-
公开(公告)号：CN118154244B
公开(公告)日：2024-07-19
申请号：CN202410572139.7
申请日：2024-05-10
Applicant: 华侨大学
IPC: G06Q30/0202 , G06Q50/47 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F18/22 , G06F123/02
Abstract: 本发明公开了一种基于时空注意力的城际网约车多线路需求预测方法及系统，涉及智能交通技术领域，方法包括：首先，采用先生成全局时空序列，再构建注意力网络学习序列时空信息的方式，增强模型提取不同线路间动态联系的能力；然后，在生成时空序列时嵌入时间、变量以及局部连通性等多个重要因素，增加预测模型可以学习到的信息；最后，使用多层次自注意力网络递进式学习单变量、局部连通变量以及全局变量间不同时间步长的关系，避免局部重要信息的丢失。本发明相比其他多元时序预测算法能有效提取城际线路间的动态联系，从而提高多线路未来多个时间步长的需求预测准确度。
-
公开(公告)号：CN117974330B
公开(公告)日：2024-06-25
申请号：CN202410361953.4
申请日：2024-03-28
Applicant: 华侨大学
IPC: G06Q40/08 , G06F17/16 , G06N3/045 , G06N3/0499 , G06N3/098
Abstract: 本发明公开了一种基于混合模型的互联网保险评分预测方法及装置，涉及数据处理领域，包括：获取互联网保险的订单数据并处理生成用户嵌入矩阵和项目嵌入矩阵，构建用户‑项目评分矩阵和用户‑项目购买交互矩阵；从用户‑项目购买交互矩阵获取项目历史交互向量和用户历史交互向量，将项目历史交互向量和用户历史交互向量输入经训练的第一多层感知机和第二多层感知机，得到项目的隐式嵌入向量和用户的隐式嵌入向量；对用户‑项目评分矩阵进行矩阵分解，并分别与项目的隐式嵌入向量和用户的隐式嵌入向量融合，得到融合的项目嵌入向量和融合的用户嵌入向量，再输入经训练的评分预测模型，得到预测的评分数据，解决评分数据的稀疏性和冷启动问题。
-
公开(公告)号：CN119475050A
公开(公告)日：2025-02-18
申请号：CN202411472032.1
申请日：2024-10-22
Applicant: 华侨大学
IPC: G06F18/2411 , G06F18/214 , G06N3/04 , G06N3/08 , G06Q40/08
Abstract: 本发明公开了一种基于偏好恢复生成对抗网络的冷启动推荐方法、装置及可读介质，包括：基于用户评分矩阵构建暖用户评分集合和冷启动用户评分集合，分别根据暖用户评分集合和冷启动用户评分集合获取到真实的用户的暖评分向量和真实的用户的冷评分向量，采用偏好恢复函数将真实的用户的暖评分向量转换为生成的用户的冷评分向量；构建生成对抗网络并训练，生成对抗网络包括生成网络和判别网络，得到经训练的生成网络；将冷启动用户评分集合中的真实的用户的冷评分向量输入到经训练的生成网络，得到预测的用户的暖评分向量，根据真实的用户的冷评分向量和预测的用户的暖评分向量进行Top‑k推荐，得到每个用户的推荐项目序列，从而提高覆盖率和准确度。
-
公开(公告)号：CN118863195A
公开(公告)日：2024-10-29
申请号：CN202410876342.3
申请日：2024-07-02
Applicant: 华侨大学
IPC: G06Q10/047 , G01C21/34 , G06Q50/40 , G06N5/01
Abstract: 本发明提供的一种混合搜索接驳车辆路径规划方法、装置、设备及介质，涉及智能调度规划领域。本发明方法包括：获取上一个时间段内的解作为第一解，以及获取当前时间段内新增加的订单，并对未执行订单进行统计、分类；然后采用贪婪算法计算出每组订单的最优位置插入第一解，得到第二解；采用轮盘赌算法从第二解选择被删除订单集，并计算每个被删除订单在各个可插入位置的遗憾值，得到第三解；根据第三解，采用模拟退火算法得到第四解，并结合禁忌搜索，与局部搜索策略生成的第五解进行比较，选择其中的最优解作为最好解并更新禁忌表直到满足结束条件。本发明动态优化了接驳车辆路线的最优解，最小化乘客的候车和乘车时间，提高了车辆的调度效率。
-
公开(公告)号：CN118154244A
公开(公告)日：2024-06-07
申请号：CN202410572139.7
申请日：2024-05-10
Applicant: 华侨大学
IPC: G06Q30/0202 , G06Q50/47 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F18/22 , G06F123/02
Abstract: 本发明公开了一种基于时空注意力的城际网约车多线路需求预测方法及系统，涉及智能交通技术领域，方法包括：首先，采用先生成全局时空序列，再构建注意力网络学习序列时空信息的方式，增强模型提取不同线路间动态联系的能力；然后，在生成时空序列时嵌入时间、变量以及局部连通性等多个重要因素，增加预测模型可以学习到的信息；最后，使用多层次自注意力网络递进式学习单变量、局部连通变量以及全局变量间不同时间步长的关系，避免局部重要信息的丢失。本发明相比其他多元时序预测算法能有效提取城际线路间的动态联系，从而提高多线路未来多个时间步长的需求预测准确度。
-
Patent Agency Ranking
公开(公告)号：CN118154240A
公开(公告)日：2024-06-07
