-
公开(公告)号：CN117150528A
公开(公告)日：2023-12-01
申请号：CN202311223772.7
申请日：2023-09-21
Applicant: 北京工业大学
IPC: G06F21/60 , G06Q40/04 , G06F18/214 , G06N3/0464 , G06F21/62
Abstract: 本发明公开了基于图网络融合伪标签和后处理加密货币异常交易识别方，实现对欺诈性加密货币交易的检测；该方法通过伪标签技术和后处理技术优化加密货币交易节点嵌入，提高图卷积神经网络在样本分布不平衡的预测能力，提高异常交易检测效果，减少对人工标签的依赖性，准确、高效地使交易节点预测达到预期效果；解决了预测模型中标签依赖性高，异常检测准确率低，大规模交易数据浪费的问题；实验结果表明该方法能够准确、高效地检测异常交易节点，同时不需要昂贵的专家经验定义标签，降低异常交易检测的成本，促进区块链加密货币交易网络的安全运作。
-
-
公开(公告)号：CN112967761B
公开(公告)日：2023-10-27
申请号：CN202110255012.9
申请日：2021-03-09
Applicant: 北京北排水环境发展有限公司 , 北京工业大学
Abstract: 本申请公开了一种基于自组织模糊神经网络的污水除磷加药计算方法及介质。该方法包括：确定以第t时刻的出水总磷浓度设定值与实际值的误差以及误差的变化率为输入数据，以第t时刻加药量增量为输出数据；基于自组织模糊神经网络，建立与时刻t相关的网络模型结构，确定第t时刻的结构参数；随时刻步进，针对网络模型结构进行模糊神经网络自组织调整；根据第t时刻的结构参数计算第t+1时刻的结构参数，获得第t+1时刻的输出数据；将第t+1时刻的输出数据加上第t时刻的加药量，获得第t+1时刻的加药量。本发明采用自组织模糊神经网络控制器根据出水总磷的检测值计算加药量，使出水总磷浓度稳定在设定值附近，最大程度节省药剂投加量。
-
公开(公告)号：CN116595530A
公开(公告)日：2023-08-15
申请号：CN202211571952.X
申请日：2022-12-08
Applicant: 北京工业大学
Abstract: 本发明公开了一种结合对抗迁移学习和多任务学习的智能合约漏洞检测方法，首先，在数据预处理阶段，将智能合约样本源码反编译形成的操作码序列，利用N‑Gram语言模型处理构造2‑gram操作码语法序列，形成模型的输入。其次，在模型构建阶段，构建基于混合参数共享架构设计的底部共享层，用于提取通用特征和私有特征；构建基于神经网络的多任务分类网络的顶部任务层，用于实现智能合约漏洞的检测与识别任务；最后，结合对抗迁移学习和多任务学习构建智能合约漏洞检测模型。在训练阶段，将数据预处理阶段得到的2‑gram操作码语法序列输入到模型中进行训练，本发明具有较好的泛化性能。
-
公开(公告)号：CN116150901A
公开(公告)日：2023-05-23
申请号：CN202211670437.7
申请日：2022-12-24
Applicant: 北京工业大学
IPC: G06F30/17 , G06F30/27 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种基于注意力增强时频Transformer的滚动轴承剩余寿命预测方法。针对传统Transformer模型对振动信号的上下文区域信息不敏感，导致在时序预测中容易忽略重要信息、降低预测精度的问题，该方法首先提取原始振动信号的时域和频域统计特征来构建健康指标，以全面表征轴承退化信息；在此基础上，引入通道‑空间注意力模块对时域和频域特征进行高适配性特征融合，以提高模型输入特征的质量。其次，提出一种新型卷积多头自注意力机制以增强模型学习序列上下文区域信息的能力，充分捕获信息之间的局部关联性。最后，利用全连接层、GeLU激活函数和Sigmoid激活函数构建回归器对滚动轴承剩余寿命进行预测。本发明有效地学习信号特征与剩余寿命之间的复杂映射关系，实现滚动轴承高精度剩余寿命预测。
-
Patent Agency Ranking
公开(公告)号：CN114626300B
公开(公告)日：2023-05-02
申请号：CN202210265969.6
申请日：2022-03-17
