-
公开(公告)号：CN103985027B
公开(公告)日：2017-10-13
申请号：CN201410212129.9
申请日：2014-05-19
Applicant: 北京交通大学
Abstract: 本发明公开了铁路货物运输系统领域的一种基于多分支事件树绘制的铁路货物运输系统评估方法，用以解决目前铁路货物运输系统研究中存在的问题。该方法包括：首先获取系统的所有事件、每个事件的状态，以及所有事件状态发生的概率；其次，构建事件树模型；再次，对事件树模型进行添加事件状态、删除事件状态和调整事件树大小等操作；最后，根据实际工业情况，设置某一阈值，事件树模型中安全运行概率小于某一阈值时，进行维修或维护。针对目前铁路货物传输系统中事件树模型多为二值状态，不能有效描述事件实际状态的局限性，本发明提出的多分支事件树模型这样更好地描述事件的实际状态，更有利于系统安全性、可靠性评估。
-
公开(公告)号：CN103985027A
公开(公告)日：2014-08-13
申请号：CN201410212129.9
申请日：2014-05-19
Applicant: 北京交通大学
Abstract: 本发明公开了铁路货物运输系统领域的一种基于多分支事件树绘制的铁路货物运输系统评估方法，用以解决目前铁路货物运输系统研究中存在的问题。该方法包括：首先获取系统的所有事件、每个事件的状态，以及所有事件状态发生的概率；其次，构建事件树模型；再次，对事件树模型进行添加事件状态、删除事件状态和调整事件树大小等操作；最后，根据实际工业情况，设置某一阈值，事件树模型中安全运行概率小于某一阈值时，进行维修或维护。针对目前铁路货物传输系统中事件树模型多为二值状态，不能有效描述事件实际状态的局限性，本发明提出的多分支事件树模型这样更好地描述事件的实际状态，更有利于系统安全性、可靠性评估。
-
公开(公告)号：CN119299029A
公开(公告)日：2025-01-10
申请号：CN202411402868.4
申请日：2024-10-09
Applicant: 北京交通大学
IPC: H04B17/391 , H04B1/7163 , H04L25/02 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/09 , G06N3/0895 , G06F18/2131 , G06F18/214 , G06F18/24
Abstract: 本发明提供了一种有限标记数据下的UWB信道环境状态识别方法。该方法包括：选取UWB(Ultra Wide Band，超宽带)CIR(Channel Impulse Response，信道脉冲响应)数据片段，通过连续小波变换和格拉姆角场变换将UWB信道脉冲响应数据转换为二维图像；构建融合视觉转换器(Vision Transformer，ViT)、宽残差网络(Wide Residual Network，WideResNet)、通道注意力机制压缩和激励(Squeeze‑and‑Excitation，SE)模块的混合网络，将二维图像输入到混合网络，混合网络结合半监督学习算法SoftMatch得到在有限标记数据下UWB信道状态分类识别结果。本发明方法将半监督学习算法应用于基于UWB CIR信号的信道状态识别任务，能够在标记数据稀缺的情况下，显著提高信道状态识别的准确性，同时大幅度减少了人工标注所需的时间和经济成本。
-
公开(公告)号：CN118972938A
公开(公告)日：2024-11-15
申请号：CN202410966713.7
申请日：2024-07-18
Applicant: 北京交通大学
Abstract: 本发明提供一种基于超宽带的非暴露空间定位方法及系统，属于超宽带定位技术领域，计算单标签与多基站间的距离计算，实现多标签间的有序测距；识别所获距离值中非视距的部分，并对其进行校正；根据视距和校正后的非视距测距值，用以计算标签的位置。本发明对于非视距测距结果，采集超宽带信号特征并使用机器学习中的分类模型设计识别算法，并对识别出的非视距测距值使用曲线拟合算法进行校正；接着对于校正后的测距值，以TOA算法为基础改进定位算法，并额外设计新型算法作为非视距环境下的补充，同时使用卡尔曼滤波算法提高定位精度；最后基于CAN总线设计层级结构，实现定位方法中各层级间的数据互通。
-
公开(公告)号：CN118398078A
公开(公告)日：2024-07-26
申请号：CN202410421451.6
申请日：2024-04-09
Applicant: 北京交通大学 , 广东省科学院生物与医学工程研究所 , 中国医学科学院阜外医院
IPC: G16B30/10 , G16B40/20 , G06N3/084 , G06F18/214 , G06F18/23 , G06F18/2413
Abstract: 本发明提供一种基于自监督深度学习的酶底物特异性预测方法和系统，其中方法包括：获取蛋白质序列数据，利用序列相似性网络从蛋白质序列数据中获取酶底物特异性简化标签；基于蛋白质序列数据，以及酶底物特异性简化标签，训练基于BERT架构的序列特征提取模型；通过基于BERT架构的序列特征提取模型获得的蛋白质序列表示特征，训练酶底物特异性预测模型；并且通过酶底物特异性简化标签监督酶底物特异性预测模型的训练；通过训练好的基于BERT架构的序列特征提取模型和酶底物特异性预测模型进行未知酶底物特异性的预测。本发明提供的方法运用新的蛋白质表示方式，任何一条新发现的酶序列无须蛋白质序列比对，即可获得与之序列相似的已知酶序列。
