-
公开(公告)号：CN114528758A
公开(公告)日：2022-05-24
申请号：CN202210106265.4
申请日：2022-01-28
Applicant: 广州杰赛科技股份有限公司 , 广东工业大学
Abstract: 本发明公开了一种分布式模型预测方法，通过构建不同神经元分布的局部模型，并采用分布不同的数据训练构建的局部模型；采用联合概率神经匹配对不同的局部模型的相似神经元进行匹配，采用惩罚函数筛选神经元；根据筛选后的神经元构建全局模型，确定全局模型神经元的参数；采用预设的训练集，利用贝叶斯深度学习完成全局模型的参数分布的估计；根据参数分布的估计完成全局模型的预测过程。对全局模型的参数采用概率分布来估计，提高参数的稳定性，从而提高模型训练的收敛速度，提高模型预测速度。
-
公开(公告)号：CN112968794A
公开(公告)日：2021-06-15
申请号：CN202110116356.1
申请日：2021-01-28
Applicant: 广州杰赛科技股份有限公司
Abstract: 本发明实施例公开了一种网络功能链部署方法，所述方法包括接收网络功能链的部署请求，获取用于部署所述虚拟网络功能的多个节点的拓扑信息，建立以端对端时延最短的目标函数，所述目标函数满足在进行虚拟网络功能部署时对节点的可靠性约束、节点的资源容量约束、链路的可靠性约束，在对所述网络功能链进行部署时，根据虚拟网络功能携带的部署信息和所述多个节点的拓扑信息，寻找满足所述目标函数的节点进行部署，其能在满足低时延网络服务请求的同时，有效保证传输的可靠性。本发明实施例还相应提供了一种网络功能链部署装置、终端设备以及存储介质。
-
Patent Agency Ranking
公开(公告)号：CN103761442B
公开(公告)日：2017-05-17
申请号：CN201410039161.1
申请日：2014-01-26
Applicant: 广州杰赛科技股份有限公司
IPC: G06F19/00
Abstract: 本发明公开了一种微区域流动参量的预测方法和装置，先收集宏区域固定参量A的时间序列和流动参量B的时间序列；然后根据宏区域与各微区域关系，得到各微区域固定参量A的时间序列；再利用扩展卡尔曼滤波的状态方程，得到固定参量A的时间序列和流动参量B的时间序列之间的关系；利用所求得的固定参量A和流动参量B之间的关系，得到各微区域流动参量B的时间序列预测值；最后根据所获得的各微区域固定参量A的时间序列和流动参量B的时间序列预测值对各微区域进行资源优化。本发明改变了微区域“黑箱子”的现状，预测微区域流动参量的状态，根据预测结果利用资源，使资源得到优化，同时利用扩展卡尔曼算法，获得结果准确，误差率低，具有很好的应用价值。
-
公开(公告)号：CN117876799A
公开(公告)日：2024-04-12
申请号：CN202410269658.6
申请日：2024-03-11
Applicant: 暨南大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00 , G06V10/82 , G01D21/02
Abstract: 本发明公开了一种物流供应链品控缺陷检测方法及系统，其中方法包括：采集有关物流供应链品控的训练数据，并提取训练数据的缺陷特征；基于特征缺陷，构建混合检测模型；优化检测模型，得到最终模型；利用最终模型，完成物流供应链上的品控缺陷检测。本发明通过融合形变检测和穿透性破损检测两个神经网络模块，实现了对物流供应链纸箱包装的综合检测。本发明能够同时兼顾形变检测和穿透性破损检测，解决了目前方法只能单一处理这两个方面的问题。这将会进一步提高物流供应链纸箱包裹运输过程中的安全性和效率，为物流行业带来更大的便利和效益。
-
公开(公告)号：CN117932606B
公开(公告)日：2024-10-29
申请号：CN202410266168.0
申请日：2024-03-08
Applicant: 暨南大学
IPC: G06F21/56 , G06F18/2135 , G06F18/243 , G08G1/01 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习的智能交通车辆安全检测方法及系统，其中方法包括以下步骤：构建基于Transformer迁移学习的智能交通载体安全攻击检测模型，并分为数据预处理模块和安全检测模块两部分。对于智能交通车辆数据预处理部分，采用主成分分析和决策树方法，进行数据特征降维，剔除数据中大部分不相关特征，保留数据最关键的攻击特征以及时序特征。对于安全检测模型部分，则视其为一种目标检测任务，以判断智能交通车辆是否受到外部攻击。Transformer结合了多头自注意力机制和目标分类技术，多头自注意力机制可以很好的学习智能交通车载网络数据的时序特征，而目标分类技术则可以用于识别不同的入侵攻击数据类型。
-
公开(公告)号：CN117932606A
公开(公告)日：2024-04-26
申请号：CN202410266168.0
申请日：2024-03-08
Applicant: 暨南大学
IPC: G06F21/56 , G06F18/2135 , G06F18/243 , G08G1/01 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习的智能交通车辆安全检测方法及系统，其中方法包括以下步骤：构建基于Transformer迁移学习的智能交通载体安全攻击检测模型，并分为数据预处理模块和安全检测模块两部分。对于智能交通车辆数据预处理部分，采用主成分分析和决策树方法，进行数据特征降维，剔除数据中大部分不相关特征，保留数据最关键的攻击特征以及时序特征。对于安全检测模型部分，则视其为一种目标检测任务，以判断智能交通车辆是否受到外部攻击。Transformer结合了多头自注意力机制和目标分类技术，多头自注意力机制可以很好的学习智能交通车载网络数据的时序特征，而目标分类技术则可以用于识别不同的入侵攻击数据类型。
-
公开(公告)号：CN117876799B
公开(公告)日：2024-05-28
申请号：CN202410269658.6
申请日：2024-03-11
Applicant: 暨南大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00 , G06V10/82 , G01D21/02
Abstract: 本发明公开了一种物流供应链品控缺陷检测方法及系统，其中方法包括：采集有关物流供应链品控的训练数据，并提取训练数据的缺陷特征；基于特征缺陷，构建混合检测模型；优化检测模型，得到最终模型；利用最终模型，完成物流供应链上的品控缺陷检测。本发明通过融合形变检测和穿透性破损检测两个神经网络模块，实现了对物流供应链纸箱包装的综合检测。本发明能够同时兼顾形变检测和穿透性破损检测，解决了目前方法只能单一处理这两个方面的问题。这将会进一步提高物流供应链纸箱包裹运输过程中的安全性和效率，为物流行业带来更大的便利和效益。
-
-
-
-
-
-
Search Results
57
records
(took 0.045 seconds)
