公开(公告)号：CN106802553A

公开(公告)日：2017-06-06

申请号：CN201710025977.2

申请日：2017-01-13

Applicant: 清华大学

Inventor： 赵曦滨 ,  黄思光 ,  黄晋 ,  杨帆 ,  顾明 ,  孙家广

IPC: G05B13/02

Abstract: 本发明提供了一种基于强化学习的铁路机车运行操控系统混合任务调度方法，该方法是一种离线学习过程。方法首先采集机车运行操控系统实际运行或仿真实验中的混合任务集数据，形成混合任务集合并对混合任务集合中的每个任务进行规则化标记。然后将规则化标记后的任务集合作为强化学习系统的输入，构成强化学习环境。强化学习系统应用强化学习算法，考察机车运行操控系统的调度目标进行迭代学习过程，生成对应混合任务集合的 对应关系表，并将该 关系表保存在数据库中。从数据库中挑选出现频率最高的规则作为当前状态的最优规则，形成最终的 对应关系表。机车操控系统运行中可根据 对应关系表，指导生成混合任务的实时调度序列，实现任务调度。

公开(公告)号：CN101459518B

公开(公告)日：2011-04-20

申请号：CN200810227848.2

申请日：2008-12-01

Applicant: 清华大学 ,  北京清软英泰信息技术有限公司

Inventor： 施金洋 ,  孙家广 ,  顾明 ,  林国恩 ,  赵清宁

IPC: H04L9/32 ,  G06K9/00

Abstract: 本发明的一种基于生物特征的数字密钥提取和保护方法，包括特征部署、密钥提取二个阶段，特征部署时，基于注册生物特征采样值来构建应用相关联的特征数学函数，而只发布特征数学函数的局部信息，作为生物密本；密钥提取时，利用生物密本与验证生物特征采样值来重构特征数学函数，当验证生物特征采样值跟注册生物特征采样值足够接近时，重构成功，进而恢复出注册生物特征采样值；然后对恢复出的注册生物特征采样值实施应用相关联的不可逆变换，得到不可逆变换值作为数字生物密钥提供。通过本发明的方法提取和保护的数字密钥与行为人具有唯一对应关系，这种对应关系具有高安全性、低错误率，从而使得行为人的信息安全得以保证。

公开(公告)号：CN110852296B

公开(公告)日：2023-01-17

申请号：CN201911132608.9

申请日：2019-11-19

Applicant: 清华大学

Inventor： 张荷花 ,  顾明 ,  孙家广

IPC: G06V40/20 ,  G06V20/52 ,  G06V20/40 ,  G06V20/70 ,  G06V10/82

Abstract: 本发明提供了一种基于语义模型的消防运维阶段人员异常检测装置，包括：视频处理模块，行为判定模块，领域模型抽取模块、运维语义模型构造模块、异常行为检查模块和用户界面模块，视频处理模块用于获取本地视频流或者RSTP格式的直播视频流信息；服务器定时从每个视频流截取视频帧，创建工作空间存储视频帧并记录视频帧时间戳以及视频来源；行为判定模块用于实现图像中人员行为判定，领域模型抽取模块用于实现消防运维领域的子模型抽取；运维语义模型构造模块用于构造消防运维语义模型；异常行为检查模块用于检查建筑物中存在异常行为的空间元素，用户界面模块用于向外提供功能接口。该装置和检测方法实现了人员行为判定，领域模型抽取、运维语义模型构造、异常行为检查等功能。

公开(公告)号：CN114724083A

公开(公告)日：2022-07-08

申请号：CN202210370828.0

申请日：2022-04-07

Applicant: 清华大学

Inventor： 高歌 ,  黄韩 ,  顾明

IPC: G06V20/52 ,  G06K9/62 ,  G06N20/00 ,  G06V10/774

Abstract: 本发明实施例涉及计算机技术领域，尤其涉及一种轨迹预测系统训练方法，该方法包括：获取真实的人群轨迹图、人群对应的区域模型文件，以及人群对应的人群参数，解析区域模型文件，获取区域模型文件中的各个构件及对应的风险分数，通过对不同构件风险的计算，可以方便后续对区域风险水平的确定，基于各个构件对应的风险分数，确定区域风险水平，利用人群参数、区域风险水平，以及真实人群轨迹图对预构建的生成模型和判别模型进行对抗训练，当对抗训练达到预设条件时，确定生成模型和判别模型构建的系统为目标人群轨迹预测系统。这样，通过对抗训练获得整个人群轨迹预测系统，就可以输出更加真实的人群轨迹预测结果。

公开(公告)号：CN114637730A

公开(公告)日：2022-06-17

申请号：CN202210292240.8

申请日：2022-03-23

Applicant: 清华大学

Inventor： 高歌 ,  彭程 ,  刘寒 ,  顾明

IPC: G06F16/174 ,  G06F3/06

Abstract: 本发明实施例涉及计算机技术领域，尤其涉及一种模型文件的压缩的方法、装置、系统及存储介质。该方法包括：获取待处理模型文件，对待处理模型文件进行解析处理，获得解析之后的解析数据，遍历解析数据，获取解析数据中的各个构件，分别识别每一个构件属性，记录冗余构件与初始构件之间的位置关系后，删除冗余构件，根据位置关系和删除冗余构件后的待处理模型文件，确定压缩后的目标模型文件。通过对冗余构件的删除，极大的节省了空间，同时，由于记录了冗余构件与初始构件之间的位置关系，在需要的情况下，可以按照对应的位置关系，将初始构件映射到已经被删除的冗余构件所在的位置中，在压缩了文件占用空间大小的同时保证了文件的完整性。

