-
公开(公告)号：CN119962628A
公开(公告)日：2025-05-09
申请号：CN202510050123.4
申请日：2025-01-13
Applicant: 北京邮电大学
IPC: G06N3/096 , G06N3/042 , G06N5/04 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于测试时微调的图数据分析方法。该方法包括以下步骤：收集图预训练数据集；构建图基础模型，并利用图预训练数据集对图基础模型进行预训练，获取预训练后的图基础模型；设置测试时微调阶段，并在测试时微调阶段对预训练后的图基础模型进行改进，以获取改进的图形基础模型；获取待分析图数据集，并利用改进的图形基础模型对待分析图数据集进行分析，以获取图数据分析结果。本发明提出的方法在推理阶段引入了额外的参数调整阶段，即测试时微调阶段，通过这一阶段，可以有效减少推理阶段的计算资源消耗，提高推理效率，相比于现有技术，本发明在保证预测精度的前提下，大大加快了推理速度，适合处理大规模图数据。
-
公开(公告)号：CN119962626A
公开(公告)日：2025-05-09
申请号：CN202510050118.3
申请日：2025-01-13
Applicant: 北京邮电大学
Abstract: 本发明公开了一种面向图学习的联合任务与分布泛化方法，包括如下步骤：获取蛋白质分子对应的源任务集、适应样本集和目标任务集；使用训练集对神经网络模型进行训练，得到图预测模型；图预测模型包括输入模块、精炼器模块和预测器模块；使用适应样本集对图预测模型进行适配性训练，得到特定图预测模型；将目标任务集输入特定图预测模型，通过特定图预测模型输出目标任务集对应的蛋白质分子预测结果。本发明可以通过提取任务关键子图，减少了图数据中的冗余信息，提高了模型的预测准确性和泛化性。
-
公开(公告)号：CN119961518A
公开(公告)日：2025-05-09
申请号：CN202510050126.8
申请日：2025-01-13
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/34 , G06N3/042 , G06N3/045 , G06N5/04 , G06N5/045
Abstract: 本发明公开了一种基于图神经网络和语言模型的内容推荐方法。该方法包括以下步骤：获取用户的标准配置文件数据和标准交互数据；构建用户交互图数据；获取用户的偏好推理结果；将用户的偏好推理结果转换为查询嵌入，并使用查询嵌入对用户交互图数据进行子图提取，以获取用户偏好子图数据；获取用户的意图推理子图数据；基于用户的意图推理子图数据和图神经网络，获取待推荐内容的评分结果。本发明结合了用户配置文件、交互图和交互信息等多种数据源，通过自然语言处理技术和图神经网络，能够更全面地捕捉用户偏好的信息，这不仅弥补了现有方法依赖显式数据的不足，还能够从隐式数据中发现用户潜在的兴趣爱好，提高推荐的准确性和覆盖面。
-
公开(公告)号：CN114969728B
公开(公告)日：2024-06-07
申请号：CN202210628270.1
申请日：2022-06-06
Applicant: 北京邮电大学
IPC: G06F21/55 , G06N3/0464 , G06N3/084 , G06F17/16
Abstract: 本发明提供了一种基于热力图的神经网络攻击方法，属于人工智能安全技术领域。本发明方法包括：利用要对抗攻击的神经网络模型对输入图像分类，获得图像对于类别的热力图；根据热力图和选取阈值获取二值化矩阵，矩阵中取值为1的区域为重要区域；采用单次攻击或迭代攻击生成对抗样本；单次攻击方式下，添加一次扰动来生成对抗样本；迭代攻击方式下，每次迭代添加一次扰动，逐步生成对抗样本，总体扰动会更小。本发明方法解决了目前全局攻击中扰动过大，易被人眼识别的不足，使得生成的对抗样本更加高效，经实验证明，在成功率相似的前提下，本发明方法的扰动范数大小、峰值信噪比和结构相似度衡量指标相比现有全局方法均有显著提升。
-
公开(公告)号：CN117952157A
公开(公告)日：2024-04-30
申请号：CN202410109235.8
申请日：2024-01-25
Applicant: 北京邮电大学
IPC: G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于区间传播的神经网络鲁棒性下边界确定方法，属于人工智能安全领域，尤其适用于较大规模以上的神经网络的输入样本生成。本发明方法对应实现为由计算机可执行指令形成的计算模块，针对被测神经网络模型获取每一层的系数矩阵和系数矩阵，推导以神经网络层的激活函数为自变量表达的输出层上下界函数；根据已确定的中间层的预激活输入的上下界计算输出层的上下界，然后使用二分法计算输入样本的鲁棒性下边界，预设概率优化减小输入样本扰动大小的操作为增大样本操作，并计算鲁棒性下边界的置信度。本发明通过减少反向线性推导的层数，提高了计算效率，能应用于更大的神经网络模型上，所获得的鲁棒性下边界更具有实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN117808652A
