-
公开(公告)号：CN113726545B
公开(公告)日：2022-12-23
申请号：CN202110697665.2
申请日：2021-06-23
Applicant: 清华大学
Abstract: 本发明提供一种基于知识增强生成对抗网络的网络流量生成方法及装置，该方法包括：根据设备及相关的用户、平台、位置和环境各属性确定知识图谱，基于知识图谱嵌入模型，得到每个设备的知识图谱嵌入向量；将每个设备的知识图谱嵌入向量，输入训练完成的生成对抗网络模型的生成器网络，输出生成网络数据，其为包括设备类型、流量序列长度属性的网络流量；其中，生成对抗网络模型，是基于多个已知流量设备的知识图谱嵌入向量，输入生成器网络，输出生成网络数据，再利用判别器对真实流量数据和生成网络数据进行对抗训练后得到。该方法需要数据量较少，能够对设备类型进行可靠区分，网络数据的真实性高。通过较少的数据，得到可靠的大规模物联网流量。
-
公开(公告)号：CN113600939B
公开(公告)日：2022-12-23
申请号：CN202110725379.2
申请日：2021-06-29
Applicant: 清华大学
Abstract: 本申请公开了一种射频级振荡波叠加的电火花加工用脉冲电源及其控制方法，该电源包括：振荡波频率调控单元与第一直流稳压电源相连，振荡波频率调控单元通过第一直流稳压电源供电，用于产生所需的MHZ至GHz级频率范围的正弦波振荡信号；振荡波幅值调控单元与第二直流稳压电源和振荡波频率调控单元相连，振荡波幅值调控单元通过第二直流稳压电源供电，用于将正弦波振荡信号放大到实际所需的振荡幅值；振荡波叠加单元与振荡波幅值调控单元相连，用于将振荡波幅值调控单元放大后的正弦波振荡信号叠加至极间输出脉冲电压信号。该电源可提高电火花加工过程中微小加工间隙动态变化中脉冲有效放电率。
-
公开(公告)号：CN115471147A
公开(公告)日：2022-12-13
申请号：CN202110648736.X
申请日：2021-06-10
Abstract: 本发明提供一种在非配对派送和捡收情况下的车辆路径规划方法及装置，属于车辆路径规划技术领域。方法包括：调度步骤，利用策略模型计算可访问站点的备选概率值；将备选概率值最大的站点分配给车辆，作为车辆的备选目的地；更新步骤；第一判断步骤，若站点状态及车辆的剩余容量更新后，可访问站点的集合不为空，则重复调度步骤；若否，将仓库作为车辆的下一目的地；处理步骤，确定车辆从仓库出发时装载的货物量；第二判断步骤，判断是否存在未被访问的站点，若存在未被访问的站点，返回调度步骤，若不存在未被访问的站点，转向策略输出步骤；策略输出步骤，根据为车辆分配的站点输出路径规划策略。本发明能够提高路径规划策略的生成速度。
-
公开(公告)号：CN115203557A
公开(公告)日：2022-10-18
申请号：CN202210836415.7
申请日：2022-07-15
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种内容推荐模型的生成方法、装置、设备、存储介质及产品，涉及机器学习领域。该方法包括：在搜索空间中生成至少两个候选内容推荐模型；获取搜索空间中至少两个候选内容推荐模型分别对应的模型编码；基于至少两个候选内容推荐模型分别对应的模型编码对至少两个候选内容推荐模型进行性能预测，得到至少两个候选内容推荐模型分别对应的性能预测结果；基于性能预测结果从至少两个候选内容推荐模型中确定出目标内容推荐模型，目标内容推荐模型用于向帐号进行内容推荐。通过以上方式，能够更快速、自动地从多个候选内容推荐模型中，选择推荐性能更好的目标内容推荐模型。本申请可应用于云技术、人工智能、智慧交通等各种场景。
-
公开(公告)号：CN115138932A
公开(公告)日：2022-10-04
申请号：CN202210926868.9
申请日：2022-08-03
Applicant: 清华大学
Abstract: 本发明公开了电解加工用分流辅助硅电极、电解加工系统及方法。该硅电极包括：硅基体、绝缘层和金属层。硅基体包括夹持部和加工部，加工部远离夹持部一端的端面被设置为阴极面；硅基体表面上位于电极供电导电区外和阴极表面外的区域设有绝缘层；金属层包括电极供电导电端、分流阳极层、引线和阳极引出端，电极供电导电端设在位于电极供电导电区的硅基体上，分流阳极层位于加工部的绝缘层上，引线和阳极引出端位于夹持部的绝缘层上。该硅电极通过在阴极面一侧的绝缘层外设置分流阳极层来降低加工间隙外的杂散电流，使工件表面电流集中分布在加工间隙内，能够在不影响加工效率的同时约束材料蚀除范围，提高加工定域性和加工精度。
-
Patent Agency Ranking
公开(公告)号：CN110858374B