-
Patent Agency Ranking
公开(公告)号：CN117934819A
公开(公告)日：2024-04-26
申请号：CN202410315833.0
申请日：2024-03-20
Applicant: 中铁第六勘察设计院集团有限公司 , 北京交通大学
IPC: G06V10/25 , G06Q10/20 , G06Q50/40 , G06Q50/50 , G06V10/774 , G06V10/776 , G06V10/82
Abstract: 本发明提供了一种轨道缺陷检测系统鲁棒性提升方法，首先对采集到的轨道缺陷数据进行预处理，按照8:1:1的比例划分为训练集、验证集和测试集；基于YOLOv5目标检测模型生成轨道缺陷检测模型，采用一系列指标对轨道缺陷检测模型性能进行评估，通过训练集进行初训练得到初训练模型；采用变异生成算法生成更具多样性的训练样本，将训练集上生成的多样性数据与原始训练集合并来对初训练模型进行重训练，最大化模型在多样性测试样本上的性能，以此提高轨道缺陷检测系统的鲁棒性。结果显示相较于初训练模型，重训练模型在不同扰动下各方面性能都有所提升，重训练轨道缺陷检测模型在测试集上表现出更好的效果。
-
公开(公告)号：CN115392456B
公开(公告)日：2023-10-10
申请号：CN202211048884.9
申请日：2022-08-30
Applicant: 北京交通大学
IPC: G06N3/094 , G06N3/084 , G06N3/0985 , G06N3/045 , G06N3/0475 , G06N3/047 , G06N5/04
Abstract: 本发明提供一种融合优化算法渐近正态性的高迁移对抗样本生成方法，通过数据增强的方式引入随机性，使得对抗样本的生成的随机梯度优化过程满足正态渐近特性，并通过统计迭代路径中所有样本噪声的均值和协方差用于构造噪声后验分布，用于更好地捕获优化空间的几何信息，提升对抗样本优化过程的稳定性和对抗样本的泛化能力、迁移能力；此外本方法能够从获得的正态分布中采样对抗噪声以生成不限数量的有效对抗样本。
-
公开(公告)号：CN113780292B
公开(公告)日：2022-05-06
申请号：CN202111011851.2
申请日：2021-08-31
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于证据推理的语义分割网络模型不确定性量化方法。该方法包括：构建FCN网络模型，利用训练数据集对FCN网络模型进行训练，得到用于图像数据的语义分割的训练后的FCN网络模型；将D‑S证据理论移植于所述训练后的FCN网络模型，得到重构后的FCN网络模型；将待分割的图像数据输入到重构后的FCN网络模型，FCN网络模型输出待分割图像的分类结果，利用D‑S证据理论指标计算出每个像素点的分类结果不确定值。本发明可以在短时间内有效完成对语义分割不确定度的量化计算，极大提高计算效率，节约时间、资源成本。
-
公开(公告)号：CN113762335A
公开(公告)日：2021-12-07
申请号：CN202110851977.4
申请日：2021-07-27
Applicant: 北京交通大学
Abstract: 本发明提供的一种基于不确定性的智能系统测试数据生成方法，对传统CNN分类器模型进行重构，结合D‑S证据理论进行的不确定性推理得到信息冲突值，然后基于冲突值和神经元覆盖率引导测试数据生成。从生成更多样的测试数据和提高测试充分性的角度出发，通过综合增大样本特征之间的冲突值可以产生对抗样本诱导模型误分类和提高神经元覆盖率有助于提高测试的充分性两个方面的内容，结合了模型的结构、参数、样本特征之间的冲突以及神经元覆盖率指标，是一种新的测试数据生成方法。与DeepXplore相比，不需要使用多个神经网络模型交叉引证，与DLFuzz相比，能生成更多的测试数据。
-
公开(公告)号：CN113495840A
公开(公告)日：2021-10-12
申请号：CN202110692336.9
申请日：2021-06-22
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于瓶颈资源定位及参数调优的大数据平台测试方法，包括：将开源工具与大数据平台集成后对大数据平台进行资源的日常监控；根据日常监控资源计算各资源的信息增益率；根据所述信息增益率，基于改进信息增益的瓶颈资源定位方法定位出导致大数据平台出现性能瓶颈的瓶颈资源；根据定位的瓶颈资源，基于敏感度筛选出调优参数集；利用自动化脚本对调优参数集的参数进行修改，得到最优的参数配置。本方法可以及时定位导致大数据平台出现性能瓶颈的资源，推荐出选定参数的最优参数配置集合，达到自动化、全面化参数调优的目标。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.09 seconds)