公开(公告)日：2024-04-02
申请号：CN202410005930.X
申请日：2024-01-03
Applicant: 北京邮电大学
IPC: G06Q50/40 , G06Q10/047 , G06Q10/0631 , G06N3/006 , G06N3/092
Abstract: 本发明公开了一种基于多智能体路径规划的公交车辆排班方法，属于公交车辆排班领域。本发明方法包括：设计公交车辆排班问题的序列决策过程，将公交车辆排班问题映射为多智能体路径规划问题；将车辆作为智能体，设计可选行程和竞争车辆的概念，进行马尔可夫决策过程建模，设计状态空间、动作空间和奖励函数；结合参数共享的思想，使用基于策略的强化学习算法完成车辆智能体与仿真环境的交互，停止迭代后，各车辆智能体按照发车时刻逐步决策，生成完整公交车排班策略。本发明方法使车辆能基于重点关注的环境信息进行实时决策，能同时解决离线和在线的调度问题，有效降低排班方案所带来的车辆使用成本，能适用于更大规模的场景中。
-
公开(公告)号：CN115100337A
公开(公告)日：2022-09-23
申请号：CN202210612418.2
申请日：2022-05-31
Applicant: 北京邮电大学 , 咪咕文化科技有限公司
Abstract: 本申请公开了一种基于卷积神经网络的全身人像视频重照明方法和装置，其中，该方法包括：获取待处理视频图像，其中，待处理视频包括全身人像视频图像；将待处理视频图像的多个图像帧和目标照明场景输入至预先训练的图像处理模型，得到渲染图像帧序列，其中，图像处理模型用于将图像帧和目标照明场景渲染为目标照明场景下的渲染图像帧，并对渲染图像帧进行时间一致性处理；将渲染图像帧序列合成为重照明视频图像。本申请能够实现全身人像的重照明，提升重照明效果。
-
公开(公告)号：CN112954586B
公开(公告)日：2022-09-09
申请号：CN202110126537.2
申请日：2021-01-29
Applicant: 北京邮电大学
IPC: H04W4/02 , H04W4/021 , H04W12/122 , H04W24/08 , H04B17/345 , G01S19/21 , G01S19/37
Abstract: 本说明书实施例提供一种欺骗干扰源定位方法、电子设备及存储介质，所述方法包括：从目标干扰区域的多个接收机中筛选出多个接收终端，获取多个所述接收终端的接收信号信息与位置信息；根据干扰源数量采用相应的干扰源定位算法，利用所述干扰源定位算法根据所述接收信号信息与所述位置信息确定干扰源位置；设置验证终端，利用所述验证终端确定所述干扰源位置处的期望干扰功率并获取所述干扰源位置处的估计干扰功率，对比所述期望干扰功率与所述估计干扰功率以确定所述目标干扰区域中是否存在欺骗干扰攻击；若存在欺骗干扰攻击，将所述目标区域中的所述干扰源位置上报。
-
公开(公告)号：CN114898588A
公开(公告)日：2022-08-12
申请号：CN202210432052.0
申请日：2022-04-22
Applicant: 北京邮电大学
Abstract: 本发明涉及一种公交发车时刻表优化方法，属于智能交通领域；具体为：首先，针对单路公交车，将运营时间划分为若干发车时间段，并遍历各时间段间内可行的发车间隔；然后，基于历史客流，对每个发车时间段内所有乘客的行驶里程进行加和，得到各发车时间段对应的实际运力需求值；接着，利用发车间隔计算各时间段对应的运力提供值；基于两者的差值计算各时间段对应的运力匹配值，并构建评价函数；最后，按时间顺序逐个选择发车时间段，并逐个选择该时间段内的发车间隔，利用评价函数对发车间隔进行评价，选择各时间段内评价值最小的发车间隔，组成该路公交车的发车时刻点序列。本发明有效降低了公交公司运营成本，满足了乘客的实际需求。
-
公开(公告)号：CN114819617A
公开(公告)日：2022-07-29
申请号：CN202210431112.7
申请日：2022-04-22
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于强化学习的公交车辆排班方法，属于公交车辆排班领域，具体为：首先、将某条公交线路的车辆排班问题建模为马尔可夫决策过程，其中包括状态，动作、奖励三个要素。将发车时刻表中每个时刻点作为一个决策点，利用强化学习智能体选取当前可用车辆从该时刻点发出，从而覆盖该时刻点。构建公交车辆排班的仿真环境，通过智能体与仿真环境的交互，利用强化学习算法获得智能体的最优策略。然后，利用智能体对发车时刻表中每个时刻点按时间顺序逐点决策，由此得到公交车排班方案。本发明提供了一种公交车辆的在线调度方法，在发生交通拥堵，交通事故等不确定事件的情况下，能保证全部覆盖发车时刻表，且所用车辆数目少。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.122 seconds)