申请号：CN202410430797.2
申请日：2024-04-11
Applicant: 华侨大学
IPC: G06Q30/0202 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/084 , G06Q50/40
Abstract: 本发明公开了一种基于Transformer和生成对抗网络的网约车需求预测方法，包括：构建基于Transformer的网约车需求预测模型；结合生成对抗网络对网约车需求预测模型进行对抗式训练；利用训练好的网约车需求预测模型实现预测；所述网约车需求预测模型包括编码通道、解码通道和全连接层，编码通道接收历史需求序列，输出编码结果；解码通道接收编码通道输出的编码结果和待预测序列，输出解码结果；全连接接收解码结果，输出预测序列。本发明结合Transformer和生成对抗网络、基于相似性的稀疏多头自注意力机制、生成式解码器等方法，解决了上述研究者们在单时间步长预测结果的基础上进行递归扩展为多步长预测，随着预测时间步长数量的增加，误差会急剧上升的问题。
-
公开(公告)号：CN117974330A
公开(公告)日：2024-05-03
申请号：CN202410361953.4
申请日：2024-03-28
Applicant: 华侨大学
IPC: G06Q40/08 , G06F17/16 , G06N3/045 , G06N3/0499 , G06N3/098
Abstract: 本发明公开了一种基于混合模型的互联网保险评分预测方法及装置，涉及数据处理领域，包括：获取互联网保险的订单数据并处理生成用户嵌入矩阵和项目嵌入矩阵，构建用户‑项目评分矩阵和用户‑项目购买交互矩阵；从用户‑项目购买交互矩阵获取项目历史交互向量和用户历史交互向量，将项目历史交互向量和用户历史交互向量输入经训练的第一多层感知机和第二多层感知机，得到项目的隐式嵌入向量和用户的隐式嵌入向量；对用户‑项目评分矩阵进行矩阵分解，并分别与项目的隐式嵌入向量和用户的隐式嵌入向量融合，得到融合的项目嵌入向量和融合的用户嵌入向量，再输入经训练的评分预测模型，得到预测的评分数据，解决评分数据的稀疏性和冷启动问题。
-
公开(公告)号：CN117880224A
公开(公告)日：2024-04-12
申请号：CN202410069615.3
申请日：2024-01-17
Applicant: 华侨大学 , 厦门凡尔赛科技有限公司
IPC: H04L49/109 , H04L49/25 , H04L45/02 , H04L45/12 , H04L45/00 , G06N3/006 , G06N3/042 , G06N3/0442 , G06N3/086
Abstract: 本发明公开一种VLSI设计中片上网络的路由优化方法、系统及设备，涉及强化学习和运筹调度领域，利用深度强化学习模型和进化算法这两者的优势，同时优化系统的多个目标，深度强化学习和进化算法将收集到的或者自己生成的数据通过深度强化学习模型来进行训练首先生成多目标问题的初步解，再通过进化算法的分解以及同步优化来生成一组近似最优的Pareto前沿，为不同目标的片上通信提供了可行解。本发明通过深度强化学习的模型和算法来以黑盒训练法让模型参数自主地拟合去学习选择路径的策略，无需大量的时间代价即可计算出最优的通信方案，实现了高效地通信。
-
公开(公告)号：CN113538067B
公开(公告)日：2023-05-05
申请号：CN202110943104.6
申请日：2021-08-17
Applicant: 华侨大学
IPC: G06Q30/0202 , G06Q10/02 , G06Q50/30 , G06F18/214 , G06N5/01 , G06N20/20
Abstract: 本发明公开了一种基于机器学习的城际网约车需求预测方法及系统，包括需求预测模型训练和需求客座数值预测，其中需求预测模型训练包括订单数据获取、天气特征数据获取、特征数据合并及增加、特征数据预处理、特征数据筛选、模型训练和最优模型获取。本发明根据网约车用户的订单数据，统计历史各时段的网约车需求数据以及时段特征，同时额外收集城市的天气数据作为补充，由于网约车需求预测所涉及的因素过于繁杂，所以通过特征选择方法选择强相关特征作为算法输入，并将XGBoost算法作为需求预测的关键算法，通过交叉验证的方法选取并保存最优模型；在实际应用时获取保存的模型及未来时段数据做预测，以对未来各时段的网约车需求进行预测。
-
公开(公告)号：CN108960427A
公开(公告)日：2018-12-07
申请号：CN201810680852.8
申请日：2018-06-27
Applicant: 华侨大学
Abstract: 本发明公开了一种基于知识导向型遗传算法的制造云服务优化选择方法，S1：基于服务领域知识划分制造云服务组合节点制造云服务的候选服务集合；S2：从每个制造云服务候选集合中根据服务领域知识导向策略选取一个服务按照服务交互流程组合为一个个体成员，初始遗传算法种群X；S3：将每个个体成员采用整数编码方式进行编码；S4：计算种群P中所有个体的适应值；S5：返回当前全局最优解或生成下一代种群Pn；S6：将P中(1‑r)*N个最优适应值个体直接加入下一代种群Pn中；S7：采用服务领域知识导向的交叉与变异策略构建r*N个新个体并加入中；S8：返回S4；S9：输出最优的制造云服务组合方案。本发明能有效对制造云服务组合中的组合服务优化选择问题进行求解。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.025 seconds)
