-
公开(公告)号：CN118780317A
公开(公告)日：2024-10-15
申请号：CN202410917586.1
申请日：2024-07-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于扩散的无监督网络对齐方法，属于图对齐技术领域，包括以下步骤：将原始网络通过扩散技术进行扩散，得到原始网络的扩散网络；将原始网络与扩散网络共同输入到DGI模型中进行学习，得到网络节点嵌入表示；根据网络节点嵌入表示，设计总损失函数，并通过损失反向传播更新DGI模型的参数，得到最终的嵌入特征表示；根据最终的嵌入特征表示，计算多层嵌入相似度矩阵，并构建ACN相似度，通过多层嵌入相似度矩阵和ACN相似度对齐节点对，完成网络对齐。本发明解决了现有图对齐方法违反结构一致性以及获得先验信息的成本代价高昂的问题。
-
公开(公告)号：CN118055196A
公开(公告)日：2024-05-17
申请号：CN202410438225.9
申请日：2024-04-12
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种基于IWT和三维级联S盒的图像加密方法及系统，该方法包括：获取明文图像并对明文图像进行编码和分解；生成伪随机序列；对低频图像进行比特置换；构建S盒；生成中间密文图像并进行密文交错扩散；对高频图像进行加密处理；对加密后的低频图像和加密后的高频图像进行图像合并。该系统用于执行上述基于IWT和三维级联S盒的图像加密方法。通过使用本发明，能够提高加密速度以及加密图像的抗攻击性。本发明可广泛应用于信息安全领域。
-
公开(公告)号：CN118033454A
公开(公告)日：2024-05-14
申请号：CN202410106297.3
申请日：2024-01-24
Applicant: 电子科技大学
IPC: G01R31/392 , G01R31/385 , G01R31/378 , G01R31/367
Abstract: 本发明公开了一种基于自注意力机制的锂电池寿命预测方法，先构建基于自注意力机制的跨周期特征提取网络，然后使用采集的数据集训练网络，直至收敛；根据收敛后的网络预测待测锂电池的寿命时，利用多头注意力机制提取特征，再采用交叉注意力方法进行特征融合，然后根据融合后的特征，使用多层感知机进行预测锂电池寿命，从而这样便获得更全面的锂电池老化特征，使预测的更加精确。
-
公开(公告)号：CN117871099A
公开(公告)日：2024-04-12
申请号：CN202410045474.1
申请日：2024-01-11
Applicant: 电子科技大学
IPC: G01M13/045 , G06F18/00 , G06F18/10 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06F18/25 , G06F123/02
Abstract: 本发明公开了一种基于并行编码‑解码观测器的轴承健康状态评估方法，基于预设工况下轴承正常工作状态下的若干振动信号样本生成样本集A，并从样本集A中选取若干样本构成训练样本集B，构建包括位置编码模块、编码输入模块、编码器、解码输入模块、解码器和时间步截取模块的并行编码‑解码观测器，并采用训练样本集B进行训练；将样本集A中的样本输入训练好的观测器得到预测信号，将预测振动信号序列与真实振动信号序列作差得到对应的残差信号序列，从中提取信号特征作为健康基准，对于待评估时刻，通过振动信号和预测信号得到残差信号并提取信号特征，基于健康基准进行评估得到对应的健康分数。本发明可以有效提高轴承健康状态评估的准确度。
-
公开(公告)号：CN117033658A
公开(公告)日：2023-11-10
申请号：CN202310979149.8
申请日：2023-08-04
Applicant: 电子科技大学
IPC: G06F16/36 , G06N3/0464 , G06N5/022
Abstract: 本发明属于信息技术领域，具体涉及一种基于动态图表示学习的科研论文合作预测方法。本发明通过图卷积神经网络，捕获科研论文合作关系网络中的结构信息生成节点的嵌入向量；通过全连接神经网络，捕获表示科研论文合作关系网络中历史时间相关信息的边嵌入向量。然后融合这两种向量进行未来科研论文合作关系的预测，解决了训练过程中会逐渐丢失一部分历史信息的问题。由于没有使用循环神经网络这种序列式训练的方法，本发明方法对于节点、边嵌入向量的生成均为静态的训练方式，模型的训练效率大幅提升，且准确率更高。
-
Patent Agency Ranking
公开(公告)号：CN111523188B
