-
公开(公告)号：CN118197046B
公开(公告)日：2024-08-20
申请号：CN202410294322.5
申请日：2024-03-14
Applicant: 北京交通大学
IPC: G08G1/01
Abstract: 本发明提供基于多层级特征融合的交通流预测方法及系统，方法包括：采集路网拓扑数据、交通流量数据、外部环境数据；基于交通流预测先验知识结合时间相关性和空间相关性，面向全息路网画像的多维度特征提取八类时空交通流特征；利用多重特征相关性计算框架计算初始特征集合的特征区分度、特征间相关性、特征与目标相关性，筛选出高质量特征；基于多重特征相关性计算框架计算结果，根据特征层融合算法选出代表决定性因素的特征进行组合，得到关键特征表示输入预测模型；训练多个学习器，得到准确的交通流预测模型。本发明实现多层次全方面的数据融合，在特征提取、特征筛选方面为交通流预测领域提供技术启发，提升了特征融合效果与特征可解释性。
-
公开(公告)号：CN112801340B
公开(公告)日：2024-04-26
申请号：CN202011489874.X
申请日：2020-12-16
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种基于多层级城市信息单元画像的人群密度预测方法。该方法包括：从城市管理层级出发，定义多层级城市信息单元和城市信息单元包含的数据；对城市信息单元数据进行预处理，利用长短期记忆网络LSTM、图嵌入算法分别提取城市信息单元的时间和空间特征，通过塔式聚合结构聚合多层级城市信息单元包含的特征，在多层级城市信息单元画像的基础上构建多任务决策模型；根据多层级城市信息单元画像的多任务决策模型进行城市各网格、区域的人群密度预测。本发明提出“城市信息单元”的概念，通过塔式聚合结构聚合多层级城市信息单元的特征，然后对多层级城市信息单元进行多任务联合学习，最终建立多层级城市信息单元画像的模型。
-
公开(公告)号：CN113434970B
公开(公告)日：2023-01-17
申请号：CN202110608119.7
申请日：2021-06-01
Applicant: 北京交通大学
IPC: G06F30/17 , G06F30/27 , G06F119/02 , G06F119/04
Abstract: 本发明提供了一种机械设备的健康指标曲线提取和寿命预测方法。包括：采集机械设备的训练实例的从健康到故障状态的机械传感退化数据得到数据块序列；利用Transformer编码器‑解码器从数据块序列中提取出训练实例的反映机械健康状态的健康指标曲线；使用线性回归模型建立机械设备的健康指标曲线与传感读数之间的映射关系；将待评估机械设备的测试实例的健康指标曲线输入映射关系，得到待评估机械设备的测试实例的健康指标曲线，将待评估机械设备的测试实例的健康指标曲线与健康指标曲线库进行相似性计算，得到待评估机械设备的剩余寿命的估计结果。本发明通过从退化时间序列中提取出反映机械健康状态的健康指标曲线，进而有效地预测机械设备的剩余使用寿命。
-
公开(公告)号：CN113434970A
公开(公告)日：2021-09-24
申请号：CN202110608119.7
申请日：2021-06-01
Applicant: 北京交通大学
IPC: G06F30/17 , G06F30/27 , G06F119/02 , G06F119/04
Abstract: 本发明提供了一种机械设备的健康指标曲线提取和寿命预测方法。包括：采集机械设备的训练实例的从健康到故障状态的机械传感退化数据得到数据块序列；利用Transformer编码器‑解码器从数据块序列中提取出训练实例的反映机械健康状态的健康指标曲线；使用线性回归模型建立机械设备的健康指标曲线与传感读数之间的映射关系；将待评估机械设备的测试实例的健康指标曲线输入映射关系，得到待评估机械设备的测试实例的健康指标曲线，将待评估机械设备的测试实例的健康指标曲线与健康指标曲线库进行相似性计算，得到待评估机械设备的剩余寿命的估计结果。本发明通过从退化时间序列中提取出反映机械健康状态的健康指标曲线，进而有效地预测机械设备的剩余使用寿命。
-
公开(公告)号：CN118038210A
公开(公告)日：2024-05-14
申请号：CN202410247436.4
申请日：2024-03-05
Applicant: 北京交通大学
IPC: G06V10/774 , G06V10/762 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于语义特征的DNN模型的训练样本选择方法。该方法包括：使用基于频域的显著性检测方法提取各个样本图像的语义特征；对所有样本图像的语义特征进行聚类和采样，将样本图像划分为具有不同语义特征的多个类别，得到用来测试和重训练深度神经网络DNN模型的样本图像。本发明通过使用基于频域的显著性检测方法来提取测试用例的语义特征，这能够捕捉与人类直觉相符的数据本质特征，并将其在频域特征空间中聚类为不同的类别，使用基于频域的显著性检测方法来提取测试用例的语义特征，能够更有效地检测出DNN多样的错误，提高DNN模型的对抗鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN112801340A
