公开(公告)号：CN117035089A

公开(公告)日：2023-11-10

申请号：CN202310753699.8

申请日：2023-06-25

Applicant: 同济大学

Inventor： 罗崔月 ,  凌卫青

IPC: G06N5/04 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/08 ,  G06F16/36 ,  G06Q10/04

Abstract: 本案涉及一种基于多关系循环事件图注意力的时态知识图谱推理方法，用于解决现有时态知识图谱推理时未充分考虑多关系场景下邻域信息对目标实体影响的差异性，导致对邻域特征的学习能力有限，从而对未来事件的预测能力不足的问题。本案在对多关系循环事件进行时态知识图谱推理时，不仅考虑相邻事件间的时序相关性，还利用多关系邻域聚合器融合目标实体的邻域信息，并在融合过程中使用注意力机制考虑多关系场景下不同邻居节点对目标节点的不同贡献，从而良好地解决了时态知识图谱外推问题。进一步地，本案还采用了单层图注意力网络对静态信息进行聚合构建静态约束信息，以提高事件预测准确性。

公开(公告)号：CN114462717A

公开(公告)日：2022-05-10

申请号：CN202210167252.8

申请日：2022-02-23

Applicant: 同济大学

Inventor： 罗崔月 ,  凌卫青

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于改进GAN与LSTM的小样本气体浓度预测方法，包括：获取目标气体浓度的历史数据；对目标气体浓度的历史数据进行预处理，构建得到历史数据集；通过改进的GAN对历史数据集进行扩充，得到扩充后的数据集，其中，为避免GAN网络在训练过程中出现梯度消失问题，使用Wasserstein距离构造损失函数对GAN网络进行改进；按照设定的比例，将扩充后的数据集划分为训练集和测试集；利用训练集和测试集，对LSTM网络进行训练，得到气体浓度预测模型；将实际需要预测的气体数据输入气体浓度预测模型中，输出得到对应的预测气体浓度。与现有技术相比，本发明能够消除样本不充足带来的负面影响，能够有效解决小样本气体浓度预测问题，并提高气体浓度预测的精度。