-
公开(公告)号:CN117892235A
公开(公告)日:2024-04-16
申请号:CN202410076080.2
申请日:2024-01-18
Applicant: 内蒙古蒙泰不连沟煤业有限责任公司 , 中国矿业大学
IPC: G06F18/2431 , G06F18/25 , G06N3/09
Abstract: 本发明公开一种基于自注意力机制的煤矿支护参数预测方法和系统,包括以下步骤:步骤S1、获取煤矿测量参数数据;步骤S2、根据煤矿测量参数数据,得到围岩状态嵌入数据与巷道状态嵌入数据;步骤S3、根据围岩状态嵌入数据与巷道状态嵌入数据训练得到基于自注意力机制的煤矿支护参数预测模型;步骤S4、将实时采集的煤矿测量参数数据输入到训练好的基于自注意力机制的煤矿支护参数预测模型,得到煤矿支护参数的预测值。采用本发明的技术方案:提高煤矿智能支护领域煤矿支护系统的稳定性与安全性。
-
公开(公告)号:CN116311921A
公开(公告)日:2023-06-23
申请号:CN202310182427.7
申请日:2023-03-01
Applicant: 中国矿业大学
IPC: G08G1/01 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多空间尺度时空Transformer的交通速度预测方法,属于交通预测规划技术领域。预测方法包括:将预处理后的路段传感器速度序列数据依次输入多尺度空间特征提取模块、交通时空特征提取模块以及预测模块,逐步实现多尺度动态空间结构和静态路网结构的特征提取、精准建模时空依赖以及预测未来一段时间的交通速度。本发明多尺度空间特征提取模块能够全面且有针对的提取空间特征,在提高预测精度的同时减少了大量无用计算。另外,交通时空特征提取模块根据交通特性以及数据的相对位置信息选择更有价值的历史数据以进行充分的时空特征提取,解决了提取时空依赖时存在的丢失相对位置信息的问题。
-
公开(公告)号:CN115345251A
公开(公告)日:2022-11-15
申请号:CN202211043167.7
申请日:2022-08-29
Applicant: 中国矿业大学
Abstract: 一种跨模态的露天矿卡车驾驶员身份自监督识别方法,属于轨迹数据挖掘技术领域。方法如下:获取露天矿卡车的GPS数据和OBD数据,进行预处理;将预处理后的GPS数据,经过路段语义嵌入模块,得到含有空间语义信息的路段序列;基于路段序列和预处理后的OBD数据,经过跨模态融合特征提取模块,并结合自监督,得到能够展现每个驾驶员独特驾驶风格的表示;基于驾驶员表示,经过驾驶员身份识别模块,得到驾驶员ID。该方法充分考虑空间语义信息对驾驶员操作的影响,提取GPS数据和OBD数据这两个模态中的信息提高表示质量,从而提高识别精度;以自监督的方式进行训练,解决有标签数据少导致的模型难以训练问题。
-
公开(公告)号:CN115062713A
公开(公告)日:2022-09-16
申请号:CN202210728962.3
申请日:2022-06-24
Applicant: 中国矿业大学
IPC: G06K9/62 , G06F16/9035 , G06N3/04 , G06N3/08
Abstract: 一种基于GCN‑GRU的露天矿卡车停留区域活动识别方法,属于轨迹数据挖掘领域。方法如下:基于车辆的唯一标识ID和时间,对GPS轨迹数据进行过滤,即数据筛选,以消除无效的数据;基于过滤后的GPS轨迹数据,根据车辆实际的停留时间状况,设置合适的阈值来对轨迹数据进行停留区域识别;基于得到的卡车停留区域,提取其基本特征,将停留区域按照时间顺序相连构建图,并得到邻接矩阵;基于所提取特征和邻接矩阵,使用GCN神经网络对停留区域进行特征嵌入,将停留区域特征转化为特征向量;基于所得到的特征向量,使用GRU神经网络对停留区域序列进行训练,最终得到分类结果。该方法按照时间顺序构建了以停留区域为顶点的邻接矩阵,将GCN神经网络与GRU神经网络模型结合,GCN神经网络能够提取当前停留区域前后停留区域的特征,而GRU神经网络则能够捕捉之前所有停留区域的特征,以此提高了识别准确性。
-
公开(公告)号:CN115115601B
公开(公告)日:2025-04-25
申请号:CN202210786076.6
申请日:2022-07-04
Applicant: 中国矿业大学
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08 , G06V10/764 , G06T5/73
Abstract: 一种基于形变注意金字塔的遥感舰船目标检测方法,属于遥感检测技术领域。分别是:形变注意金字塔网络、多尺度特征增强网络、多尺度自适应池化网络和旋转预测网络。被检测图像依次经过上述子网络,逐步实现特征提取、特征增强、生成感兴趣区域和标记舰船。优点:形变注意金字塔网络从多个尺度抑制了遥感图像的背景噪声,降低了模型受不相关特征的干扰。多尺度特征增强网络使用并行的拉普拉斯卷积核和空洞卷积核实现对弱小目标特征的锐化,增强了模型对小目标舰船的特征描述。多尺度自适应池化网络使用多尺度自适应池化策略获取到了更为精准的检测感兴趣区域。旋转预测网络基于回归策略生成旋转预测框,用于精准地标记任意方向的舰船。
-
公开(公告)号:CN117576910A
公开(公告)日:2024-02-20
申请号:CN202311591453.1
申请日:2023-11-27
Applicant: 中国矿业大学
IPC: G08G1/01 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/044 , G06N3/0985 , G06F123/02