公开(公告)号：CN111652290A

公开(公告)日：2020-09-11

申请号：CN202010413738.6

申请日：2020-05-15

Applicant: 深圳前海微众银行股份有限公司 ,  清华大学

Inventor： 张泉 ,  袁敏 ,  冯庆磊 ,  贾永香 ,  郭旭阳 ,  赵越 ,  姜宇 ,  顾明 ,  孙家广

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q40/02

Abstract: 本发明公开了一种对抗样本的检测方法及装置，其中方法为：根据待测图片的像素信息，按照预设格式，生成所述待测图片的像素特征数据，作为待测样本；将待测样本输入至特定样本重构模型，获得所述待测样本的重构样本；将所述待测样本的重构样本输入至所述特定预估模型，获得所述待测样本的重构样本的中间层输出值；将所述待测样本的重构样本的中间层输出值输入至特定分类模型，确定所述待测样本是否为对抗样本。上述方法应用于金融科技(Fintech)时，正常样本和对抗样本经特定样本重构模型转换后，正常样本和对抗样本的区分度会更大，确定所述待测样本是否为对抗样本的结果更加明显，更准确地发现所述待测样本是否为对抗样本。

公开(公告)号：CN109190379B

公开(公告)日：2020-05-19

申请号：CN201810878887.2

申请日：2018-08-03

Applicant: 清华大学

Inventor： 赵越 ,  郭建敏 ,  姜宇 ,  顾明 ,  孙家广

IPC: G06F21/57 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供一种深度学习系统的漏洞检测方法和装置，其中方法包括：以最大化神经元覆盖率为导向，从待测深度学习系统中选取并激活若干个神经元；基于若干个神经元的张量表达式，以及待测深度学习系统的预测差的张量表达式，构建优化函数，并通过最大化优化函数获取若干个扰动；若所述若干个扰动中任一扰动满足预设条件，则基于该扰动获取检测样本，通过检测样本对待测深度学习系统的漏洞进行检测。本发明实施例提供的方法和装置，能够有效提升神经元覆盖率，使得检测过程更加完备，并且只需要一个深度学习系统，使得漏洞检测方法的应用场景更为广泛，此外，能够生成大量样本，提高了待测深度学习系统漏洞的检测效率。

公开(公告)号：CN110633204A

公开(公告)日：2019-12-31

申请号：CN201910450219.4

申请日：2019-05-28

Applicant: 清华大学

Inventor： 王聪 ,  姜宇 ,  顾明 ,  孙家广

IPC: G06F11/36

Abstract: 本发明实施例提供一种程序缺陷检测方法及装置，获取待检测程序的潜在缺陷；根据所述潜在缺陷的缺陷类型和缺陷位置，获取第一断言表达式，并将所述第一断言表达式插入到所述待检测程序的相应位置，得到第二断言表达式；对所述第二断言表达式进行验证，若验证结果满足预设条件，则判断获知所述潜在缺陷是真实程序缺陷。本发明实施例根据待检测程序中潜在缺陷的缺陷类型和缺陷位置，在待检测程序的相应位置插入断言表达式，从而更加快速的确定待检测程序中的真实程序缺陷，提高缺陷定位的准确性。

公开(公告)号：CN106773711B

公开(公告)日：2019-09-17

申请号：CN201710025822.9

申请日：2017-01-13

Applicant: 清华大学

Inventor： 黄晋 ,  黄思光 ,  杨帆 ,  赵曦滨 ,  顾明 ,  孙家广

IPC: G05B13/04

Abstract: 本发明提供了一种铁路机车运行操纵系统的混合任务调度方法及模型。本发明的调度方法以一个帧周期作为基本调度单元，包括预处理；针对周期性实时任务基于表驱动的二级优先级规则进行调度序列排序；针对非周期性实时任务应用基于启发式搜索策略和模糊控制的方法进行排列；然后进行时间片的回收以及调度结果和反馈数据的采集工作，并判断剩余执行时间；如果周期时间未用完，则执行非实时任务。本发明的混合任务调度方法和模型能够极大地减小系统开销，又能够比较灵活地处理系统执行过程中的各种变化情况，并且可以降低系统不确定性对调度的影响。

公开(公告)号：CN106647269B

公开(公告)日：2019-05-14

申请号：CN201611190513.9

申请日：2016-12-21

Applicant: 清华大学 ,  中车信息技术有限公司

Inventor： 黄晋 ,  杨帆 ,  黄思光 ,  赵曦滨 ,  顾明

IPC: G05B13/04

Abstract: 本发明提供了一种机车智能操纵优化计算方法，包括如下步骤：步骤1：对机车智能操纵优化所需信息进行预处理；步骤2：生成初始优化曲线；步骤3：基于限速进行优化调整；步骤4：基于时间偏差进行优化调整；步骤5：基于运行平稳安全档位切换的要求，对优化曲线进行调整，生成最终优化策略。每个步骤中的策略都受到机车驾驶策略影响参数的影响，这些参数在不同条件下会匹配不同的策略，共同作为策略分类属性来进行策略的分类，每个步骤的策略都可以构成策略树，树中的叶节点为最终根据分类属性匹配到的优化策略。整个方案的各个步骤满足了机车运行时准点、限速、时刻表、平稳运行、节能等各项要求，保证了良好地优化效果和整体运行效率。