-
公开(公告)号：CN118968164A
公开(公告)日：2024-11-15
申请号：CN202411031665.9
申请日：2024-07-30
Applicant: 重庆交通大学
IPC: G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/042 , G06N3/084
Abstract: 本发明公开了一种随机配置网络下利用图数据增强效果的图异常检测方法，包括：将待检测的图数据输入训练好的异常检测模型中，输出对应的节点预测类型；训练步骤包括：通过随机配置网络对图数据样本进行随机节点嵌入和随机数据增强；通过图卷积网络进行图卷积处理，生成节点第一特征表示；通过图注意力网络捕捉节点之间的注意力关系，生成节点第二特征表示；融合节点第一和第二特征表示生成融合特征表示；通过分类器生成节点预测类型；计算损失并优化分类器的参数；重复迭代训练直至异常检测模型收敛或达到预设迭代轮次。本发明通过随机配置网络下图卷积网络和图注意力网络串行混合的异常检测模型来提高图数据节点异常检测的准确性。
-
公开(公告)号：CN111709393B
公开(公告)日：2022-04-12
申请号：CN202010609544.3
申请日：2020-06-29
Applicant: 重庆交通大学
Abstract: 本发明公开了联合卷积与循环神经网络的结构损伤识别方法，包括：利用多个传感器采集待测目标不同位置的振动响应加速度数据；对振动响应加速度数据进行预处理形成时间序列数据矩阵；利用卷积神经网络从时间序列数据矩阵中提取空间相关性特征及短时间尺度依赖特征；利用门控循环网络基于空间相关性特征及短时间尺度依赖特征提取长时间尺度依赖性特征；利用长时间尺度依赖性特征对待测目标的损伤状态进行分类。本发明考虑监测数据在时间和空间上的联系，避免损伤状态识别中出现特征提取不足、鲁棒性差、模式分类能力较弱的情况，显著提高了结构损伤识别的精度，并能在合理的训练条件下节省更多的计算空间消耗，具有较好的计算时间和空间平衡性。
-
公开(公告)号：CN113191498A
公开(公告)日：2021-07-30
申请号：CN202110482360.X
申请日：2021-04-30
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于规则的Spark分布式弹性语义流推理方法，包括：S1、获取RDF图；S2、为RDF图的标识符构建双向字典；S3、对RDF图进行划分得到模式图模型和实例图模型；S4、利用双向字典基于模式图模型和实例图模型设计对应的键值模型；S5、基于规则的Spark分布式弹性语义流推理引擎模块读取模式图模型和实例图模型中的模式数据和实例数据，根据RDFS规则的优化顺序执行Spark作业。与现有技术相比，本发明采用分布式内存计算模型Spark，把面向分布式数据集的操作抽象成面向本地数据集的操作，进一步提高了大数据处理环境下迭代计算的效率，并且实现了分布式的内存RDFS推理，有助于进一步提升RDFS推理效率和可扩展性。
-
公开(公告)号：CN114034522A
公开(公告)日：2022-02-11
申请号：CN202111313063.9
申请日：2021-11-08
Applicant: 重庆交通大学
Abstract: 本发明涉及一种基于多无人机作业的空气中颗粒物收集系统及方法，属于无人机技术领域。收集系统包括无人机飞行器和地面辅助车。其中无人机飞行器上搭载有颗粒物收集设备和GPS定位系统，地面辅助车上有降落平台、无人机充电设备及各种颗粒物收集设备。本系统通过地面辅助车搭载无人机前往指定区域后进行颗粒物收集作业，可派出多架协同执行任务，且可在执行完任务后及时补给和同时派出待命的无人机继续工作。这可以有效延长无人机工作时间和增加收集效率和收集量，便于科研活动的进一步进行。
-
Patent Agency Ranking
公开(公告)号：CN111709393A
公开(公告)日：2020-09-25
申请号：CN202010609544.3
申请日：2020-06-29
Applicant: 重庆交通大学
