-
公开(公告)号：CN119312890A
公开(公告)日：2025-01-14
申请号：CN202411340012.9
申请日：2024-09-21
Applicant: 南京航空航天大学
IPC: G06N5/022 , G06N5/04 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/092 , G06F123/02
Abstract: 本发明公开了一种基于注意力机制和强化学习的时序知识图谱多跳路径推理方法。首先，将时间信息进行映射后，使用基于注意力机制的时序嵌入方法对时序知识图谱中的实体和关系进行动态表示，将时间信息与实体和关系的嵌入结合，实现对时序特征的准确捕捉。在此基础上，采用基于注意力机制的策略网络引导路径探索，通过强化学习优化每一步的动作选择，逐步进行多跳推理。其次，结合时间约束和推理步数的限制，使用奖励机制对路径探索进行优化，确保路径推理符合时序知识图谱中的时间限制和路径长度限制。最后，使用强化学习的策略梯度算法对模型进行训练，不断更新和提升策略网络的推理能力。本发明的优点在于：通过结合注意力机制和强化学习方法，能够有效地探索时序知识图谱中的多跳推理路径，在推理过程中既考虑了时间因素又能提供可解释的推理路径，提高了推理的准确性和效率。
-
公开(公告)号：CN118095287A
公开(公告)日：2024-05-28
申请号：CN202311639031.7
申请日：2023-11-30
Applicant: 南京航空航天大学
IPC: G06F40/30 , G06F40/284 , G06F40/216 , G06F18/24 , G06F18/25 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于注意力机制的细粒度混合谣言检测方法。首先使用基于Transformer的细粒度特征提取器来对推文内容进行细粒度的特征提取。在此基础上，采用图神经网络对谣言的传播结构特征进行学习。其次，使用细粒度特征提取器得到的特征与时间编码信息结合，以对谣言的时间结构进行建模。然后，引入了基于用户特征的注意力网络，来学习不同用户对于谣言传播的倾向。最后，通过全连接层将上述特征进行融合，并进行谣言的检测。本发明的优点是：使用细粒度的特征提取算法，能够从谣言周围的相关信息中挖掘突出的语言线索，提取出丰富的辅助特征，提升了谣言检测的准确度。
-
公开(公告)号：CN118091589A
公开(公告)日：2024-05-28
申请号：CN202410312136.X
申请日：2024-03-18
Applicant: 南京航空航天大学
IPC: G01S7/41
Abstract: 本发明公开一种雷达回波目标检测方法、装置、介质及产品，涉及目标检测技术领域。所述方法包括：获取雷达回波数据集并将所述雷达回波数据集作为模型预训练数据集；根据所述模型预训练数据集对雷达目标检测模型进行预训练，得到预训练模型；基于不同杂波背景雷达数据利用域适应模块对所述预训练模型进行模型调整，得到训练好的雷达目标检测模型；根据待检测的杂波背景雷达回波数据利用所述训练好的雷达目标检测模型进行检测，得到目标检测结果。本发明能解决在不同杂波背景下传统雷达目标检测模型存在的参数设置不灵活，迁移繁琐的问题。
-
公开(公告)号：CN114065287B
公开(公告)日：2024-05-07
申请号：CN202111368094.4
申请日：2021-11-18
Applicant: 南京航空航天大学
Abstract: 本发明提供的抗预测攻击的轨迹差分隐私保护方法和系统，通过基于隐马尔可夫模型对移动对象的当前位置进行预测，计算该位置的可预测性用以调整隐私参数。其次，利用w滑动窗口机制给位置点分配相应的隐私预算，确保长度为w的轨迹片段满足ε‑差分隐私。最后，结合地理不可区分机制按照设定的隐私预算对原始轨迹数据添加拉普拉斯噪声生成扰动位置集，发布最优的扰动位置点以提高数据的可用性，从而可以对轨迹数据进行隐私保护并有效地抵御轨迹预测攻击。
-
公开(公告)号：CN117909924A
公开(公告)日：2024-04-19
申请号：CN202410122880.3
申请日：2024-01-29
Applicant: 南京航空航天大学
IPC: G06F18/25 , G06F18/15 , G06F18/2131 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06F123/00 , G06F123/02 , G06N3/048
Abstract: 本发明公开一种基于物理信息机器学习的机械加工粗糙度预测方法、系统、介质及产品，涉及机械加工质量预测技术领域，方法包括对机械加工工件的多源时序数据进行预处理，得到预处理后的多源时序数据；将加工参数输入至具有可容忍精度的表面粗糙度机理模型中，得到机械加工工件的表面粗糙度理论值；将预处理后的多源时序数据和表面粗糙度理论值输入至表面粗糙度空间特征预测模型中，得到空间预测值；将预处理后的多源时序数据和表面粗糙度理论值输入至表面粗糙度时间特征预测模型中，得到时间预测值；基于注意力机制将空间预测值和时间预测值进行聚合，得到机械加工工件的表面粗糙度预测结果。本发明可有效提高机械加工粗糙度预测的精度。
-
Patent Agency Ranking
公开(公告)号：CN117688496B
公开(公告)日：2024-04-16
