-
公开(公告)号：CN115376317B
公开(公告)日：2023-08-11
申请号：CN202211004685.8
申请日：2022-08-22
Applicant: 重庆邮电大学 , 北京钢铁侠科技有限公司
IPC: G08G1/01 , G06N3/0464 , G06N3/08
Abstract: 本发明属于智能交通技术领域，具体涉及一种基于动态图卷积和时序卷积网络的交通流预测方法，该方法包括：获取路口节点中待预测的交通流数据，并对待预测的交通流数据进行预处理；将预处理后的交通流数据输入到训练好的交通流预测模型中，得到该路口节点交通流预测结果；根据交通流预测结果对该路口进行交通管制；本方法能更加完整提取交通流数据的时空特征，提高交通流预测的准确性，同时采用时序图卷积，解决了模型梯度不稳定、动态变化响应慢等问题，这对缓解城市交通拥堵，提高行使效率具有重要意义。
-
公开(公告)号：CN115203188A
公开(公告)日：2022-10-18
申请号：CN202210829481.1
申请日：2022-07-15
Applicant: 重庆邮电大学
IPC: G06F16/215
Abstract: 本发明涉及数据清洗技术，特别涉及一种基于发电机组时空序列数据的清洗方法，包括获取原始数据，对原始数据进行清洗的过程中，删除原始数据中冗余数据、冲突数据以及异常数据，构建时空序列模型对原始数据中删除的数据进行填补，完成数据清洗；其中，构建时空序列模型包括以下步骤：通过分析单个站点的原始数据，构建时间序列预测模型；通过分析多个站点的原始数据，构建空间序列预测模型；通过将时间序列预测模型和空间序列预测模型得到预测值通过加权平均的方法构建缺失数据的预测值，完成对缺失数据的清洗；本发明提高了冗余数据、冲突数据、异常数据以及缺失数据这四类脏数据查询和清理的准确度、灵敏度和精密度。
-
公开(公告)号：CN114499874A
公开(公告)日：2022-05-13
申请号：CN202111642100.0
申请日：2021-12-29
Applicant: 重庆邮电大学
Abstract: 本发明属于区块链技术共识算法领域，具体涉及一种应用于工业互联网的拜占庭容错共识优化方法；该方法包括：协调阶段、准备阶段、投票阶段和提交阶段；协调阶段在区块链系统中选举Q个领导者，每个领导者配置一个协调者，其中协调者为在领导者集合中随机选取的领导者，每个领导者只能作为一个领导者的协调者；准备阶段客户端向所有领导者和协调者广播区块生成请求；投票阶段领导者和协调者对区块生成请求进行投票表决；提交阶段，领导者和协调者验证投票结果，若验证通过，则达成共识，若验证不通过，则共识失败；各个节点重复执行拜占庭容错共识优化算法，直到所有的节点完成共识；与现有技术相比，具有更低的时延、更高的吞吐量和更大的节点容量。
-
公开(公告)号：CN112528891A
公开(公告)日：2021-03-19
申请号：CN202011490831.3
申请日：2020-12-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于骨架信息的双向LSTM‑CNN的视频行为识别方法，属于视频处理领域。该方法首先基于视频帧进行人体骨架序列信息的提取，之后将数据归一化处理，将处理后的数据输入到双向LSTM网络中进行时间序列特征的提取；将经过时间特征提取后的骨架序列输入到卷积神经网络中提取空间特征；最后将经过双向LSTM‑CNN网络提取的时空特征输入到SVM分类器中将行为识别分类。本方法不仅充分识别了视频序列中的时空信息而且提高了行为识别的准确率。
-
公开(公告)号：CN112464985A
公开(公告)日：2021-03-09
申请号：CN202011188078.2
申请日：2020-10-29
Applicant: 重庆邮电大学移通学院
Abstract: 本申请实施例公开了一种目标检测方法及相关装置，方法包括：获取多张待检测图片；将多张待检测图片输入融合神经网络模型进行处理，输出均包括一个或多个设定目标的至少一个目标检测结果，至少一个目标检测结果与至少一张待检测图片一一对应；其中，融合神经网络模型包括卷积神经网络模型和生成式对抗网络模型；对至少一个目标检测结果执行显示操作。采用本申请实施例有助于提高检测大量图片中存在的多个设定目标的准确性和效率。
-
Patent Agency Ranking
公开(公告)号：CN110427965A
公开(公告)日：2019-11-08
申请号：CN201910555580.3
申请日：2019-06-25
