-
公开(公告)号：CN118332468A
公开(公告)日：2024-07-12
申请号：CN202410513278.2
申请日：2024-04-26
Applicant: 重庆大学
IPC: G06F18/2433 , G06F18/241 , G06F18/213 , G06N3/045 , G06N3/042 , G06N3/049 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/0895 , G06F123/02
Abstract: 本申请提出了一种基于对比学习的飞行数据异常检测方法及装置，该方法包括：利用两个并行的图注意力网络分别捕获飞行数据变量间的变量依赖性和变量内的时间相关性；将时间相关性和变量依赖性的嵌入表示映射到低维空间，引入随机噪声对映射数据进行数据增强，得到增强嵌入窗口与非增强嵌入窗口；使用双视图对比策略提取增强嵌入窗口与非增强嵌入窗口内潜在变量的局部不变性，以局部比较的视角学习多变量时间序列的数据表示；使用增强嵌入窗口与非增强嵌入窗口重构输入，根据基于门控循环单元的解码器获取重构输出，利用重构输出进行异常检测。本申请能够从动态变化的飞行参数时间序列中捕获不变信息和细粒度表示，提高异常检测的鲁棒性。
-
公开(公告)号：CN117455742A
公开(公告)日：2024-01-26
申请号：CN202311521750.9
申请日：2023-11-13
Applicant: 重庆大学
IPC: G06Q50/26 , G06Q10/0631 , G16H40/20 , G16H10/60 , G16H50/30 , G06F16/906 , G06F16/904 , G06F16/909 , G06F16/215 , G06F16/29 , G06F16/28 , G06F16/27 , H04B7/185 , H04W4/029 , H04W4/30 , H04W4/80 , H04W4/90 , G16Y10/60 , G16Y20/10 , G16Y20/40 , G16Y30/00 , G16Y40/10 , G16Y40/20 , G16Y40/30 , G16Y40/60 , H04W84/06
Abstract: 本发明涉及一种基于航空医学应急救援大数据的空天地一体化信息处理方法及系统，属于航空医学应急救援技术领域。该方法包括以下步骤：S1、将航空医学应急救援任务所涉及的数据进行分类和采集；S2、对采集的数据进行处理，并与外援设备进行连接，实现数据的实时传输；S3、数据存储及管理：面向应急救援资源和实时救援信息，整合存储医疗记录、患者信息、救援资源以及航空运输数据，实现全面数据集成管理。本发明能够满足空地联合救治需求，解决空地协同救援过程多源异构数据可靠传输难题；支持结构化与非结构化应急救援关键数据的处理与管理，实现空地协同救援信息交互问题，为航空医学应急救援综合指挥调度的顺利开展提供精细化的信息支撑。
-
公开(公告)号：CN116522771B
公开(公告)日：2024-01-26
申请号：CN202310439351.1
申请日：2023-04-21
Applicant: 重庆大学
IPC: G06F30/27 , G06N3/0464 , G06N3/08 , G06N3/0455 , G06F18/24
Abstract: 本发明提出一种基于注意力机制的双向两阶段可解释重着陆预测方法，包括，获取原始飞行参数，对原始飞行参数进行预处理，得到训练数据；构建基于注意力机制的双向两阶段可解释重着陆预测模型；其中基于注意力机制的双向两阶段可解释重着陆预测模型包括时间参数模块和参数时间模块；将训练数据输入基于注意力机制的双向两阶段可解释重着陆预测模型，进行训练；获取待预测飞行数据，将待预测飞行数据输入训练完成的基于注意力机制的双向两阶段可解释重着陆预测模型，得到预测结果以及重着陆时的发生原因。
-
公开(公告)号：CN113486938A
公开(公告)日：2021-10-08
申请号：CN202110720131.7
申请日：2021-06-28
Applicant: 重庆大学
Abstract: 本申请提出了一种基于多分支时间卷积网络的重着陆的分析方法，该方法包括：获取原始参数数据和动态时间点；使用改进后的时间卷积网络对原始参数数据进行卷积操作生成每个参数的特征图；对特征图进行特征提取生成整体特征表示；使用整体特征表示对预设类别进行学习得到预设类别的参数层面以及每个参数的特征图所占的权重；根据参数层面以及每个参数的特征图所占的权重对整体特征表示中的特征图进行线性组合，得到最终的类激活映射图，根据类激活映射图对飞机重着陆进行分析。本发明为航空领域的安全事故或超限事件提供了新思路，为时间序列分类问题的可解释性工作提供了参考，还为飞行安全提供了技术借鉴，具有较好的理论和应用价值。
-
公开(公告)号：CN119848736A
公开(公告)日：2025-04-18
申请号：CN202510049313.4
申请日：2025-01-13
Applicant: 重庆大学
IPC: G06F18/2433 , G06F18/213 , G06N3/0455 , G06N3/048 , G06N3/088
Abstract: 本发明涉及一种基于双视图增强Transformer的飞行数据异常检测方法及系统，属于航空安全技术领域。本发明将飞行安全异常检测的任务扩展到传统的超限事件之外，针对飞行过程中细微且往往未被检测到的异常；根据QAR数据是时间序列数据的一种典型形式，将飞行安全问题重新表述为时间序列分析中的异常检测任务；此外，为解决飞行安全研究中过度依赖专家标记数据的挑战，设计了一种专门为QAR数据设计的无监督异常检测模型。最后针对QAR数据的特征稀疏特点，设计了基于重构的时间序列异常检测模型架构。本发明能够及时识别偏离正常飞行模式的情况，为航空公司提供预警信息，并有效辅助专家分析异常飞行行为，具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN118332468B
