公开(公告)号：CN111754775A

公开(公告)日：2020-10-09

申请号：CN202010634989.7

申请日：2020-07-03

Applicant: 浙江大学

Inventor： 余正旭 ,  蔡登 ,  王鹏飞 ,  徐骏凯 ,  金仲明 ,  黄建强 ,  华先胜 ,  何晓飞

IPC: G08G1/01 ,  G06F30/27 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明公开了一种基于特征重构误差的交通流量预测方法，属于机器学习技术领域，包括：(1)选择目标机器学习网络，初始化目标机器学习网络的参数；(2)构建交通流量的训练数据集，初始化特征校正权值矩阵的参数；(3)利用训练数据集对特征校正权值矩阵进行训练，训练过程使用随机梯度下降算法和特征重构误差损失函数；(4)固定特征校正权值矩阵参数，对目标机器学习网络进行训练，训练过程使用随机梯度下降算法；(5)重复步骤(3)和步骤(4)，直至损失函数收敛或达到最大训练步数；(6)训练结束，将待预测的交通流量数据输入训练好的网络模型，得到预测的交通流量。利用本发明，可以增强模型在进行交通流量预测的稳定性。

公开(公告)号：CN107918652B

公开(公告)日：2020-10-02

申请号：CN201711129690.0

申请日：2017-11-15

Applicant: 浙江大学

Inventor： 赵洲 ,  孟令涛 ,  林志杰 ,  杨启凡 ,  蔡登 ,  何晓飞 ,  庄越挺

IPC: G06F16/435 ,  G06F16/9535

Abstract: 本发明公开了一种利用多模态网络学习进行基于社交关系的电影推荐的方法。主要包括如下步骤：1)针对于一组视频、用户，构建含有其相关关系的SMR网络。并且针对于形成的SMR网络构建采样路径，并针对于采样路径中的电影及用户节点形成电影的综合表达与用户的映射表达，随后针对于预定义的损失函数进行更新，求得最终的用户表达与电影综合表达。2)对于得到的用户表达及电影的综合表达，产生对于用户的电影推荐。相比于一般的电影推荐解决方案，本发明提取了电影的多模态信息并且针对于用户形成了最终的有效用户表达，则能够更准确地反映用户与电影的特性，并产生更加符合要求的电影推荐。本发明在电影推荐问题中所取得的效果相比于传统的方法更好。

公开(公告)号：CN110570672A

公开(公告)日：2019-12-13

申请号：CN201910881544.6

申请日：2019-09-18

Applicant: 浙江大学

Inventor： 余正旭 ,  蔡登 ,  魏龙 ,  谢亮 ,  金仲明 ,  黄建强 ,  华先胜 ,  何晓飞

IPC: G08G1/08 ,  G06N3/04

Abstract: 本发明提供了一种基于图神经网络的区域交通信号灯控制方法，同时训练一个交通流量预测器和一个交通信号灯控制器，通过使用交通流量预测器对当前干预动作下的未来车流变化预测值，来帮助交通信号灯控制器生成新的控制方案，并使用其对当前动作的价值的评价信息，来辅助训练交通信号灯控制器最大化交通信号灯控制方案的长期、短期收益。交通流量预测器和信号灯控制器均基于深度消息传播图网络搭建而成。利用本发明，可以不断优化系统适应变化的车流，提高路网通畅程度和交通效率。

公开(公告)号：CN107679539B

公开(公告)日：2019-12-10

申请号：CN201710842145.X

申请日：2017-09-18

Applicant: 浙江大学

Inventor： 文戈 ,  蔡登 ,  何晓飞

IPC: G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于局部感知野的单卷积神经网络局部信息与全局信息整合方法，包括：步骤1，给定卷积神经网络模型，计算每一层特征图对应在原图中的局部感知野大小；步骤2，依据每一层局部感知野大小，选取一个层分割，以平衡局部信息和全局信息；步骤3，综合考虑信息量与计算量，选取分割方式与分割个数，对选取层的特征图进行分割；步骤4，对分割后的特征图进行维度匹配；步骤5，将选取层后面的所有层，包括损失函数层，叠加到每一个分割后的子特征图之后，进行训练。本发明提出的卷积神经网络改造算法能使得在一个网络模型中同时学习得到局部信息与全局信息，提高网络模型表达能力，同时仅产生较少的计算量增加。