申请号：CN202410100736.X
申请日：2024-01-25
Applicant: 南京航空航天大学
IPC: G06F18/2433 , G06F18/22 , G06F18/213 , G06N3/042 , G06N3/045 , G06N3/08 , G06F123/02
Abstract: 本发明提供了面向卫星遥测多维时序数据的异常诊断方法、系统及设备，涉及卫星遥测多维时序数据异常诊断领域，该方法包括：将待检测的卫星遥测多维时序数据输入至异常检测和诊断模型中，输出各个时刻的预测误差；异常检测和诊断模型是基于改进的传递熵方法、因果‑自动学习的图神经网络构图方法以及图注意力网络构建的；当预测误差超出误差范围时，确定待检测的卫星遥测多维时序数据存在异常，并根据预测误差确定异常变量；根据改进的传递熵方法构建异常变量的因果关系；根据因果关系确定异常变量因果图；根据异常变量因果图确定异常的卫星遥测多维时序数据的异常原因。本发明能够准确诊断出卫星遥测多维时序数据的异常原因。
-
公开(公告)号：CN117762660A
公开(公告)日：2024-03-26
申请号：CN202211134112.7
申请日：2022-09-16
Applicant: 南京航空航天大学
IPC: G06F11/07 , G06F17/18 , G06N3/0455 , G06N5/046
Abstract: 本发明涉及一种数据驱动的卫星故障根因定位方法及系统；该方法包括利用核主成分分析方法对卫星遥测数据进行监测，得到每个数据点的平方预测误差SPE统计量，将SPE统计量大于控制限的数据点判断为故障；检测到故障发生后，根据基于全空间指标的改进贡献图算法计算所有变量的贡献值；通过提出的故障候选变量选择算法，确定故障相关变量候选集；根据基于神经网络的格兰杰因果关系分析算法，得到故障相关变量间的二值因果矩阵和故障传播因果图，识别故障传播路径和定位故障根因。本发明解决了现有格兰杰因果关系分析方法无法分析在轨卫星非线性因果关系的问题。
-
公开(公告)号：CN117688496A
公开(公告)日：2024-03-12
申请号：CN202410100736.X
申请日：2024-01-25
Applicant: 南京航空航天大学
IPC: G06F18/2433 , G06F18/22 , G06F18/213 , G06N3/042 , G06N3/045 , G06N3/08 , G06F123/02
Abstract: 本发明提供了面向卫星遥测多维时序数据的异常诊断方法、系统及设备，涉及卫星遥测多维时序数据异常诊断领域，该方法包括：将待检测的卫星遥测多维时序数据输入至异常检测和诊断模型中，输出各个时刻的预测误差；异常检测和诊断模型是基于改进的传递熵方法、因果‑自动学习的图神经网络构图方法以及图注意力网络构建的；当预测误差超出误差范围时，确定待检测的卫星遥测多维时序数据存在异常，并根据预测误差确定异常变量；根据改进的传递熵方法构建异常变量的因果关系；根据因果关系确定异常变量因果图；根据异常变量因果图确定异常的卫星遥测多维时序数据的异常原因。本发明能够准确诊断出卫星遥测多维时序数据的异常原因。
-
公开(公告)号：CN117671350A
公开(公告)日：2024-03-08
申请号：CN202311639113.1
申请日：2023-11-30
Applicant: 南京航空航天大学
IPC: G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于深度条件生成模型的SAR目标图像生成方法。在该方法中，首先建立SAR目标图像数据集和构建生成器的输入；其次设计了一种对偶鉴别器改进条件生成对抗网络(DDM‑CGAN)，对其结构进行搭建；然后对DDM‑CGAN模型进行训练；最后使用训练好的模型生成器生成指定类别的SAR目标图像。该方法通过引入对偶鉴别器结构，利用替代损失和标准生成对抗网络(GAN)的原始损失的统计性质，设计了一种新的对抗损失，避免模型不收敛；提出了一种改进的梯度惩罚算法，提高模型的训练稳定性；设计了一种具有鉴别能力的新型辅助分类器，提高了生成图像的多样性。
-
公开(公告)号：CN109948117B
公开(公告)日：2023-04-07
申请号：CN201910195659.X
申请日：2019-03-13
Applicant: 南京航空航天大学
IPC: G06F18/2433 , G06N3/0455 , G06N3/094 , G06N3/0442 , G06N3/0475
Abstract: 本发明公开了一种针对卫星遥测数据，通过对抗网络自编码器的异常检测方法，包括：打破传统经验模型限制，采用纯数据驱动模型；在变分自编码器基础上，引入对抗网络思想，将双向LSTM(长短时记忆网络)作为判别器，利用重构数据和原始数据的误差来判断卫星遥测数据是否出现异常；针对卫星传感器存在冗余问题，打破常规，使用马氏距离来衡量重构误差。结合卫星轨道运行的周期性，提出基于周期时间窗口的动态阈值确定方法。本发明的优点是：纯数据驱动，无需专家经验，能够适用多种场合；结合变分自编码器和生成对抗网络各自的优点，提出的网络具有训练快、收敛较容易的特点；采用马氏距离，消除卫星遥测数据之间的冗余数据影响；根据卫星自身的周期性，提出基于周期时间窗口的动态阈值方法，降低了误判率。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.053 seconds)