Abstract: 本发明公开了联合卷积与循环神经网络的结构损伤识别方法，包括：利用多个传感器采集待测目标不同位置的振动响应加速度数据；对振动响应加速度数据进行预处理形成时间序列数据矩阵；利用卷积神经网络从时间序列数据矩阵中提取空间相关性特征及短时间尺度依赖特征；利用门控循环网络基于空间相关性特征及短时间尺度依赖特征提取长时间尺度依赖性特征；利用长时间尺度依赖性特征对待测目标的损伤状态进行分类。本发明考虑监测数据在时间和空间上的联系，避免损伤状态识别中出现特征提取不足、鲁棒性差、模式分类能力较弱的情况，显著提高了结构损伤识别的精度，并能在合理的训练条件下节省更多的计算空间消耗，具有较好的计算时间和空间平衡性。
-
公开(公告)号：CN111753776A
公开(公告)日：2020-10-09
申请号：CN202010609549.6
申请日：2020-06-29
Applicant: 重庆交通大学
Abstract: 本发明公开了基于回声状态与多尺度卷积联合模型的结构损伤识别方法，基于滑动窗口重叠的方式对每个传感器采集的结构振动响应信息进行数据增强；回声状态网络和多尺度卷积神经网络联合模型基于每个传感器采集的结构振动响应信息的时间前后依赖性特征以及不同传感器采集的结构振动响应信息之间的空间相关性特征信息进行损伤状态判断。本发明能够有效地提取结构振动响应数据之间的时间先后依赖性和空间相关性，从而准确地判别结构是否损伤以及损伤的程度，该方法科学高效；能够实时估计结构的损伤性质，掌握结构安全状态，预防灾害事故发生，保证了结构工程运营的安全。
-
公开(公告)号：CN119005247A
公开(公告)日：2024-11-22
申请号：CN202411107625.8
申请日：2024-08-13
Applicant: 重庆交通大学
IPC: G06N3/042 , G06N3/084 , G06N3/0895 , G06Q30/018
Abstract: 本发明公开了一种基于图神经网络的欺诈检测方法，包括：将待检测的图数据输入训练好的欺诈检测模型中，输出每个节点的预测标签；训练步骤如下：通过自我区分来增强节点表示学习来生成高维嵌入表示；在节点检测模块中：对每个节点进行子图采样，得到对应的子图；为每个子图生成对应的预测标签值；通过包含该节点的所有子图的预测标签值计算该节点的预测标签值；通过节点的预测标签值计算该节点的预测标签；通过各个节点的预测标签值结合其真实标签计算训练损失并优化参数；重复训练迭代直至节点检测模块收敛或达到预设迭代轮次。本发明通过自监督学习的自我区分来增强节点表示学习，通过为节点生成子图来学习正常节点和欺诈节点之间的差异。
-
公开(公告)号：CN113191498B
公开(公告)日：2022-08-05
申请号：CN202110482360.X
申请日：2021-04-30
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于规则的Spark分布式弹性语义流推理方法，包括：S1、获取RDF图；S2、为RDF图的标识符构建双向字典；S3、对RDF图进行划分得到模式图模型和实例图模型；S4、利用双向字典基于模式图模型和实例图模型设计对应的键值模型；S5、基于规则的Spark分布式弹性语义流推理引擎模块读取模式图模型和实例图模型中的模式数据和实例数据，根据RDFS规则的优化顺序执行Spark作业。与现有技术相比，本发明采用分布式内存计算模型Spark，把面向分布式数据集的操作抽象成面向本地数据集的操作，进一步提高了大数据处理环境下迭代计算的效率，并且实现了分布式的内存RDFS推理，有助于进一步提升RDFS推理效率和可扩展性。
-
公开(公告)号：CN111753776B
公开(公告)日：2022-05-10
申请号：CN202010609549.6
申请日：2020-06-29
Applicant: 重庆交通大学
Abstract: 本发明公开了基于回声状态与多尺度卷积联合模型的结构损伤识别方法，基于滑动窗口重叠的方式对每个传感器采集的结构振动响应信息进行数据增强；回声状态网络和多尺度卷积神经网络联合模型基于每个传感器采集的结构振动响应信息的时间前后依赖性特征以及不同传感器采集的结构振动响应信息之间的空间相关性特征信息进行损伤状态判断。本发明能够有效地提取结构振动响应数据之间的时间先后依赖性和空间相关性，从而准确地判别结构是否损伤以及损伤的程度，该方法科学高效；能够实时估计结构的损伤性质，掌握结构安全状态，预防灾害事故发生，保证了结构工程运营的安全。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