Abstract: 本发明公开了一种基于循环时空注意力机制的交通流量预测方法,属于交通流量预测领域。预测方法包括:首先,将来自传感器的原始数据经数据预处理模块得到交通流量数据集;其次,将划分后的数据集输入到基于循环时空注意力机制的时空特征提取模块,融合学习到的时空特征;最后,将得到的时空特征输入到预测模块并预测未来一段时间的交通流量数据。在数据预处理阶段的数据填充过程中,根据交通流量数据的特点设计了前向填充法,大幅降低了计算开销。本方法设计了带有循环特性的滑动自注意力位置编码,解决了交通流量预测在长依赖上表现不佳的问题,并通过并行计算架构骨架支持多个GPU上的分布式训练,提供高于单个GPU的计算并行度,提高运算效率。
-
公开(公告)号:CN116524227A
公开(公告)日:2023-08-01
申请号:CN202310173792.1
申请日:2023-02-28
Applicant: 中国矿业大学
IPC: G06V10/764 , G06F16/215 , G06V10/82 , G06V10/40 , G06N3/08 , G06Q50/02 , G06N3/04
Abstract: 一种动态时空语义联合嵌入的煤矿井下矿工轨迹识别方法,属于煤矿井下数据分析技术领域。利用煤矿井下矿工轨迹数据设计矿工轨迹识别模型,该模型实现了识别输入的轨迹数据属于哪一个矿工;包括:时间特征提取模块、空间特征提取模块、语义特征提取模块和联合表示学习模块。优点:从时间、空间和语义三个维度提取轨迹特征并联合学习特征表示;采用动态图嵌入方法来提取轨迹的时间维度特征,获取变长轨迹序列的长期时间依赖关系,并应用多头自注意力机制,提高对长序列的处理效率;采用图神经网络提取轨迹的结构拓扑信息,并融合外部因素的语义特征提高矿工轨迹识别准确度,从而为煤矿井下的轨迹数据挖掘和智能调度平台提供技术支持。
-
公开(公告)号:CN116503948A
公开(公告)日:2023-07-28
申请号:CN202310502077.8
申请日:2023-05-06
Applicant: 中国矿业大学
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/82 , G06V10/34 , G06V10/764 , G06N3/0499 , G06N3/082 , G06N3/048 , G06N3/047 , G06V10/94
Abstract: 一种面向动态内存优化的轻量化井下人员动作识别方法及装置,利用煤矿井下人员动作视频数据设计适用于嵌入式终端的轻量化动作识别模型。首先通过数据采集和预处理模块,实现对煤矿井下人员动作数据集的构建;其次将数据集通过预训练模块,实现视频动作特征识别任务下,动作识别模型的混合预训练;再次将动作识别模型通过轻量化神经网络架构搜索模块,实现轻量网络架构的搜索;最后将轻量网络通过参数压缩模块,得到极小模型,并应用在嵌入式终端上。优点:采用混合预训练技术,提高模型的鲁棒性;采用参数压缩、动态内存加载等技术,在优化模型结构、减小模型体积的同时缩短搜索时间;在保证识别率前提下,实现复杂模型的井下嵌入式终端部署。
-
公开(公告)号:CN115937612A
公开(公告)日:2023-04-07
申请号:CN202310028711.9
申请日:2023-01-09
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/62 , G06V20/50 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/088 , G06N3/084
Abstract: 本发明公开了一种基于深度区域嵌入的露天矿区域功能分类方法,属于露天矿管理领域,首先对露天矿进行均匀单元区域划分,然后通过轨迹数据提取不同单元区域的特征信息,将不同单元区域构建成一个稀疏单元区域图;再则,利用结构化深度网络嵌入模型学习单元区域节点的空间嵌入表示,实现单元区域空间区域嵌入;然后,将单元区域特征时序序列作为双向长短期记忆神经网络的输入从而获取单元区域时序特征,实现单元区域时序区域嵌入,以弥补区域时间特征不足的问题;再则,将得到的单元区域节点的嵌入表示和单元区域序列特征进行特征融合,将最终特征融合结果输入到注意力层,解决不同特征权重分配不均问题;最后,进行训练得到更加准确的分类结果。
-
公开(公告)号:CN115034517B
公开(公告)日:2025-02-11
申请号:CN202210874998.2
申请日:2022-07-25
Applicant: 中国矿业大学
IPC: G06Q10/04 , G06Q10/109 , G06F17/14 , G06F17/18 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/08 , G06Q50/02
Abstract: 一种基于注意力的时空图卷积露天矿卡车行程时间预测方法,属于矿山调度领域。首先,获取露天矿卡车原始轨迹数据和路网数据,结合外部因素属性信息,得到具有属性信息的露天矿卡车轨迹数据和路网数据;其次,提取轨迹中的因素属性信息特征;再次,通过基于注意力机制的时空图卷积网络捕捉时间和空间维度的车流量信息特征;接着,通过卷积网络捕捉邻近路段的特征;然后,将上述三部分特征信息进行连接,设计预测模型和损失函数,并训练模型;最后,根据待预测的轨迹,采用训练得到的模型,进行行程时间预测。优点:充分利用轨迹、路网以及外部信息特征,实现准确的露天矿卡车行程时间预测。优化露天矿卡车调度系统,降低运营成本,提高采矿效率。
-
-
-
-
-
-
-
-
-