-
公开(公告)号：CN113487889B
公开(公告)日：2022-06-17
申请号：CN202110813579.3
申请日：2021-07-19
Applicant: 浙江工业大学
IPC: G08G1/08
Abstract: 一种基于快速梯度下降的单交叉口信号控制的交通状态对抗扰动生成方法，根据已有的强化学习DQN算法训练的交通路口信号灯控制模型，利用基于FGSM攻击并结合梯度值大小对对抗扰动进行离散化处理生成对抗样本，将对抗扰动与原始状态相结合得到最终的扰动状态输入到智能体模型中，最后在sumo上对单交叉路口的流畅或拥堵程度检验效果。本发明可以在使输出的扰动具有物理意义的情况下限制扰动的大小，从而高效的生成对抗状态，增加路口的排队长度和等待时间，大幅降低模型的性能，使交通路口流通度大大降低。
-
公开(公告)号：CN110991803B
公开(公告)日：2022-06-17
申请号：CN201911063629.X
申请日：2019-11-04
Applicant: 浙江工业大学
Abstract: 一种支持分布式计算的企业实际控制人及控制路径计算方法，包括以下步骤：1)将企业股权结构构成的网络图分割为n块互不连通的子网络图，并设置缓存区；2)在各个网络中初始化企业状态；3)在各个网络中迭代更新企业状态；4)在各个网络中判定迭代终止，获取最终的企业状态，得到企业的实际控制人及实际控制路径。本发明基于企业的股权结构信息，较为准确地计算企业实际控制人及实际控制路径，同时支持分布式计算，大大提高的在数据量巨大时的运算速率。
-
公开(公告)号：CN113129585B
公开(公告)日：2022-03-01
申请号：CN202110242725.1
申请日：2021-03-05
Applicant: 浙江工业大学
Abstract: 一种基于重构交通网络的图聚合机制的道路交通流预测方法，包括以下步骤：(1)针对各车道的交通流量数据，根据原始道路邻接矩阵获得车道连接关系，获取有连接的车道的时间相关性，并按照相关性降序排序获得各车道的高阶邻域，基于各车道的高阶邻域重构车道间的邻接关系，实现道路网络重构；(2)获取时间序列上的重构道路交通网络，通过GraphSAGE获得聚合的路网空间特征序列并将其作为LSTM模型的输入，经LSTM提取聚合后的路网空间特征中的时序特征，输出未来时刻的交通流量预测结果，实现道路交通流量预测。本发明提升了模型实现长期流量预测的稳定性和准确性，实现了短时和长时的交通流量预测。
-
公开(公告)号：CN110555018B
公开(公告)日：2021-12-17
申请号：CN201910687642.6
申请日：2019-07-29
Applicant: 浙江工业大学
IPC: G06F16/215 , G06Q10/04 , G08G1/01
Abstract: 一种道路交通流量的预测方法，对路况历史交通信息进行采样，构建交通网络模型；基于历史交通信息提出一种缺失数据补齐的方法，根据行程时间构建可达矩阵，以可达矩阵为卷积核进行图卷积，提取特征；根据提取特征和采集的交通数据训练递归神经网络，得到流量预测模型；基于实时采样交通数据，输入预训练好的预测模型，过程中得到新的误差结果，动态训练模型。本发明中的可达矩阵可减少不必要的空间搜索，提高时空关系发掘效率，提高了道路交通流量数据缺失较多和预测时长较长情况下的道路交通流量预测准确性。
-
公开(公告)号：CN113537025A
公开(公告)日：2021-10-22
申请号：CN202110774346.7
申请日：2021-07-08
Applicant: 浙江工业大学
Abstract: 一种基于自监督学习的电磁调制信号深度去噪方法及系统，包括：S1，使用GNU Radio软件生成数据集；S2，使用了下采样方法将一个信号数据分为两个短信号数据；S3，构建深度去噪网络模型，并定义损失函数，利用生成的两组数据作为输入信号和目标信号进行训练；S4，输出去噪信号。方法中提及的下采样方法将一个信号分为了两个相似信号，保留了信号本身的特征，又区分了其中的噪声分布，使得仅含有噪声信号就可以训练去噪网络。本发明还包括一种基于自监督学习的电磁调制信号去噪系统，由依次连接的数据发送模块、数据接收模块和去噪模块组成。本发明不需要干净信号就能进行去噪，能够自适应学习信号特性，且具有较好的普适性。
-
Patent Agency Ranking
公开(公告)号：CN109214268B
公开(公告)日：2021-08-03
申请号：CN201810761103.8
申请日：2018-07-12
