-
公开(公告)号:CN116827809A
公开(公告)日:2023-09-29
申请号:CN202210285966.9
申请日:2022-03-22
Applicant: 中国移动通信有限公司研究院 , 清华大学 , 中国移动通信集团有限公司
IPC: H04L41/147 , H04W24/02 , H04W24/06
Abstract: 本发明公开了一种输出流量预测方法、装置及存储介质,包括:获取基站的历史流量序列以及基站的地理位置信息;确定时间和空间维度最相近的至少一个邻居基站作为目标基站的邻居子图;通过阈值设置规则处理获得原始流量序列以及流量离散序列;通过图注意力网络获取邻居子图中各基站与目标基站之间在流量上相似或相反的空间依赖关系;将原始流量序列与离散流量序列分别通过TCN获取时间依赖关系;通过软注意力机制根据空间依赖关系与时间依赖关系输出流量预测结果。采用本发明,避免学习了过多冗余信息。提高了网络流量过载预测的准确率。能挖掘更深层次的空间依赖关系。在多步预测准确率以及运算速度上有了很大的提升。
-
公开(公告)号:CN119539135A
公开(公告)日:2025-02-28
申请号:CN202411169129.5
申请日:2024-08-23
Applicant: 清华大学
Abstract: 本发明提供一种灾后人口流动预测方法和装置,包括:根据预先确定的时空细粒度获取目标区域的人口流动数据;根据所述目标区域的人口流动数据得到输入人口流动动态图;其中,所述输入人口流动动态图至少包括目标区域的灾难高峰期的初始非常态人口流动图和目标区域的非灾难期间的平均常态人口流动图;将所述输入人口流动动态图输入至预先训练的人口流动预测模型,得到人口流动预测结果;其中,所述人口流动预测模型是基于耦合动态图神经常微分方程,利用样本区域的人口流动数据进行训练得到的。本发明采用耦合动态图神经常微分方程构建人口流动预测模型,实现准确率高的灾后人口流动预测。
-
公开(公告)号:CN119166861A
公开(公告)日:2024-12-20
申请号:CN202411179279.4
申请日:2024-08-26
Applicant: 清华大学
IPC: G06F16/903 , G06N3/042 , G06F18/23 , G06F16/901
Abstract: 本公开涉及人工智能技术领域,尤其涉及一种基于图神经网络的网络预测方法及装置、电子设备和介质,方法包括获取状态预测任务,基于目标网络中各目标节点与各超节点之间的映射关系确定出分配矩阵,利用分配矩阵对目标网络进行重整化群得到网络主干,利用图神经网络对网络主干进行处理得到各超节点的动力学序列,基于动力学序列进行状态预测得到各超节点在预测时间段的节点状态,基于历史观测序列和各超节点在预测时间段的节点状态进行超分辨率处理得到各目标节点在预测时间段的节点状态。根据本公开的网络预测方法及装置、电子设备和介质能够在对待预测的目标网络这一复杂网络进行有效降维后,实现对复杂网络的长时准确预测。
-
公开(公告)号:CN118760731B
公开(公告)日:2024-11-05
申请号:CN202411249233.5
申请日:2024-09-06
Applicant: 清华大学
IPC: G06F16/29 , G06F18/213 , G06F18/214 , G06N3/0455
Abstract: 本公开涉及轨迹处理技术领域,尤其涉及一种基于扩散模型的轨迹处理方法及装置,方法包括获取针对目标用户的轨迹处理任务,确定出任务种类和当前轨迹和历史轨迹;基于掩码规则确定出目标掩码,并对当前轨迹提取得到地点特征向量;根据目标掩码和地点特征向量确定出任务目标向量和条件观测向量,利用扩散模型向任务目标向量添加噪声得到加噪后的任务目标向量;对历史轨迹进行提取得到模式特征向量;基于扩散模型对加噪后的任务目标向量、条件观测向量、目标掩码、模式特征向量进行处理,得到目标结果。通过本公开实施例的轨迹处理方法及装置能够利用基于扩散模型形成的通用模型高效地处理轨迹预测或轨迹补全任务并生成准确的任务结果。
-
公开(公告)号:CN118760731A
公开(公告)日:2024-10-11
申请号:CN202411249233.5
申请日:2024-09-06
Applicant: 清华大学
IPC: G06F16/29 , G06F18/213 , G06F18/214 , G06N3/0455
Abstract: 本公开涉及轨迹处理技术领域,尤其涉及一种基于扩散模型的轨迹处理方法及装置,方法包括获取针对目标用户的轨迹处理任务,确定出任务种类和当前轨迹和历史轨迹;基于掩码规则确定出目标掩码,并对当前轨迹提取得到地点特征向量;根据目标掩码和地点特征向量确定出任务目标向量和条件观测向量,利用扩散模型向任务目标向量添加噪声得到加噪后的任务目标向量;对历史轨迹进行提取得到模式特征向量;基于扩散模型对加噪后的任务目标向量、条件观测向量、目标掩码、模式特征向量进行处理,得到目标结果。通过本公开实施例的轨迹处理方法及装置能够利用基于扩散模型形成的通用模型高效地处理轨迹预测或轨迹补全任务并生成准确的任务结果。
-
公开(公告)号:CN118474843A
公开(公告)日:2024-08-09
申请号:CN202410617971.4
申请日:2024-05-17
Applicant: 清华大学
IPC: H04W52/02
Abstract: 本申请公开了一种基站节能控制方法及装置,所述方法包括;获取所有基站的基站数据,将所述基站数据转化图数据,所述图数据包括多个与所述基站对应的基站节点和多个与基站所属小区对应的小区节点;对所述图数据进行切割得到多个子图,并记录每个所述子图的外部节点,通过预设策略网络分别分析所述多个子图得到所述子图中每个基站和小区的运行状态;基于每个子图中所述基站和小区的运行状态及所述外部节点重新通过预设策略网络更新得到每个所述基站和小区的运行状态以进行基站节能控制。本申请可提高大规模基站节能控制效果,降低能耗和费用支出。
-
公开(公告)号:CN116030332A
公开(公告)日:2023-04-28
申请号:CN202111246324.X
申请日:2021-10-26
IPC: G06V10/84 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本公开涉及一种基于生成对抗模仿学习的用户轨迹生成方法及装置,该方法包括:构建基于生成对抗模仿学习的策略函数网络和回报函数网络;基于用户的历史移动轨迹对所述策略函数网络和回报函数网络进行训练,得到用户轨迹生成模型;将用户当前的移动轨迹输入所述用户轨迹生成模型中,生成用户的移动轨迹,其中,所述状态信息至少包括第一用户属性状态和第二用户属性状态。本公开实施例提供的基于生成对抗模仿学习的用户轨迹生成方法,基于马尔科夫决策过程构建更加全面的用户移动行为模型,并结合生成对抗模仿学习得到用户轨迹生成模型,能够捕获不同用户的本质决策策略,而不会受到时空差异、用户差异等因素的干扰,生成高精度的用户移动轨迹。
-
公开(公告)号:CN115601393A
公开(公告)日:2023-01-13
申请号:CN202211204309.3
申请日:2022-09-29
Applicant: 清华大学(CN)
Abstract: 本发明实施例提供一种轨迹生成方法、装置、设备和存储介质,该方法包括:获取第一场景下的用户移动轨迹;根据第一场景下的用户移动轨迹和第一轨迹生成模型,生成第二场景下的第一目标移动轨迹;其中,第一轨迹生成模型为基于第一场景和第二场景下包括用户移动轨迹的训练数据训练得到的。本发明实施例的方法实现了用户移动轨迹的生成。
-
-
-
-
-
-
-