。专家级网络由软标签学习策略构建，使用特殊收集的带置信度的人脸多属性训练样本进行甄别学习，使其具备通过表象看本质的专家级鉴别能力。

本发明提出一种基于终身学习的目标检测方法和装置，该方法模仿人类目标检测行为准则，使模型可以持续不断的学习新目标检测任务的同时还不遗忘旧目标检测任务，不但如此，模型不仅可以利用旧目标检测任务学习到的知识来辅助新目标检测任务，还可以利用新目标检测任务来加强旧目标检测任务。本发明中的目标检测模型是一种双向学习模型，其不但可以利用已有目标检测任务学习到的知识来加快和提升新目标检测任务，同时还可以利用新目标检测任务来加强旧目标检测任务以避免“灾难性遗忘”问题。

本发明提出一种图像持续学习识别方法、装置及设备，利用该持续学习方法可以实现无限种图像识别学习任务，主要包括特征提取共享和知识迁移学习两大步骤，其中，特征提取共享由无监督预训练和有监督调优组成，知识迁移学习由知识仓库构建、知识迁移、更新知识库、模型学习和接受反馈组成。本发明利用知识迁移技术可以做到利用一个模型进行图像识别持续训练学习，最终可做到使用一个模型实现任意种类图像的识别任务，并通过实验验证了本发明的效果。

本发明公开了基于知识图谱的云服务平台安全审计漏洞评测方法及系统，首先采集云服务安全漏洞数据，再根据云服务安全漏洞数据构建云服务平台安全审计知识图谱模式层，接着将采集到的云服务安全漏洞数据按云服务平台安全审计知识图谱模式层导入，完成云服务平台安全审计知识图谱数据层的构建；本发明实现了具有对云服务平台的安全漏洞进行风险分析并在风险分析结果的基础上使用多准则决策分析评测云服务平台信息安全威胁的功能，且评测结果能为信息安全审计提供参考依据，还能不断的健全安全管理体系，便于云服务平台的持续管理和连续性审计，提升了对信息资产的保护能力和风险意识，适合被广泛推广和使用。

本发明公开了一种可搬运不同高度物品的物流运输小机器人，包括机器人搬运机构，所述机器人搬运机构包括锁定机构、拾取主体、举升臂、举升座和主机，所述举升臂的前端与锁定机构的上端转动连接在一起，所述拾取主体的后端与锁定机构安装在一起，所述举升臂的后端与举升座的上端后部转动安装在一起，所述举升座与主机固定安装在一起，包括第一电机，所述第一电机与主机电性连接，所述锁定机构还包括碟盘、螺母、螺栓、第一齿轮、第二齿轮、连接架、托盘和连接块，所述碟盘与连接块固定连接在一起，所述连接块的上端转动安装举升臂的前端。本发明涉及物流运输小机器人设备技术领域，能够方便运输不同高度的目标，更好的满足使用需要。

本发明提出的一种自监督图像去噪方法、系统、装置及可读存储介质，所述方法包括：构造含噪图像的数据集；利用非对称下采样盲点网络框架构造互补盲点网络框架，并在互补盲点网络框架中设置掩码映射器分支和具有分块随机置乱的增强像素重组下采样分支；在互补盲点网络框架中，将掩码映射器分支和增强像素重组下采样分支进行组合，在盲点网络中增设判断条件参数，生成互补盲点网络；利用Adam优化器训练互补盲点网络；利用测试数据集，通过对不同下采样步长的结果进行加权平均来获得最终去噪结果。本发明能够补充盲点网络中缺失像素的信息，消除在下采样中产生的混叠伪影，平衡图像纹理区域与平坦区域之间的恢复差距，提高网络的去噪性能。

本发明提供一种基于环路虚拟路径图的分段重定向映射方法、终端及可读存储介质，针对含有内部障碍物的虚拟空间平面图，采用基于Voronoi图的剪枝算法和交互式修改策略，快速提取带有环路的虚拟路径图；采用分段式虚拟路径图映射方法，将虚拟路径图拆分为若干子虚拟路径链并确定映射顺序，从而进行逐个映射；通过采用“虚边”记录子虚拟路径链环路关系，保证映射结果的连续性；利用子虚拟路径链不同的映射顺序，计算出不同的潜在映射结果，并选择重置最少、路径总曲率最低的映射结果作为实际路径图。本发明能够有效适用于不同形状和大小的虚拟空间，并且在减少边界碰撞的前提下，保证用户漫游体验。