-
公开(公告)号：CN114500004A
公开(公告)日：2022-05-13
申请号：CN202210003869.6
申请日：2022-01-05
Applicant: 北京理工大学
Abstract: 本公开的基于条件扩散概率生成模型的异常检测方法，通过预处理历史时序数据；对历史时序数据进行特征提取，根据提取的特征和下一时刻观测值构建离线条件扩散概率生成模型；利用离线条件扩散概率生成模型和噪声状态转移矩阵重构新噪声序列；利用离线条件扩散概率生成模型和所述新噪声序列预测下一时刻的观测值；根据下一时刻的观测值和实际值的差值确定预设阈值，将所述离线条件扩散概率生成模型和所述预设阈值部署到线上进行实时异常检测。能够减少生成模型本身函数的约束，以及在保持表达能力的同时减少迭代次数，实现更好的异常检测效果。
-
公开(公告)号：CN114494771A
公开(公告)日：2022-05-13
申请号：CN202210036245.4
申请日：2022-01-10
Inventor： 翟弟华 , 王永康 , 夏元清 , 詹玉峰 , 邹伟东 , 刘坤 , 戴荔 , 吴楚格 , 郭泽华 , 李怡然 , 张元 , 张金会 , 闫莉萍 , 孙中奇 , 崔冰 , 高寒 , 杨辰 , 王力 , 史运涛 , 董哲
IPC: G06V10/764 , G06V10/74 , G06V10/762 , G06V10/77 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种可防御后门攻击的联邦学习图像分类方法，采用矩阵降维和聚类算法对Worker节点提交的梯度进行处理，最后选择正常的Worker节点提交的梯度参与聚合，从而完全避免了后门植入全局模型的可能性，此外，本发明所用的方法是一种无监督方法，适用于联邦学习场景，可广泛应用在联邦学习防御中，提高联邦学习的鲁棒性。
-
公开(公告)号：CN111274530B
公开(公告)日：2021-12-31
申请号：CN202010061306.3
申请日：2020-01-19
Applicant: 北京理工大学
Abstract: 本发明公开了一种容器云资源预测方法，通过在建立密集型宽度学习模型中，利用比例‑积分‑微分(PID)算法与自适应矩估计方法(ADAM)分别计算特征节点和增强节点的输出权值矩阵，能够在降低计算负担过重和提高计算效率的情况下提高算法的泛化性能，在一定程度上能够满足容器云资源预测的需要，同时为更准确地进行容器云资源预测提供了新思路和新途径。
-
公开(公告)号：CN110532057B
公开(公告)日：2021-12-10
申请号：CN201910678871.1
申请日：2019-07-25
Applicant: 北京理工大学
Abstract: 本发明公开了一种容器的资源使用量预测方法，通过构建密集型宽度学习模型，在此基础利用基于迭代式的最小二乘法求取特征节点的输出权值矩阵，以及采用共轭梯度法求解增强节点的输出权值矩阵，实现对密集型宽度学习模型的训练，从而获取全局最优解，优化网络结构，实现对容器的资源使用量的精确预测，能够有效提高预测精度和效率。
-
公开(公告)号：CN113723517A
公开(公告)日：2021-11-30
申请号：CN202111013063.7
申请日：2021-08-31
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于状态转移极限学习机的图像分类方法，通过将传统极限学习机的网络结构与状态转移算法相结合，在求解输出权重矩阵的时候利用不同的状态变换算子进行状态更新，不断向优化目标靠近得到输出权重矩阵，在保留传统极限学习机网络结构简单与随机生成参数等特点的同时，可在图像分类方面具有更好的训练精度，并且模型训练耗费时间更少，这为机器学习算法及图像分类的改进优化提供了新思路和新途径。
-
Patent Agency Ranking
公开(公告)号：CN112783123B
公开(公告)日：2021-11-19
申请号：CN202011623798.7
申请日：2020-12-30
Applicant: 北京理工大学
IPC: G05B19/418
