-
公开(公告)号：CN113505878B
公开(公告)日：2022-11-29
申请号：CN202110779945.8
申请日：2021-07-09
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
Abstract: 本发明公开了一种基于图神经网络的航迹预测方法，包括：S1：构建图神经网络模型。S2：获取待检测航迹序列数据集。S3：将待检测航迹序列数据集输入图神经网络模型，得到航迹预测轨迹。本发明结合图神经网络GNN(GraphNeuralNetworks，GNN)在空间特征提取方面强大的性能优势，将时空图神经网络模型应用于预测任务中，并倡导实验进行了可行性验证及同其他预测模型的对比分析，结果表明图神经网络在所有预测模型中，性能表现最好，相比于LSTM模型，在预测任务的准确性和稳定性方面均有提升。
-
公开(公告)号：CN115050214A
公开(公告)日：2022-09-13
申请号：CN202210638965.8
申请日：2022-06-07
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
Abstract: 本申请公开了一种基于AIS数据的船舶碰撞风险预测方法,通过采集待测试的AIS数据并进行数据预处理，然后通过两条船舶轨迹数据空间和时间建模获取轨迹对；基于获取的数据集进行船舶碰撞危险度计算及区域碰撞风险计算，通过Attention‑BiLSTM网络对轨迹对相对运动参数的船舶碰撞风险预测，获取输入特征以及标签值；然后通过多个模型分别预测不同时间段的碰撞风险等级，本申请通过研究船舶碰撞风险模型，可以有效的应对紧急情况并且作出反应来避免碰撞，通过提前告知船主或驾驶员两艘船舶未来某一刻碰撞的风险程度并提供路线规划的直接支持，可以有效的防止交通安全事故的发生。
-
公开(公告)号：CN112118569B
公开(公告)日：2022-07-22
申请号：CN201911301050.2
申请日：2019-12-17
Applicant: 兰州大学
Abstract: 物联网相关技术发展迅速，应用广泛。机器类型通信(MTC)可以在无需使用者的主动参与下完成设备之间的数据信息交换和共享，具有低成本、低功耗、可大规模传输信息的特点，是物联网中最重要的通信方式之一。因此需要重视MTC的安全性，保护用户的数据安全。本发明提供一种LTE网中机器类型通信设备异步组通信中的组认证方法及系统，利用Shamir的(t,n)秘密共享方案构造组认证方案，一次性认证m(m≥t)台机器类型通信设备(MTCD)，保证接入网络的MTCD身份的合法性。同时，在令牌传输过程中使用ElGamal加密算法保证认证令牌在传输过程中的安全性。利用本发明，组认证只需一次计算就能完成，而且机密性能够达到计算安全性，并且每一个组成员只需要携带一份认证令牌。
-
公开(公告)号：CN114490980A
公开(公告)日：2022-05-13
申请号：CN202210066846.X
申请日：2022-01-20
Applicant: 兰州大学 , 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33 , G06N3/04 , G09B7/04
Abstract: 本说明书实施例公开了一种关联知识追踪方法、装置及设备，包括：获取用户在指定时刻范围内的各答题交互数据，答题交互数据包括在对应时刻所答题目的所答知识点、作答对错信息，以及由所答知识点的关联知识点构成的关联知识点集合；将各答题交互数据按照对应的时刻顺序，输入关联知识追踪模型进行处理，其中，关联知识追踪模型根据第一损失和第二损失预先训练，第一损失是根据基于训练样本对指定知识点的掌握程度预测信息及其训练标签确定的，第二损失是根据基于训练样本对指定知识点的关联知识点集合的掌握程度预测信息及其训练标签确定；通过关联知识追踪模型的处理，预测用户在指定时刻范围之后对预定知识点集合中的知识点的掌握程度。
-
公开(公告)号：CN114461769A
公开(公告)日：2022-05-10
申请号：CN202210065583.0
申请日：2022-01-20
Applicant: 兰州大学 , 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33 , G06N3/04 , G06Q50/20
