公开(公告)号：CN117610717B

公开(公告)日：2024-08-02

申请号：CN202311502493.4

申请日：2023-11-13

Applicant: 重庆大学

Inventor： 陈逢文 ,  尚家兴 ,  李诚祥 ,  贾雪琪 ,  郑林江

IPC: G06Q10/04 ,  G06Q50/00 ,  G06N3/0455

Abstract: 本发明提出一种基于双变分级联自编码器的信息流行度预测方法，包括，获取信息扩散过程中的全局交互图和级联图；构建信息扩散模型，将全局交互图和级联图输入信息扩散模型，其中基础信息扩散模型包括变分图自编码器和变分时序自编码器；通过信息扩散模型输出信息的流行度预测结果。本发明提出的方法，基于图神经网络技术来拟合传播拓扑结构、推理传播过程，捕获影响信息传播的关键因素并构建统一的信息扩散预测框架，从而在信息流行度预测任务上得到更加准确的预测结果。

公开(公告)号：CN119848736A

公开(公告)日：2025-04-18

申请号：CN202510049313.4

申请日：2025-01-13

Applicant: 重庆大学

Inventor： 尚家兴 ,  李诚祥 ,  郑林江 ,  陈逢文 ,  陈浩东 ,  李旭

IPC: G06F18/2433 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/088

Abstract: 本发明涉及一种基于双视图增强Transformer的飞行数据异常检测方法及系统，属于航空安全技术领域。本发明将飞行安全异常检测的任务扩展到传统的超限事件之外，针对飞行过程中细微且往往未被检测到的异常；根据QAR数据是时间序列数据的一种典型形式，将飞行安全问题重新表述为时间序列分析中的异常检测任务；此外，为解决飞行安全研究中过度依赖专家标记数据的挑战，设计了一种专门为QAR数据设计的无监督异常检测模型。最后针对QAR数据的特征稀疏特点，设计了基于重构的时间序列异常检测模型架构。本发明能够及时识别偏离正常飞行模式的情况，为航空公司提供预警信息，并有效辅助专家分析异常飞行行为，具有广阔的应用前景。

公开(公告)号：CN117610717A

公开(公告)日：2024-02-27

申请号：CN202311502493.4

申请日：2023-11-13

Applicant: 重庆大学

Inventor： 陈逢文 ,  尚家兴 ,  李诚祥 ,  贾雪琪 ,  郑林江

IPC: G06Q10/04 ,  G06Q50/00 ,  G06N3/0455

Abstract: 本发明提出一种基于双变分级联自编码器的信息流行度预测方法，包括，获取信息扩散过程中的全局交互图和级联图；构建信息扩散模型，将全局交互图和级联图输入信息扩散模型，其中基础信息扩散模型包括变分图自编码器和变分时序自编码器；通过信息扩散模型输出信息的流行度预测结果。本发明提出的方法，基于图神经网络技术来拟合传播拓扑结构、推理传播过程，捕获影响信息传播的关键因素并构建统一的信息扩散预测框架，从而在信息流行度预测任务上得到更加准确的预测结果。