Applicant: 浙江工业大学
Abstract: 一种基于集成流形学习的填料塔液泛状态在线监测方法，分为离线学习与在线监测两步，(一)离线学习：通过传感器获得塔设备运行正常工况下的过程变量数据；基于等距离映射算法构建离线流形学习模型，对子训练集进行降维处理；随后建立集成流形学习模型，用多个子训练集训练同一个ISOMAP流形学习模型，最后将结果集成分析处理；最后对集成流形学习模型进行评估，确定是否满足液泛监测要求；(二)在线监测：在每一喷淋密度下，都会计算得到T2与SPE统计量；然后将T2与SPE统计量与离线模型在此喷淋密度下的T2与SPE控制线比较，实现液泛状态的在线监测。本发明提高了塔设备运行状态中液泛监测的及时性、准确性。
-
公开(公告)号：CN108920888B
公开(公告)日：2021-08-03
申请号：CN201810692946.7
申请日：2018-06-29
Applicant: 浙江工业大学
Abstract: 一种基于深度神经网络的连续搅拌釜式反应过程辨识方法，包括以下步骤：(1)获取连续搅拌釜式反应器运行过程中过程变量数据；(2)对采集到的过程变量数据进行数据预处理：首先需要对数据进行标准化处理；其次，选取时间滞后，并将过程变量整理成三维输入形式；最后，将数据分为训练集、验证集和测试集；(3)基于三维长短期记忆神经网络建立辨识模型并训练：利用记忆单元建立三维长短期记忆神经网络模型，确定网络结构和超参数；利用自适应矩估计算法在训练集上优化网络参数，并在验证集上选择网络模型的超参数，完成基于三维长短期记忆神经网络建立辨识模型并训练。本发明对过程状态进行在线监测，实现对产物浓度的精确辨识。
-
公开(公告)号：CN112562312A
公开(公告)日：2021-03-26
申请号：CN202011129295.4
申请日：2020-10-21
Applicant: 浙江工业大学
IPC: G08G1/01
Abstract: 一种基于融合特征的GraphSAGE交通路网数据预测的方法，首先对路网历史交通流数据进行相关性系数计算，构建路网相关性矩阵，并根据路网节点之间的相关性大小重新定义节点之间的连通状态，得到基于时间相关性的拓补路网；然后利用GraphSAGE分别对原始交通路网与重构后的拓补路网进行路网特征信息提取，并融合两个不同路网提取的路网时空特征信息，对路网未来的交通状态进行预测。本发明融合两个不同路网提取的路网时空特征信息，对路网未来的交通状态进行预测，提高了对交通路网状态数据预测的精度。
-
公开(公告)号：CN108256685B
公开(公告)日：2021-02-26
申请号：CN201810057082.1
申请日：2018-01-22
Applicant: 浙江工业大学
Abstract: 一种基于多元线性回归模型的医院后勤运送时间预测方法，通过对医院后勤数据的分析以及现场实际情况的调研，提取出影响运送时间的指标因素，如运送任务的执行工具，所跨楼宇之间间距，所跨越楼层数，间隔科室编号之差等指标进行多元线性回归分析。再加入由以往运送任务数据集量化得出的时段繁忙程度指标作为自变量加入函数拟合，能进一步提高预测精度。本发明的方法为：根据以往数据集量化得出的时段繁忙程度指标，借助线性回归方法建立预测模型。本发明通过对运送执行工具，所跨楼宇之间间距，所跨越楼层数，间隔科室号之差等指标因素的分析，加上量化得出的时段医院繁忙程度指标，从而可以较为精准的预测后勤员工运送任务时间。
-
公开(公告)号：CN112347844A
公开(公告)日：2021-02-09
申请号：CN202010994743.0
申请日：2020-09-21
Applicant: 浙江工业大学
Abstract: 一种基于LID的信号对抗样本检测器的设计方法，包括以下步骤：1)对信号调制数据进行预处理，并设计调制分类模型；2)根据信号调制分类器结合对抗样本生成方法设计对抗样本生成器；3)根据调制分类器模型设计网络层信息评估函数；4)设计信号的正常样本与对抗样本检测器：根据网络层信息评估函数得到的特征值，将正常样本与对抗样本的特征值拼接并添加标签，其中对抗样本标签为0，正常样本标签为1，将拼接后的数据划分为训练集与测试集，并训练一个逻辑回归分类器，最后用测试集测试分类器效果。本发明识别正常信号和对抗信号，以此减少信号在解调过程中对抗信号造成的损失；有效降信号在解调过程中的风险，加强信号的安全性。
-
-
-
-
-
-
-
-
-
Search Results
229
records
(took 0.026 seconds)