Applicant: 北京工业大学
IPC: G06F30/27 , G06F18/214 , G06F119/02
Abstract: 一种基于数据离散化的出水氨氮智能预测方法于污水处理领域，针对城市污水处理过程出水氨氮预测峰值精度低的问题。先判断数据离散化间隔，对输入的数据进行离散化线性插值，获得间隔为一分钟的污水运行数据，在对离散化插值后的数据进行主成分分析获得辅助变量，用离散化插值后的辅助变量对模糊神经网络进行训练，预测下一时刻的出水氨氮，解决了出水氨氮峰值预测精度低的问题，实现出水氨氮浓度的实时预测。实验结果表明该方法提高了出水氨氮预测峰值的精度，以离散化数据空间的方式为获得可信度高的城市污水处理过程出水总氮预测值提供了一种有效的方法，满足城市污水处理厂的实际需求。
-
公开(公告)号：CN115903519A
公开(公告)日：2023-04-04
申请号：CN202211693362.4
申请日：2022-12-28
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种基于自组织模糊终端滑模控制的溶解氧有限时间控制方法，实现了溶解氧浓度的精确控制。该方法设计了基于规则密度和重要性的自组织模糊神经网络预测生化反应过程中溶解氧浓度的动态变化，建立了基于积分终端滑模面的终端滑模控制器，实现对溶解氧浓度的有限时间精准控制；通过设计自适应律和鲁棒控制项来降低不确定性和预测误差对控制性能的影响，解决溶解氧控制精度较低的问题。实验结果表明该方法能够在有限时间内实现溶解氧浓度的精准控制。
-
公开(公告)号：CN115879052A
公开(公告)日：2023-03-31
申请号：CN202211692992.X
申请日：2022-12-28
Applicant: 北京工业大学
IPC: G06F18/2433 , G06F18/214 , G06N3/084 , G06N3/045 , G06N3/0895
Abstract: 本发明提出一种基于自编码神经网络的城市污水处理过程异常数据检测方法。针对城市污水处理过程数据具有非线性及难以构建精确数学模型的问题，该检测方法，利用自编码神经网络自动提取变量间的非线性关系，采用梯度下降算法对模型参数进行动态调整，设计记忆模块自适应地计算异常分数阈值以检测异常样本，保障了城市污水处理过程数据的质量，提高了数据研究的可信度。
-
公开(公告)号：CN115859142A
公开(公告)日：2023-03-28
申请号：CN202211233344.8
申请日：2022-10-10
Applicant: 北京工业大学
IPC: G06F18/24 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G01M13/045
Abstract: 一种基于卷积变压器生成对抗网络的小样本滚动轴承故障诊断方法涉及滚动轴承等旋转设备故障诊断领域，克服在运行数据稀缺条件下难以实现准确故障诊断的问题。首先，获取滚动轴承实际运行条件下的信号数据并对其进行数据标准化处理；其次，构建具有卷积与变压器交叉式结构的生成器和判别器，利用变压器层有效地提取时序信号的全局时域特征；在此基础上，利用卷积层进一步提取时序信号的局部时域特征。同时将位置编码嵌入时序信号，使得模型可以充分学习信号所具有的位置信息特征，最终生成高质量的时序信号样本以扩充原始训练样本，从而提升小样本条件下的故障诊断精度。
-
公开(公告)号：CN113003692B
公开(公告)日：2022-12-16
申请号：CN202110243667.4
申请日：2021-03-05
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于案例推理的城市污水处理脱氮过程加药控制方法，针对城市污水处理过程出水总氮难以优化排放的问题，本发明根据实际水厂运行的优良历史数据，应用偏最小二乘法选取案例库的条件属性变量构建案例库，通过挖掘案例库中的相似案例并进行匹配、推理总氮优化设定值调节甲醇加药量实现出水总氮浓度的控制，能够保证出水总氮排放合格的情况下，降低能耗，避免资源的浪费。
-
-
-
-
-
-
-
-
-
Search Results
383
records
(took 0.034 seconds)