公开(公告)日：2024-12-06
申请号：CN202410513278.2
申请日：2024-04-26
Applicant: 重庆大学
IPC: G06F18/2433 , G06F18/241 , G06F18/213 , G06N3/045 , G06N3/042 , G06N3/049 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/0895 , G06F123/02
Abstract: 本申请提出了一种基于对比学习的飞行数据异常检测方法及装置，该方法包括：利用两个并行的图注意力网络分别捕获飞行数据变量间的变量依赖性和变量内的时间相关性；将时间相关性和变量依赖性的嵌入表示映射到低维空间，引入随机噪声对映射数据进行数据增强，得到增强嵌入窗口与非增强嵌入窗口；使用双视图对比策略提取增强嵌入窗口与非增强嵌入窗口内潜在变量的局部不变性，以局部比较的视角学习多变量时间序列的数据表示；使用增强嵌入窗口与非增强嵌入窗口重构输入，根据基于门控循环单元的解码器获取重构输出，利用重构输出进行异常检测。本申请能够从动态变化的飞行参数时间序列中捕获不变信息和细粒度表示，提高异常检测的鲁棒性。
-
公开(公告)号：CN117610717A
公开(公告)日：2024-02-27
申请号：CN202311502493.4
申请日：2023-11-13
Applicant: 重庆大学
IPC: G06Q10/04 , G06Q50/00 , G06N3/0455
Abstract: 本发明提出一种基于双变分级联自编码器的信息流行度预测方法，包括，获取信息扩散过程中的全局交互图和级联图；构建信息扩散模型，将全局交互图和级联图输入信息扩散模型，其中基础信息扩散模型包括变分图自编码器和变分时序自编码器；通过信息扩散模型输出信息的流行度预测结果。本发明提出的方法，基于图神经网络技术来拟合传播拓扑结构、推理传播过程，捕获影响信息传播的关键因素并构建统一的信息扩散预测框架，从而在信息流行度预测任务上得到更加准确的预测结果。
-
公开(公告)号：CN116304028B
公开(公告)日：2023-10-03
申请号：CN202310139875.9
申请日：2023-02-20
Applicant: 重庆大学
IPC: G06F16/35 , G06F40/30 , G06F40/126 , G06N3/042
Abstract: 本发明提出一种基于社会情感共鸣与关系图卷积网络的虚假新闻检测方法，包括，通过预训练Bert模型对历史新闻文本数据以及历史新闻文本数据对应的历史评论文本数据进行编码，获取文本表示；通过情感评分模型计算历史评论文本信息的情感分值；根据文本表示和情感分值构建多关系情感感知图；基于多关系情感感知图，使用关系图卷积网络学习所述多关系情感感知图的情感图表示；获取待预测的新闻文本以及评论文本，基于情感图表示，生成待预测的新闻文本以及评论文本最终预测结果。通过本发明提出的方法，显著提升虚假新闻的检测效率。
-
公开(公告)号：CN116304028A
公开(公告)日：2023-06-23
申请号：CN202310139875.9
申请日：2023-02-20
Applicant: 重庆大学
IPC: G06F16/35 , G06F40/30 , G06F40/126 , G06N3/042
Abstract: 本发明提出一种基于社会情感共鸣与关系图卷积网络的虚假新闻检测方法，包括，通过预训练Bert模型对历史新闻文本数据以及历史新闻文本数据对应的历史评论文本数据进行编码，获取文本表示；通过情感评分模型计算历史评论文本信息的情感分值；根据文本表示和情感分值构建多关系情感感知图；基于多关系情感感知图，使用关系图卷积网络学习所述多关系情感感知图的情感图表示；获取待预测的新闻文本以及评论文本，基于情感图表示，生成待预测的新闻文本以及评论文本最终预测结果。通过本发明提出的方法，显著提升虚假新闻的检测效率。
-
公开(公告)号：CN118761491A
公开(公告)日：2024-10-11
申请号：CN202410751410.3
申请日：2024-06-12
Applicant: 重庆大学
IPC: G06Q10/04 , G06F18/2415 , G06F18/23 , G06F18/214 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F17/16
Abstract: 本发明属于飞行安全预测预警领域，涉及一种基于动态图神经网络的飞行安全事件预测方法，包括：S1.设计多尺度时间变量编码器，捕获飞行数据中的局部和扩展的时空信息，用于处理多元时间序列数据；S2.构建空间‑时间建模模块；S3.构建特征聚合与分类模块，以准确分类多变量时间序列；S4.最后，通过可视化样本航班的关键飞行参数进行案例研究，以展示模型的有限性，并揭示造成超限事件的根本原因。本发明通过结合多尺度时间卷积网络与动态图神经网络，充分挖掘与利用飞行数据QAR中丰富的时空特性，显著提升了飞行安全事件，特别是重着陆和擦机尾风险的同时预测准确性和实时性。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.027 seconds)
