-
Patent Agency Ranking
公开(公告)号：CN108594654A
公开(公告)日：2018-09-28
申请号：CN201810233463.0
申请日：2018-03-21
Applicant: 南京邮电大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于二型模糊滑模的桥式吊车防摆方法控制方法，运用二型模糊控制理论与滑模变结构控制方法相结合，构建了一种二型模糊滑模控制器。根据桥式吊车模型构建滑模函数，运用二型模糊控制理论建立二型模糊滑模函数和模糊规则库。另外，针对控制器参数配置问题，本发明运用模糊自适应DE算法对控制器进行优化调节。该算法引入了模糊自适应缩放因子，通过引入自适应参数来增强算法的全局搜索性能，并运用该算法实现控制器参数进行优化调节，最终获得良好的防摆控制效果。
-
公开(公告)号：CN117251450A
公开(公告)日：2023-12-19
申请号：CN202311249710.3
申请日：2023-09-26
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于图注意力机制的复杂网络节点排序方法，通过生成人工网络，以此构建训练数据集；对训练数据集网络中的节点重要性进行评估打分；构建训练数据集特征矩阵；基于自注意力机制构建特征学习框架，得到每个节点的向量表示，再通过全连接网络预测每个节点的重要性分数；构建损失函数并优化模型；将真实网络输入模型，得到网络中每个节点的重要性，得到节点重要性排序列表，通过网络拆解实验证明排序列表有效性。本发明的方法可以有效地提高节点排序的准确性和效率，相比于传统的基于中心性的方法，利用生成的节点排序结果，可以在拆除更少的节点的情况下，更快地破坏网络的连通性。
-
公开(公告)号：CN116959745A
公开(公告)日：2023-10-27
申请号：CN202310970865.X
申请日：2023-08-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于图神经网络的传染病网络关键节点识别方法，包括以下步骤：1、通过传统SIR传染病模型在生成网络上模拟病毒传播过程，构建训练数据标签；2、挑选使Kendall系数与步骤1中运算得到的得分最高的特征组合，将挑选出来的网络特征输入到引入了多个图注意力层的注意力模型中，在多种人工网络中进行训练，以得到每个节点更具适用性的重要性分数排名；3、考虑“富人俱乐部”效应，将得到的排序序列，通过基于距离为2‑hop的节点选择算法，挑选使影响范围进一步扩大的节点集。本发明为复杂网络中的关键节点识别提供了一种新的思路和工具，为网络优化和风险防范提供了科学依据。
-
公开(公告)号：CN117437077A
公开(公告)日：2024-01-23
申请号：CN202310244500.9
申请日：2023-03-14
Applicant: 南京邮电大学
IPC: G06Q50/00 , G06F16/901 , G06N3/045 , G06N3/042
Abstract: 本发明提出一种基于双曲嵌入图神经网络的社交媒体谣言检测方法，包括：数据收集和预处理，得到待验证话题下的所有互动信息；利用Bert预训练模型生成每条互动信息对应的特征向量，构建该话题对应的特征矩阵；构建待验证话题所对应的传播树结构，得到该话题对应的邻接矩阵；将传播树结构嵌入双曲空间，得到每个节点的双曲坐标，计算每条互动信息之间的关联程度，得到该话题对应的关联矩阵；将该传播树所对应的三种属性矩阵作为谣言检测模型输入，通过基于双曲嵌入的图神经网络模型，最终得到该话题是谣言的概率。本发明可以对社交媒体上的各种话题判定其是否为谣言。
-
公开(公告)号：CN117112921A
公开(公告)日：2023-11-24
申请号：CN202310845815.9
申请日：2023-07-10
Applicant: 南京邮电大学
IPC: G06F16/9536 , G06F18/2113 , G06F18/23213 , G06N3/042 , G06N3/0464 , G06N3/088 , G06N3/048
Abstract: 本发明提供了一种图协同过滤推荐模型的预测方法，通过对交互特征进行筛选来过滤噪声，提高推荐结果的准确性，并且引入了节点级的原型对比学习任务来挖掘用户或项目之间的潜在特征，缓解协同过滤所面临的数据稀疏的问题。另外，通过重写超图卷积公式使得卷积过程只需要一次，避免了传统图协同过滤模型多次卷积所引起的特征平滑的问题，使得推荐系统模型的效率和性能都得到了提升。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
