公开(公告)号：CN119808887A

公开(公告)日：2025-04-11

申请号：CN202411703147.7

申请日：2024-11-26

Applicant: 重庆邮电大学 ,  重庆数字交通产业集团有限公司

Inventor： 黄晓舸 ,  肖亚莉 ,  唐毅 ,  罗伟 ,  陈前斌

IPC: G06N3/098 ,  H04L67/12 ,  H04L41/16 ,  H04L41/14 ,  G06N3/096 ,  G06N3/042 ,  G06N7/01

Abstract: 本发明涉及一种车联网中基于失活技术的联邦互蒸馏方法，属于移动通信技术领域。联邦学习是一种分布式机器学习方法，通过共享模型将局部知识聚合成全局模型，保证数据安全。在车联网场景中，该方法通信开销过高。同时，由于车辆本地数据分布差异较大，在局部知识共享时将降低全局模型性能。除此之外，车辆行驶过程中会在RSU覆盖区域之间切换，可能造成模型传输中断。为了解决上述问题，本发明提出了一种车联网中基于失活技术的联邦互蒸馏方法。该方法考虑车辆移动状况、交通状况等因素，使用马尔科夫链来进行RSU切换预测；通过筛选误导性数据，提升模型准确性；通过知识互蒸馏方法传递知识，降低通信开销；引入失活技术加速模型训练。

公开(公告)号：CN119517429A

公开(公告)日：2025-02-25

申请号：CN202411413953.0

申请日：2024-10-11

Applicant: 重庆邮电大学

Inventor： 秦对 ,  冉孟佳 ,  李章勇 ,  邱敏 ,  杨德伟 ,  肖欢 ,  唐毅

IPC: G16H50/70 ,  G06F18/213 ,  G06F18/214 ,  G06F18/2415 ,  G06F18/243 ,  G06F18/25 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/084 ,  G06N5/01 ,  G06N20/20

Abstract: 本发明属于深度学习技术领域，具体涉及一种针对医疗文本数据的多维数据融合处理方法，包括：获取多维数据，将多维数据输入到训练后的融合模型中，得到多维数据融合结果；对融合模型进行训练包括：获取多维数据集，采用数据拆分技术将多维数据集划分为训练集和测试集；对训练集中的数据进行特征提取，提取的特征进行张量转换，对经过张量转换后的特征进行重构；将重构后的特征数据输入到融合模型中进行训练，调整模型参数，当模型损失函数最小时，完成模型的训练；本发明在模型定义阶段，使用DNN深度学习的网络架构，以确保模型能够有效地学习和预测目标变量；通过构建的多维数据融合处理方法，从多种检查方式所得的原始医疗文本中直接提取关键信息，提高了用户工作效率。

公开(公告)号：CN118626929A

公开(公告)日：2024-09-10

申请号：CN202410744936.9

申请日：2024-06-11

Applicant: 重庆邮电大学

Inventor： 胡向东 ,  孙大智 ,  白银 ,  唐毅

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/21 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/0985 ,  G01M13/04

Abstract: 本发明涉及一种基于时频增强与生成式学习的小样本滚动轴承故障诊断方法，属于智能制造与工业大数据技术领域，包括以下步骤：S1：收集滚动轴承故障数据并进行预处理，建立滚动轴承故障数据集；S2：采用GAF算法将一维振动故障信号转换成为GADF时频特征图并划分出训练样本数据、验证样本数据与测试样本数据；S3：采用CVAE模型对小样本训练数据进行生成式数据样本扩充；S4：构建GAF‑CVAE‑MobileNet‑v3滚动轴承故障诊断模型；利用训练集样本数据和验证集样本数据对模型进行训练和优化；S5：利用测试集样本数据检验滚动轴承故障诊断模型，若不满足要求，则返回步骤S4，直至结果满足要求。

公开(公告)号：CN113362598B

公开(公告)日：2022-06-03

申请号：CN202110624341.6

申请日：2021-06-04

Applicant: 重庆高速公路路网管理有限公司 ,  重庆首讯科技股份有限公司 ,  重庆邮电大学

Inventor： 王卫平 ,  陈力云 ,  吴霄 ,  黄宏程 ,  唐毅 ,  赵书丽 ,  王世森 ,  张特森 ,  陈星州 ,  罗隐 ,  郑筑心 ,  涂春华 ,  陈静瑶 ,  王璟婷 ,  薛彦聪 ,  张清

IPC: G08G1/01 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种高速公路服务区车流量预测方法，以实现在不同的时间维度与空间维度下筛选前序信息中的不必要数据，减少因车流量突增(减)情况对预测结果准确度的影响，能更好的捕捉高速公路服务区车流量数据中的有效信息，抓住核心关键信息，提高服务区车流量时序预测结果的准确度。本发明包括以下步骤：首先将高速公路服务区车流量预测的影响因素作为时序特征提取出来；其次将提取出来的时序特征作为模型输入，构建基于双向长短期记忆(Bi‑LSTM)预测模型；然后在Bi‑LSTM模型的基础上加入注意力(Attention)机制得到高速公路服务区车流量预测模型；最后将模型运用至服务区内，并基于评估机制不断优化，构建出适用在服务区的完整的高速公路服务区车流量预测系统。

公开(公告)号：CN113362598A

公开(公告)日：2021-09-07

申请号：CN202110624341.6

申请日：2021-06-04

Applicant: 重庆高速公路路网管理有限公司 ,  重庆首讯科技股份有限公司 ,  重庆邮电大学

Inventor： 王卫平 ,  陈力云 ,  吴霄 ,  黄宏程 ,  唐毅 ,  赵书丽 ,  王世森 ,  张特森 ,  陈星州 ,  罗隐 ,  郑筑心 ,  涂春华 ,  陈静瑶 ,  王璟婷 ,  薛彦聪 ,  张清

IPC: G08G1/01 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种高速公路服务区车流量预测方法，以实现在不同的时间维度与空间维度下筛选前序信息中的不必要数据，减少因车流量突增(减)情况对预测结果准确度的影响，能更好的捕捉高速公路服务区车流量数据中的有效信息，抓住核心关键信息，提高服务区车流量时序预测结果的准确度。本发明包括以下步骤：首先将高速公路服务区车流量预测的影响因素作为时序特征提取出来；其次将提取出来的时序特征作为模型输入，构建基于双向长短期记忆(Bi‑LSTM)预测模型；然后在Bi‑LSTM模型的基础上加入注意力(Attention)机制得到高速公路服务区车流量预测模型；最后将模型运用至服务区内，并基于评估机制不断优化，构建出适用在服务区的完整的高速公路服务区车流量预测系统。