-
公开(公告)号：CN118041852A
公开(公告)日：2024-05-14
申请号：CN202410270859.8
申请日：2024-03-11
Applicant: 同济大学
IPC: H04L45/125 , H04L45/121 , H04B7/185
Abstract: 本发明涉及一种大规模卫星互联网多任务路由设计方法，包括以下步骤：将卫星互联网的路径设计构建为以通信时延和拥堵率为目标函数的优化问题；基于任务融合的框架处理依赖性多任务优化问题，将多路径优化合并为一个大规模路径优化问题；采用协同进化的方法求解大规模路径优化问题，将初始融合种群分解为两个子种群；优势子种群采用随机交换的策略生成子代；劣势子种群采用混合式知识迁移的策略来探索求解区域。本发明利用多个任务之间存在的相似性和历史经验来提高卫星互联网整体的路径规划质量，降低了负载不均衡的风险和流量拥塞的程度。
-
公开(公告)号：CN115495875A
公开(公告)日：2022-12-20
申请号：CN202210975955.3
申请日：2022-08-15
IPC: G06F30/20 , G06V20/58 , G06V10/764 , G06V10/774 , G06V20/70
Abstract: 本发明公开了一种基于模型检测的自动驾驶安全攸关对抗样本生成方法，包括如下步骤：步骤一、建模：使用UPPAAL模型检测工具建模自动驾驶系统及交通场景；步骤二、性质刻画及验证分析：使用UPPAAL模型检测工具刻画安全性质，运行UPPAAL模型检测工具中的模型检测器并分析以获得对抗攻击的语义信息；步骤三、对抗攻击：结合攻击的语义信息以及对抗攻击算法攻击自动驾驶系统生成安全攸关的对抗样本；步骤四、仿真：将安全攸关的对抗样本与原始样本替换，在仿真器中模拟运行以观察攻击的结果。本发明生成方法生成的对抗样本既能使得神经网络出错也能够确保自动驾驶车辆发生安全事故。本发明还公开了一种实现上述对抗样本生成方法的系统。
-
公开(公告)号：CN119696654A
公开(公告)日：2025-03-25
申请号：CN202411788768.X
申请日：2024-12-06
Applicant: 同济大学
IPC: H04B7/185 , H04W72/0446 , H04W72/0453 , H04W72/566
Abstract: 本发明涉及一种基于任务优先级的星上时频资源动态分配方法，包括以下步骤：判断时频资源分配场景类型；对于常规分配场景，确定通信任务的资源分配顺序，基于启发式规则按序分配资源；对于小规模应急分配场景，结合星上时频资源占用情况，将高优先级任务与常规任务进行匹配，高优先级任务替换配对的常规任务后，为被替换的常规任务重分配资源；对于大规模应急分配场景，释放星上未处理任务占用的时频资源，并根据优先级整合任务，依次为高优先级任务和常规任务分配资源，更新时频资源利用情况；本发明考虑通信任务优先级，在不同通信需求下灵活分配星上有限的时频资源，确保卫星平均时频资源利用率维持在较高水平，实现任务的可靠传输。
-
公开(公告)号：CN117252249A
公开(公告)日：2023-12-19
申请号：CN202310836037.7
申请日：2023-07-07
Applicant: 同济大学
IPC: G06N3/086 , G06F18/241 , G06N3/048
Abstract: 本发明涉及面向声纳反射信号判断的神经网络参数优化方法，需获取声纳反射信号，将信号输入训练好的信号判断模型中，输出判断结果。该方法需对神经网络信号判断模型进行大规模参数优化，以非零权值的所占比率最低和模型预测误差最小为目标函数，最终获取神经网络的最优权值参数以实现精准的信号判断。具体优化过程为：(1)随机设置初始种群；(2)计算出线性转移矩阵；(3)将决策变量分为收敛性变量和多样性变量两类；(4)生成第一新种群；(5)将个体保留入收敛优化种群；(6)生成第二新种群；(7)筛选出下一代种群，将下一代种群作为新的当前种群，返回(4)。与现有技术相比，本发明具有收敛快、判断准确度高等优点。
-
公开(公告)号：CN119557646A
公开(公告)日：2025-03-04
申请号：CN202411704053.1
申请日：2024-11-26
Applicant: 欧冶工业品股份有限公司 , 同济大学 , 华东师范大学
IPC: G06F18/214 , G06F18/241 , G06F16/353 , G06F40/186 , G06N20/00 , G06Q50/18
Abstract: 本发明提供了一种基于大语言模型的标注数据生成方法及系统，包括：步骤S1：获取相同类别代表性合同的结构化文本，并基于获取的代表性合同的结构化文本生成对应的信息抽取模板；步骤S2：基于信息抽取模板和相同类别内所有的合同文本，批量生成标注数据；步骤S3：汇总不同类别的标注数据及相应的合同文本，并生成标注数据集，利用标注数据集对大语言模型进行微调，得到微调后的大语言模型；步骤S4：基于微调后的大语言模型对合同文本进行标注。