公开(公告)日：2021-05-14
申请号：CN202011489874.X
申请日：2020-12-16
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多层级城市信息单元画像的人群密度预测方法。该方法包括：从城市管理层级出发，定义多层级城市信息单元和城市信息单元包含的数据；对城市信息单元数据进行预处理，利用长短期记忆网络LSTM、图嵌入算法分别提取城市信息单元的时间和空间特征，通过塔式聚合结构聚合多层级城市信息单元包含的特征，在多层级城市信息单元画像的基础上构建多任务决策模型；根据多层级城市信息单元画像的多任务决策模型进行城市各网格、区域的人群密度预测。本发明提出“城市信息单元”的概念，通过塔式聚合结构聚合多层级城市信息单元的特征，然后对多层级城市信息单元进行多任务联合学习，最终建立多层级城市信息单元画像的模型。
-
公开(公告)号：CN119762331A
公开(公告)日：2025-04-04
申请号：CN202510259447.9
申请日：2025-03-06
Applicant: 北京交通大学
Abstract: 本发明公开了一种人脸视频风格迁移方法及系统，属于计算机视觉技术领域，将获取的人脸视频帧图像输入构建生的成器网络模型，将该模型的编码器输出的人脸视频帧图像的特征序列进行仿射变换，通过变换函数将特征序列融合为目标风格特征；在形变保护层根据人脸掩码对目标风格特征的面部区域的特征进行约束，获取当前条件可逆残差块生成的风格化人脸帧图像特征；并将当前条件可逆残差块生成的风格化人脸帧图像特征依次输入到下一个条件可逆残差块中循环执行，通过解码器解码获取多个条件可逆残差块融合后的风格化人脸帧图像。该方法生成的视频在风格一致性、面部细节保留和时序连贯性方面都有显著的提升，实现了高质量的人脸视频风格迁移。
-
公开(公告)号：CN119540680A
公开(公告)日：2025-02-28
申请号：CN202411413342.6
申请日：2024-12-02
Applicant: 北京交通大学
IPC: G06V10/774 , G06V10/82 , G06V10/776 , G06N3/04
Abstract: 本发明提供基于不确定性引导的神经网络测试数据集生成方法及系统，方法包括：将原始数据集按比例划分为原始训练集和原始测试集，训练和测试目标神经网络，筛选出识别错误数据集；利用检测器检验判断识别错误数据集中是否存在异常样本或对抗样本，若存在则采取优化措施；评价新生成的优化测试集，计算图像的自然度与适应度，判断新生成测试样本质量，删除不符合要求测试样本，保留质量达标测试样本；将优化测试集的测试样本与原始数据集混合，使用更新后训练集和测试集对目标神经网络进行训练和测试，直至识别准确率大于预设阈值。本发明增强目标神经网络识别异常样本和对抗样本的能力，提升目标神经网络的安全性和鲁棒性。
-
公开(公告)号：CN118038210B
公开(公告)日：2025-01-17
申请号：CN202410247436.4
申请日：2024-03-05
Applicant: 北京交通大学
IPC: G06V10/774 , G06V10/762 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于语义特征的DNN模型的训练样本选择方法。该方法包括：使用基于频域的显著性检测方法提取各个样本图像的语义特征；对所有样本图像的语义特征进行聚类和采样，将样本图像划分为具有不同语义特征的多个类别，得到用来测试和重训练深度神经网络DNN模型的样本图像。本发明通过使用基于频域的显著性检测方法来提取测试用例的语义特征，这能够捕捉与人类直觉相符的数据本质特征，并将其在频域特征空间中聚类为不同的类别，使用基于频域的显著性检测方法来提取测试用例的语义特征，能够更有效地检测出DNN多样的错误，提高DNN模型的对抗鲁棒性。
-
公开(公告)号：CN119441504A
公开(公告)日：2025-02-14
申请号：CN202411418311.X
申请日：2024-10-11
Applicant: 中国国家铁路集团有限公司 , 北京交通大学
IPC: G06F16/36 , G06N3/045 , G06N3/0442 , G06F40/30 , G06N3/047 , G06Q10/20 , G06F40/295 , G06F16/35 , G06F18/213
Abstract: 本发明提供一种铁路设备故障报告分析方法及装置，方法包括：收集铁路设备的故障报告数据，进行数据清洗和预处理；使用预训练的BERT模型对故障报告的文本序列进行处理，BERT模型采用Transformer架构中的12层编码器作为基础组件，从前后文本中提取上下文信息，生成每个句子中词向量，进行命名实体识别；根据识别的各类命名实体，建立铁路故障知识图谱；通过可视化表示展示构建的铁路设备故障知识图谱，结合可视化形式对故障数据进行统计分析，揭示故障的分布和趋势。本发明能够为铁路设备的维护和故障预防提供科学依据和有利工具，有效提升了铁路设备故障分析的效率和准确性，提高了铁路系统的安全性和运行效率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