Abstract: 本发明涉及一种工作流调度执行单元控制方法和控制器。本发明通过采用快通路系统能够高速接收工作流，由内部的多生产者单消费者模型队列缓存，并由工作流调度执行单元分配器根据工作流调度执行单元预选表向工作流调度执行单元发送工作流。快通路系统不负责构建和维护预选表，且其能够实现工作流的高速路由。工作流路由到工作流调度执行单元的准确性由工作流调度执行单元预选表保障，工作流调度执行单元预选表由慢通路系统内各模块根据系统当前状态(工作流调度执行单元规模、容量和压力)构建并维护，进而能解决高并发、高流速工作流的接收问题和超大规模分布式工作流调度执行单元的管理和大规模工作流高速、精准路由问题。
-
公开(公告)号：CN113110068A
公开(公告)日：2021-07-13
申请号：CN202110561327.6
申请日：2021-05-22
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明涉及一种子空间系统辨识方法系统，该方法包括：初始化四组输入输出数据矩阵，将第一输入数据矩阵和第一输出数据矩阵合并得第一中间变量矩阵；将第三输入数据矩阵和第三输出数据矩阵合并得第二中间变量矩阵；获得第二输出数据矩阵的行空间沿着第二输入数据矩阵的行空间投向第一中间变量矩阵的行空间的第一投影；获得第四输出数据矩阵的行空间沿着第四输入数据矩阵的行空间投向第二中间变量矩阵的行空间的第二投影；将第一投影划分列块并进行奇异值分解；将第一奇异值分解结果进行聚合；对聚合结果进行奇异值分解获得第二奇异值分解结果；对第二奇异值分解结果、第一投影和第二投影进行聚合获得系统状态空间模型。本发明提高了处理速度。
-
公开(公告)号：CN113032126A
公开(公告)日：2021-06-25
申请号：CN202110372038.1
申请日：2021-04-07
Applicant: 北京理工大学
Abstract: 本发明涉及一种高并发云工作流调度引擎跨集群通信系统及方法。该系统的控制器模块采用Service和Deployment方式容器化部署到Kubernetes的Master主集群；生成器模块采用Shell脚本方式容器化部署于各个集群，每个集群以Service和Deployment方式部署唯一的生成器容器；控制器模块和生成器模块均以Service NodePort方式对外提供访问，且以gRPC方式跨越集群通信；分布式数据库在各个集群中单独部署，用于存储调度器模块的资源请求记录；缓存数据库采用分布式架构部署，用于存储全局的工作流信息记录。本发明可以提高系统的灵活性，实现高效通信。
-
公开(公告)号：CN109696669B
公开(公告)日：2021-05-04
申请号：CN201811582146.6
申请日：2018-12-24
Applicant: 北京理工大学
Abstract: 本发明属于信息处理方面多传感器信息融合技术领域。所选方法在相关噪声环境下，基于一类线性动态系统，以雷达目标跟踪为背景，以获得高精度的目标信息为目标，研究其事件触发的Kalman滤波状态估计和多传感器顺序式数据融合问题。其特征在于技术上使用事件触发采样策略，能够减少网络带宽占用，节省数据传输能耗；针对噪声相关环境，能够降低能耗并及时充分的利用观测数据进行最优估计。获得的估计值是线性最小方差意义下最优的。通过计算机仿真实验测试了发明方法的可行性和有效性。本发明所提出的方法在许多应用领域具有潜在的价值，如雷达目标跟踪、组合导航、故障检测、过程监控等。
-
公开(公告)号：CN110018882B
公开(公告)日：2021-04-30
申请号：CN201910248342.8
申请日：2019-03-29
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于宽度学习的虚拟机性能预测方法，通过建立基于宽度学习的虚拟机性能预测模型，随机产生输入到特征节点之间的输入权值矩阵、特征节点到增强节点之间的输入权值矩阵、特征节点的偏置和增强节点的偏置，再采用基于迭代式的最小二乘法求解宽度学习模型的输出权值矩阵，能够在无须人为参与的情况下实现对虚拟机性能的精确预测，能够克服现有方法中存在学习速度慢、网络训练时间长、网络难以收敛、过拟合和容易陷入局部的缺点，在一定程度上能够满足虚拟机性能预测的需要，同时为更准确地进行虚拟机性能预测提供了新思路和新途径。
-
-
-
-
-
-
-
-
-
Search Results
144
records
(took 0.092 seconds)