-
Patent Agency Ranking
公开(公告)号：CN118055063A
公开(公告)日：2024-05-17
申请号：CN202410255496.0
申请日：2024-03-06
Applicant: 同济大学
IPC: H04L45/125 , H04L45/121 , H04B7/185
Abstract: 本发明涉及一种适用于星地网络的半分布式路由搜索算法，包括以下步骤：检测卫星临时链路的通断情况；选择第一跳节点，构建最小跳数网格；建立优先级评价机制，并根据优先级评价机制评估下两跳节点；更新当前节点位置，进行下一轮寻路，直至到达接收终端。本发明通过临时链路在大大降低通信任务传输距离的同时，极大地提高通信质量，并且在保证端到端时延和网络负载均衡情况下，为大量通信任务快速搜索出合适的通信路由。
-
公开(公告)号：CN115527058A
公开(公告)日：2022-12-27
申请号：CN202210961813.1
申请日：2022-08-11
IPC: G06V10/764 , G06V10/774 , G06V10/25 , G06V10/26 , G06V10/44 , G06N20/00 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于模块协同的机器学习系统概率正确性建模与评估方法，所述方法包括：根据系统构建的SysML活动图，将活动图中的活动节点分类为智能模块与非智能模块，并使用构型的概念，来描述活动图中活动模块之间的组合以及数据交互，以此建立整个系统的模型；测定模型中每个智能模块的概率正确性，并通过模块协同算子所定义的相应公式，计算系统模型中复合构型的概率正确性，最后从系统起始点出发，依次计算每个流程中数据概率正确性的传递，最终评估获得系统整体的概率正确性。本发明还公开了实现上述建模与评估方法的系统。
-
公开(公告)号：CN119599009A
公开(公告)日：2025-03-11
申请号：CN202411704051.2
申请日：2024-11-26
Applicant: 欧冶工业品股份有限公司 , 同济大学 , 华东师范大学
IPC: G06F40/279 , G06F16/353 , G06F40/186 , G06N20/00 , G06Q50/18
Abstract: 本发明提供了一种基于大语言模型的复杂工业合同信息抽取方法及系统，包括：步骤S1：对获取的不同的工业合同文本进行聚类分析，确定每个合同文本所在的簇；步骤S2：从每个簇中分别进行分层抽样，获取代表性样本；步骤S3：对每个簇相对应的代表性样本进行满足预设要求的关键内容抽取；基于抽取的满足预设要求的关键内容获取对应的结构化文本；步骤S4：对结构化文本进行标注，得到标注数据；步骤S5：获取所有簇的标注数据生成标注数据集，利用标注数据集对大语言模型进行微调，得到微调后的大语言模型；步骤S6：将微调后的大语言模型部署到生产环境中，抽取未标注的合同文本的满足预设要求的关键信息。
-
公开(公告)号：CN118041429A
公开(公告)日：2024-05-14
申请号：CN202410291428.X
申请日：2024-03-14
Applicant: 同济大学
IPC: H04B7/185 , H04L45/121
Abstract: 本发明涉及一种适用于星地网络的大规模路由搜索算法，包括以下步骤：预设最大迭代次数、学习率、路由进化比例以及种间学习概率；路由分解和编码；路由评价；路由优化；路由合作。本发明在迭代学习进化速度上所需次数减少，在运行时间上也大幅减少，在没有增加通信任务路由长度的同时总时延比传统算法都有所下降；在大量通信任务同时产生的时候能够快速的搜索出一条合适的通信路由，同时保证端到端时延减小和网络负载均衡。
-
公开(公告)号：CN117112931A
公开(公告)日：2023-11-24
申请号：CN202311183016.6
申请日：2023-09-13
Applicant: 同济大学
IPC: G06F16/9537 , G06F16/9536 , G06Q50/00 , G06F18/24 , G06F18/25 , G06N3/0442 , G06N3/084 , G06Q50/30
Abstract: 本发明公开了一种基于多模态信息融合的城市轨道交通客流预测方法，首先获取城市兴趣点的特征向量，然后构基于轨道交通站点有向图，以及轨道交通站点与兴趣点的位置关系，提取得到轨道交通站点的特征向量，爬取各个时间段的社交媒体文本，从中提取出公众出行兴趣特征向量，然后基于多头交叉注意力模型融合公众出行兴趣特征向量、轨道交通站点特征向量和历史客流特征向量，再采用LTSM网络预测得到下一时间段的客流特征向量。本发明融合城市兴趣点特征、社交媒体的文本特征对城市轨道交通客流进行预测，提高预测准确度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.019 seconds)