公开(公告)日：2023-06-30
申请号：CN202010310454.4
申请日：2020-04-20
Applicant: 电子科技大学
Abstract: 本发明公开了一种航空网络鲁棒性优化方法，包括以下步骤：根据航班飞行记录数据，构建航空网络；计算航空网络中节点的重要性和航空网络的鲁棒性；根据航空网络中节点的重要性构建候选边，并通过候选边和鲁棒性获取基尼系数增量；从候选边中选取若干使基尼系数增量最大的边，完成航空网络鲁棒性的优化。本发明能够对网络结构进行优化，降低突发事件对航空运输网络造成的影响，首先根据飞行记录数据构建航空网络、计算机场城市节点重要性和计算网络鲁棒性，然后选择局部优化范围，使用网络优化方法选择出需要增加的优化航线。
-
公开(公告)号：CN116227191A
公开(公告)日：2023-06-06
申请号：CN202310181698.0
申请日：2023-02-28
Applicant: 电子科技大学
IPC: G06F30/20 , G06F18/2321 , G06F119/04 , G06F111/10 , G06F111/08
Abstract: 本发明公开了一种结合多项式拟合与维纳过程的锂电池剩余寿命预测方法，通过加速待测锂电池的寿命实验，获取待测锂电池在不同时刻的退化量；然后在最小二乘估计和极大似然估计的基础上利用退化数据获取目标锂电池的模型先验参数；接着通过贝叶斯算法对模型中多项式拟合的参数进行更新，并将更新后的参数用于计算目标锂电池在当前时刻下的剩余寿命条件概率密度函数；最后通过两个定理求解出当前时刻下目标锂电池的剩余寿命概率密度函数，具有预测精度高、实时性好、预测速度快等特点。
-
公开(公告)号：CN112287628B
公开(公告)日：2023-06-02
申请号：CN202011032139.6
申请日：2020-09-27
Applicant: 电子科技大学
IPC: G06F30/367 , G06N3/126 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种基于约束优化的模拟电路故障参数范围确定方法，分别采用遗传算法来获取故障元件参数范围下限和上限，在每次运行遗传算法时，将元件参数向量作为遗传算法种群的个体，在生成初始种群的时候，故障元件的参数值在预设的故障取值范围中取值，其余元件在容差范围内取值，在迭代过程中基于个体误差和误差精度的约束来计算个体适应度值，在迭代完成后根据最后一代种群提取出故障元件参数范围的下限或上限。本发明基于约束优化通过遗传算法实现了对于故障元件参数范围的精确确定。
-
公开(公告)号：CN115688041A
公开(公告)日：2023-02-03
申请号：CN202211396292.6
申请日：2022-11-09
Applicant: 电子科技大学
IPC: G06F18/2433
Abstract: 本发明公开了一种针对无标签表格数据的深度异常检测方法及电子设备，包括以下步骤：构造表格的异常数据样本，将构造的异常数据样本与表格的正常数据样本合并为训练集；将表格结构数据转化为图结构数据，并获取对应的邻接矩阵；将邻接矩阵作为训练数据对深度图自编码器进行训练，得到训练后的深度图自编码器；采用训练后的深度图自编码器对目标表格的数据样本进行检测，实现无标签表格数据的深度异常检测。本发明对不同数据集具有适用性高、识别精度高、充分利用数据信息的优点。本发明解决了传统异常检测方法对于不同数据集的适应性较差的问题，在实际使用中，减小了由于人为设定阈值等参数带来的人为误差，并且减小了工作量和开销。
-
公开(公告)号：CN115508706A
公开(公告)日：2022-12-23
申请号：CN202211156895.9
申请日：2022-09-22
Applicant: 电子科技大学
IPC: G01R31/36 , G01R31/367 , G01R31/392 , G06N3/04
Abstract: 本发明公开了一种考虑容量再生现象的锂电池剩余寿命预测方法，通过加速待测锂电池的寿命实验，获取待测锂电池在不同时刻的退化量；然后利用容量再生现象检测算法去除锂电池历史退化数据中的容量再生现象，并用这些处理后的退化数据训练一个LSTM网络；接着采用容量再生检测算法实时检测待测锂电池包含的容量再生现象，去除待测锂电池的容量再生数据；最后采用训练好的LSTM神经网络进行待测锂电池的RUL实时预测，并对由容量再生现象造成的RUL预测误差进行修正，具有预测精度高、实时性好、预测速度快等特点。
-
-
-
-
-
-
-
-
-
Search Results
206
records
(took 0.033 seconds)