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于进化策略的卷积神经网络结构简约及图像分类方法。针对卷积模型特征提取部分与全连接层之间的结构进行简约。首先预训练一个卷积模型以固定模型权重，并使用卷积部分对图像数据集进行特征提取；然后，随机生成若干个二进制序列作为初始种群，每个二进制序列对应一种特征提取部分与全连接层之间的结构；接着，分别在当前种群的每种结构下，使用预训练好的权重对测试集特征向量进行分类，分类准确率作为对应结构的适应度，并通过交叉、变异、选择操作得到新一代结构种群，不断迭代至等于迭代次数；最后，获得简约后的特征提取部分与全连接层之间的结构，并应用该结构对预训练权重进行微调。
-
公开(公告)号：CN114360041B
公开(公告)日：2025-04-15
申请号：CN202210013760.0
申请日：2022-01-06
Applicant: 重庆邮电大学
Abstract: 本发明公开了基于关键点检测和头部姿态的疲劳状态检测方法及系统，构建并训练主干网络采用深度可分离卷积网络的MMC多任务预测模型，获取单位时间内的若干帧人脸图像，采用MTCNN网络检测每张图像的人脸位置并裁剪出头部图像；将头部图像输入训练好的MMC多任务预测模型中，得到头部姿态角度和人脸关键点的位置信息；利用双阈值法分别判定头部、眼部和嘴部疲劳状态；设定相关系数综合判定人的疲劳状态，结合人脸关键点检测和头部姿态的相关性，采用主干网络为深度可分离卷积网络的MMC多任务预测模型，将两个任务放在同一个网络中同时进行，可以大幅度的减少需要的参数量和运算量，从而提高了模型的检测速度，进而达到实时的效果。
-
公开(公告)号：CN113971360B
公开(公告)日：2025-04-11
申请号：CN202111311671.6
申请日：2021-11-08
Applicant: 重庆邮电大学
IPC: G06F30/23 , G06F18/24 , G06F18/20 , G06F111/08
Abstract: 本发明属于数字孪生数据驱动技术领域，具体涉及一种基于数字孪生模型的组件状态估计方法；该方法包括：实时获取组件参数，将组件参数输入到改进的数字孪生模型中，得到原型组件的状态估计结果；本发明与传统的单一模型简化技术相比，可以有效地扩展到大型复杂系统，并为模型快速自适应提供了灵活表达的框架；避免了在单一模型缩减方法中计算成本随着参数的增加而迅速增加；降阶模型的使用大大加快了贝叶斯推理速度，实时求解更容易，由此产生的概率分类为数字孪生的更新提供了基础，同时对模型中的不确定性进行量化，提高了模型的精度。
-
公开(公告)号：CN119760220A
公开(公告)日：2025-04-04
申请号：CN202411724586.6
申请日：2024-11-28
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06N3/0895 , G06N20/00 , G06F16/901 , G06N3/042 , G06N3/0464 , G06N3/08 , G16H20/90 , G16H20/10
Abstract: 本发明请求保护一种基于自监督对比学习和语义增强的草药推荐方法。首先使用Word2vec单词嵌入算法，结合症状和草药的语义信息，训练症状和草药的特征表示。然后，构建症状‑草药二部图、症状‑症状协同图和草药‑草药协同图结构，以捕捉症状和草药之间不同类型的关系。利用残差图卷积神经网络聚合邻居节点的特征来更新当前节点的表示，并通过对协同图和二部图进行节点或边的随机丢弃，生成增强的子图。对这些子图进行编码后，采用自监督对比学习方法计算节点之间的对比损失。接着，融合来自不同图的信息，计算草药对症状集合的治疗评分。最后，结合交叉熵损失、Topk损失和对比损失，使用自适应优化算法调整模型的梯度，提高了草药推荐的准确性和可靠性。
-
公开(公告)号：CN115175268B
公开(公告)日：2023-07-25
申请号：CN202210767617.0
申请日：2022-07-01
Applicant: 重庆邮电大学
Abstract: 本发明属于无线传感器网络技术领域，具体涉及一种基于深度强化学习的异构网络节能路由方法，传感器节点根据自身传感器的预定义计划感知环境，收集观测数据并存入对应的缓存队列；并在等待时间内，接收邻居节点传送的聚合数据并存入对应的缓存队列；传感器节点将同一缓存队列中的数据聚合，得到多种类型的聚合数据；根据Q学习自适应算法选择每种类型的聚合数据的下一跳传感器节点并转发；传感器节点根据下一跳传感器节点的响应更新对应传感器的Q表，本发明基于机器学习的自适应路由实现对网络动态变化的实时捕获，用较小的开销实现对整个网络的动态掌控，具有较好的节能性能，有效的延长了网络生命周期。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.024 seconds)