Abstract: 本说明书实施例公开了一种知识追踪模型的训练方法、装置以及设备。通过获取用户在t时刻对于知识点的答题信息，成对应于所述答题信息的隐藏特征向量；根据所述隐藏特征向量确定权重矩阵；根据所述权重矩阵从内存矩阵中进行读取，获得聚焦向量；根据所述权重矩阵内存矩阵进行内容写入，生成t时刻的内存矩阵；融合所述隐藏特征向量和所述生成输出特征向量，根据所述输出特征向量生成预测值；根据所述预测值和所述答题信息的差异进行知识追踪模型的训练，生成目标模型，通过采用内存矩阵保存用户的历史答题信息所产生的相关特征，并即时的在训练过程中对内存矩阵进行读写，从而有效利用了用户的历史答题信息来训练模型。
-
Patent Agency Ranking
公开(公告)号：CN113240199A
公开(公告)日：2021-08-10
申请号：CN202110630985.6
申请日：2021-06-07
Abstract: 本发明涉及一种基于DILATE_TLSTM的港口船舶轨迹预测方法，具体包括S1、采集港口AIS数据并对所采集的数据预进行处理，获取轨迹预测数据集；S2、构建基于DILATE_TLSTM的港口船舶轨迹预测模型；S3、采用滑窗法对输入模型的序列进行处理，对模型进行训练，得到预测结果；S4、以平均绝对误差、均方误差、拟合优度、形状失真DTW和时间失真指数TDI对所述预测结果进行衡量评估，得到港口船舶轨迹预测模型的预测效果。本发明构建的基于DILATE_TLSTM的港口船舶轨迹预测模型能够实现直接多步预测，并基于形状和时间失真损失函数对TLSTM模型进行改进，提升了轨迹序列预测模型的拟合能力。
-
公开(公告)号：CN113240198A
公开(公告)日：2021-08-10
申请号：CN202110630771.9
申请日：2021-06-07
Abstract: 本发明涉及一种基于TCN模型的港口船舶轨迹预测方法，包括：S1、获取港口AIS数据，并对其进行预处理，获得轨迹预测数据集；S2、基于扩张因果卷积和残差连接，构建时序卷积块，通过所述时序卷积块堆叠，以及一维卷积层构建TCN模型，将所述TCN模型预测的单步输出作为下一时刻的输入,不断迭代实现多步轨迹预测，构建基于TCN的港口船舶轨迹预测模型；S3、通过平均绝对误差、均方误差、拟合优度三个指标来评价所述TCN模型的预测效果，得到预测结果。本发明构建的基于TCN的船舶轨迹预测模型，预测精度更高，在实际应用中，为港口安全生产及高效管理提供更精准的技术支撑。
-
-
公开(公告)号：CN118863051A
公开(公告)日：2024-10-29
申请号：CN202410798115.3
申请日：2024-06-20
Applicant: 兰州大学
IPC: G06N5/04 , G06N3/0442 , G06Q50/20
Abstract: 本发明涉及一种基于注意力机制的多特征知识追踪方法，包括：获取学生的先前知识状态；将所述先前知识状态输入多特征知识追踪模型，输出当前知识状态，并基于所述当前知识状态预测学生下一时刻的答题表现；其中,所述多特征知识追踪模型基于注意力机制融合多维度信息计算注意力分数,引入学习门机制控制学生两次连续交互之间的知识状态差异。本发明的方法在知识追踪任务上具备合理性和有效性，能够准确地预测学生的知识状态并提供个性化的学习指导。
-
公开(公告)号：CN118626650A
公开(公告)日：2024-09-10
申请号：CN202410835237.5
申请日：2024-06-26
Applicant: 兰州大学
IPC: G06F16/35 , G06F16/33 , G06F16/338 , G06N3/0455 , G06Q50/20 , G06N3/0464 , G06N3/0442 , G06N5/04
Abstract: 本发明公开了基于NLKT知识追踪模型的答题正确性预测方法，包括：获取习题文本数据及知识成分特征；构建基于自然语言理解的知识追踪模型，基于自然语言理解的知识追踪模型包括习题文本理解模块、习题难度系数处理模块及深度知识追踪模块，习题文本理解模块基于预训练的BERT模型进行构建；将习题文本数据输入到基于自然语言理解的知识追踪模型中，通过习题文本理解模块对习题文本数据进行特征提取，得到综合文本向量，通过习题难度系数处理模型基于知识成分特征计算生成问题综合难度系数，根据综合文本向量及问题综合难度系数生成综合特征向量，通过深度知识追踪模块对综合特征向量进行深度知识追踪处理，得到最终预测的答题正确性结果。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.029 seconds)
