-
公开(公告)号:CN116126680A
公开(公告)日:2023-05-16
申请号:CN202211474627.1
申请日:2022-11-23
Applicant: 北京交通大学
IPC: G06F11/36
Abstract: 本发明提供的一种软件系统配置错误诊断方法和系统,通过对程序执行数据构造频谱信息,计算卡方检验数快速定位导致配置错误的配置选项。同时,对配置选项的控制流和数据流抽象为向量,进行向量距离计算,判断配置选项之间是否存在关联关系。解决了多配置错误的诊断难题,同时指出了配置选项之间是否存在约束和关联关系。避免了由于模式匹配造成的漏报,同时使用频谱、卡方检验数和距离度量的方法不局限于特定的软件程序,具有普适性和广泛性,适用于更多的软件程序。
-
公开(公告)号:CN115601034B
公开(公告)日:2023-05-12
申请号:CN202211207488.6
申请日:2022-09-30
Applicant: 北京交通大学
IPC: G06Q20/38 , G06Q20/40 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种面向去中心化金融的攻击检测方法。该方法包括:提取面向去中心化金融的交易事件中的全局信息和局部信息,根据全局信息和局部信息提取全局特征和局部特征,保存训练好的全局模型与局部模型的参数;通过融合模型将全局特征与局部特征相融合并,提取不同层次的高级语义特征,保存训练好的融合模型的参数。通过训练好的全局模型、局部模型和融合模型对待检测的交易事件进行攻击检测,判定待检测的交易事件数据为攻击或者为正常交易数据。本发明方法为去中心化金融中的自动化攻击检测给出理论依据和实践方法,为当前去中心金融提供安全保障,促进去中心化金融生态的稳定和可持续发展。
-
公开(公告)号:CN115983366A
公开(公告)日:2023-04-18
申请号:CN202211570645.X
申请日:2022-12-08
Applicant: 北京交通大学
IPC: G06N3/082 , G06N3/0464
Abstract: 本发明提供一种面向联邦学习的模型剪枝方法及系统,属于联邦学习技术领域,计算神经网络模型每层卷积层中的卷积核重要性指标,将重要性指标低于阈值的卷积核进行卷积核数目剪枝,计算剩余的卷积核内部每个向量的L1范数,基于预设的阈值对卷积核进行剪枝,完成卷积核尺寸剪枝,从而对卷积核尺寸进行降维。本发明实现了对冗余参数的充分裁剪,极大地提高了模型压缩效率;提出的动态阈值模型剪枝框架在每轮训练中动态调整剪枝范围,使得剪枝率的设置更为合理,并且对模型的敏感层和非敏感层以不同的压缩率进行动态剪枝,达到更好地控制剪枝过程中模型各部分剪枝力度、提高模型性能的目的,并且有利于恢复剪枝后模型的精度。
-
公开(公告)号:CN115345317B
公开(公告)日:2023-04-07
申请号:CN202210937456.5
申请日:2022-08-05
Abstract: 本发明提供了一种基于公平理论的面向联邦学习的公平奖励分配方法。该方法包括:将亚当斯的公平理论应用于联邦学习中,参与方综合分析对联邦任务投入的所有因素后,给出本次任务的期望奖励,任务发布者利用参与方的历史任务计算出参与方的声望;参与方利用本地数据参与每轮训练任务,评估参与方的数据贡献、模型贡献和等待时间补贴三因素,综合三因素的贡献结果评估参与方的贡献;当全局模型收敛后,以参与方的实际奖励与期望奖励尽可能接近为目标,根据公平奖励目标函数动态调整三因素权重,获取并分发参与方的实际奖励。本发明综合考虑不同参与方的实际情况,以尽可能满足所有参与方的期望为目标分配实际奖励,实现满足参与方期望的公平性。
-
公开(公告)号:CN115601034A
公开(公告)日:2023-01-13
申请号:CN202211207488.6
申请日:2022-09-30
Applicant: 北京交通大学(CN)
IPC: G06Q20/38 , G06Q20/40 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种面向去中心化金融的攻击检测方法。该方法包括:提取面向去中心化金融的交易事件中的全局信息和局部信息,根据全局信息和局部信息提取全局特征和局部特征,保存训练好的全局模型与局部模型的参数;通过融合模型将全局特征与局部特征相融合并,提取不同层次的高级语义特征,保存训练好的融合模型的参数。通过训练好的全局模型、局部模型和融合模型对待检测的交易事件进行攻击检测,判定待检测的交易事件数据为攻击或者为正常交易数据。本发明方法为去中心化金融中的自动化攻击检测给出理论依据和实践方法,为当前去中心金融提供安全保障,促进去中心化金融生态的稳定和可持续发展。