公开(公告)日：2022-07-08
申请号：CN201810961395.X
申请日：2018-08-22
Applicant: 清华大学
IPC: G06Q30/06
Abstract: 本发明提供一种BPR中样本空间缩小方法及装置，所述方法包括：对于目标购物系统中的任一用户，根据该用户购买过的商品获取该用户对应的负采样比例系数，将所述目标购物系统的商品全集中除该用户购买过的商品以外的商品作为负样本候选集；根据该用户对应的负采样比例系数和负样本候选集，获取该用户对应的负样本空间。本发明缩小负样本空间，在保证推荐性能的基础上基于缩小的负样本空间进行商品推荐，提高了商品推荐的效率。
-
公开(公告)号：CN113955945B
公开(公告)日：2022-06-28
申请号：CN202111222046.4
申请日：2021-10-20
Applicant: 清华大学
IPC: C03C15/00
Abstract: 本发明公开了一种液滴附壁化学加工的石英玻璃回转体工件的表面修饰方法，包括：将工件装夹在主轴上，主轴带动工件绕中心线旋转；在管口处产生凸出的腐蚀液滴，液滴与工件表面接触，控制液滴的半径保持稳定；根据液滴与工件表面的接触面积以及工件的加工目标表面粗糙度要求，确定工件的相对线速度下限v；由相对线速度下限v以及工件的回转半径确定主轴转速下限N；控制主轴的转速≥N，并控制液滴中心点相对运动对工件表面进行加工，且液滴中心与工件表面的距离保持不变；检测管口处的液滴的流量信号变化，若超过阈值，视为完成对工件的表面修饰。采用该方法可得无微裂纹、无变质层、表面光滑的石英玻璃回转体工件，且操作简便，可控性好。
-
公开(公告)号：CN114564560A
公开(公告)日：2022-05-31
申请号：CN202210044999.4
申请日：2022-01-14
Applicant: 清华大学
Abstract: 本发明提供一种基于知识图谱的超参数搜索方法及装置。其中，该方法包括：对原始知识图谱进行降采样处理获得采样知识图谱；利用预设的基于贝叶斯优化架构的超参数优化器对所述采样知识图谱进行超参数搜索，获得候选超参数组合；基于所述候选超参数组合及其对应的超参数评测数据对所述超参数优化器进行迭代搜索优化，以实现对所述候选超参数组合进行调优处理，得到所述原始知识图谱对应的目标超参数组合；所述超参数评测数据是基于所述候选超参数组合在所述采样知识图谱基础上进行模型训练后得到的性能评测分数。本发明提供的方法，能够适用于不同规模的知识图谱，提高了知识图谱的超参数搜索效率，从而快速获得效果更优的超参数组合。
-
公开(公告)号：CN113889282A
公开(公告)日：2022-01-04
申请号：CN202110858829.5
申请日：2021-07-28
Applicant: 清华大学
Abstract: 本发明提供一种个体移动干预传染病防控方法及系统，该方法包括：获取目标城市中用户个体在预设时间间隔内每天的历史状态信息和个体关系信息；将所述历史状态信息和所述个体关系信息输入到训练好的个体移动干预传染病防控模型，得到所述目标城市中每个用户个体的防控干预措施；其中，所述训练好的个体移动干预传染病防控模型是由样本用户个体状态信息和样本个体关系信息，对图神经网络、长短期神经网络以及智能体进行训练得到的，所述智能体是由基于部分可观察马尔可夫决策过程构建得到的；所述样本用户个体状态信息包括有隐性感染者转化成显性感染者的健康状态信息。本发明能在较低的出行干预下尽量降低感染人数。
-
公开(公告)号：CN113763031A
公开(公告)日：2021-12-07
申请号：CN202110851930.8
申请日：2021-07-27
Applicant: 清华大学
IPC: G06Q30/02 , G06F16/9536 , G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种商品推荐方法、装置、电子设备及存储介质，该方法包括：将用户信息和商品信息输入点击率预估模型，得到用户信息对应的商品点击率预测信息；基于所述商品点击率预测信息，生成所述用户信息对应的商品推荐信息；其中，所述点击率预估模型是基于目标样本交叉特征得到的，所述目标样本交叉特征是基于渐进式的搜索算法，根据商品用户特征搜索空间确定的。通过基于低秩近似设计的商品用户特征搜索空间，有效建模了不同阶数的交叉特征的相互关联，加速了后续的搜索过程，然后在搜索空间里得到目标样本交叉特征，从而构建点击率预估模型，通过点击率预估模型能够有效预测商品点击率预测信息，从而生成用户信息对应的商品推荐信息。
-
-
-
-
-
-
-
-
-
Search Results
587
records
(took 0.104 seconds)