-
公开(公告)号:CN115345317A
公开(公告)日:2022-11-15
申请号:CN202210937456.5
申请日:2022-08-05
Abstract: 本发明提供了一种基于公平理论的面向联邦学习的公平奖励分配方法。该方法包括:将亚当斯的公平理论应用于联邦学习中,参与方综合分析对联邦任务投入的所有因素后,给出本次任务的期望奖励,任务发布者利用参与方的历史任务计算出参与方的声望;参与方利用本地数据参与每轮训练任务,评估参与方的数据贡献、模型贡献和等待时间补贴三因素,综合三因素的贡献结果评估参与方的贡献;当全局模型收敛后,以参与方的实际奖励与期望奖励尽可能接近为目标,根据公平奖励目标函数动态调整三因素权重,获取并分发参与方的实际奖励。本发明综合考虑不同参与方的实际情况,以尽可能满足所有参与方的期望为目标分配实际奖励,实现满足参与方期望的公平性。
-
公开(公告)号:CN115186473A
公开(公告)日:2022-10-14
申请号:CN202210794359.5
申请日:2022-07-07
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于平行智能的场景感知建模与验证方法。该方法包括:采集真实交通场景下的实际数据,构建实际数据集,根据实际数据进行实际场景要素仿真建模;基于平行智能构建与实际场景相似的人工场景;基于所述人工场景构建虚拟数据集;结合虚拟数据集和实际数据集,研究基于多任务融合的视觉感知计算实验,用视觉感知算法验证虚拟数据集的有效性和可靠性。本发明采用虚拟现实技术来模拟和表示复杂挑战的实际场景,探究从人工场景获取多中标注信息的方法,获取大规模多样性的虚拟场景数据,能够提供一套基于平行智能的人工场景仿真和虚拟数据生成方法,减轻了视觉感知研究过程中耗时耗力的人工收集和标注工作负担。
-
公开(公告)号:CN114565752A
公开(公告)日:2022-05-31
申请号:CN202210133345.9
申请日:2022-02-10
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于类不可知前景挖掘的图像弱监督目标检测方法。该方法包括:基于待进行目标检测的图像通过CNN生成前景注意力图;基于前景注意力图计算每个候选框的前景相对置信度FRC,根据各个候选框的FRC筛选出前景候选框;基于前景候选框构建实例空间图,基于数据集的标签构建标签语义图,对实例空间图和标签语义图进行图匹配,根据图匹配结果为每个前景候选框进行分类;根据各个前景候选框的分类结果生成伪监督框,将伪监督框与伪监督框的空间近邻框进行合并得到伪实例标签,将该伪实例标签作为待进行目标检测的图像的目标检测结果。本发明把定位和分类任务分离,从而实现的定位与分类性能的双向提升,有效地提升图像的弱监督目标检测性能。
-
公开(公告)号:CN112087442B
公开(公告)日:2021-12-21
申请号:CN202010916431.8
申请日:2020-09-03
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于注意力机制的时序相关网络入侵检测方法。该方法包括:利用入侵检测数据集对SSAE网络进行训练,得到训练好的待分类的网络流量数据,对待分类的网络流量数据经过独热编码和标准化处理,得到预处理后的网络流量数据;将预处理后的网络流量数据输入到训练好的叠层稀疏自编码器SSAE网络的基于注意力机制的分类器,分类器对待分类的网络流量数据进行分类处理,得到待分类的网络流量数据的网络入侵检测结果。本发明设计了加入了注意力机制的双层Bi‑GRU网络结构作为分类器,具有较高的分类准确率与较低的误报率,同时大大缩短了模型的训练与测试时间。
-
公开(公告)号:CN110471418B
公开(公告)日:2021-06-04
申请号:CN201910779887.1
申请日:2019-08-22
Applicant: 北京交通大学
IPC: G05D1/02
Abstract: 本发明提供了一种智能停车场中的AGV调度方法。该方法包括:服务器采集并存储停车场范围区域内的道路信息和停车位的状态信息;当有停车任务到达时,服务器基于停车场范围区域中的道路信息和停车位的状态信息使用广度优先算法进行最优停车位的选择;以停车场的入口处为起点,以最优停车位为终点,服务器采用改进的Dijkstra算法计算出起点和终点之间的最优停车路径;服务器通过无线通信网络将最优停车路径发送给停车场的入口处的AGV,该AGV按照最优停车路径进行停车操作。本发明的方法的复杂度降低,实时性得到显著提高,可以满足实时调度AGV、高效规划AGV路径的实际任务要求。
-
-
-
-
-
-
-
-
-