公开(公告)号：CN108804611A

公开(公告)日：2018-11-13

申请号：CN201810538126.2

申请日：2018-05-30

Applicant: 浙江大学

Inventor： 陈哲乾 ,  蔡登 ,  杨荣钦 ,  潘博远 ,  赵洲 ,  何晓飞

IPC: G06F17/30

Abstract: 本发明公开了一种基于自我评论序列学习的对话回复生成方法及系统，其中，对话回复生成方法包括以下步骤：(1)对当前对话的上下文语境进行建模，获得上下文语义向量；(2)根据上下文语义向量，建立基于自我评论序列学习的对话模型；(3)对对话模型进行训练和测试，分别得到训练奖励值和测试奖励值；(4)计算两个奖励值之间的差，通过计算策略梯度，优化对话模型；(5)对话模型训练完毕，输出对话回复。利用本发明，可以使得对话生成模型在训练过程中，能够朝着优化评判指标的方向生成更加有实质意义的回复，大幅度降低生成对话的不稳定性。

公开(公告)号：CN108153816A

公开(公告)日：2018-06-12

申请号：CN201711227321.5

申请日：2017-11-29

Applicant: 浙江大学

Inventor： 赵洲 ,  孟令涛 ,  林志杰 ,  蔡登 ,  何晓飞 ,  庄越挺

IPC: G06F17/30

Abstract: 本发明公开了一种利用非对称的多面排序网络学习解决社区问答任务的方法。主要包括如下步骤：1)针对于一组用户、问题、答案数据集，构建用户、问题、答案之间相互关系的网络，并且针对于形成的网络，利用非对称的多面排序网络学习形成多面排序标准函数。2)根据得到的多面排序标准函数，对于某一问题针对于不同用户的答案进行排序。相比于一般的问题答案推荐解决方案，本发明利用了非对称的多面排序网络学习的方法，能够综合利用问题答案之间的语义相关性与用户之间的相互关系。本发明在社交问答网站问题答案预测中所取得的效果相比于传统的方法更好。

公开(公告)号：CN102722578B

公开(公告)日：2014-07-02

申请号：CN201210182514.4

申请日：2012-05-31

Applicant: 浙江大学

Inventor： 何晓飞 ,  姚冠红

IPC: G06F17/30

Abstract: 本发明公开了一种基于拉普拉斯正则化无监督的聚类特征选取方法，包括：（1）构建样本特征矩阵；（2）计算拉普拉斯矩阵；（3）对样本特征矩阵进行特征提取。本发明通过直接度量后续学习预测结果的方差来选择特征，能直接提高后续学习预测效果；同时在特征提取过程中考虑选取的特征点对于学习问题的预测值的影响，故能有效提高后续的学习效率；另外本发明数据的建模是基于数据的流形几何的拉普拉斯方法，该方法能有效的反映数据在空间中的分布信息，从而能够找出信息量最大的维度。

公开(公告)号：CN102622771B

公开(公告)日：2014-03-05

申请号：CN201210050383.4

申请日：2012-02-29

Applicant: 浙江大学

Inventor： 何晓飞 ,  卜佳俊 ,  陈纯 ,  周宇

IPC: G06T9/00

Abstract: 本发明公开了一种基于主动学习和半监督学习的图像压缩方法。本发明的方法是基于主动学习的方式，选取图像中一些最具有代表性的像素点的颜色信息来学习一个能够预测图像剩下的像素点的颜色的模型。方法主要步骤如下：给出一张图像的所有像素点，本发明的方法首先简单地将图像分割为若干个矩形区域，在这些矩形区域中随机各选一个像素点，然后对这些点进行主动学习选出最具代表性的像素点，记录其灰度及颜色值，对图像剩余像素点则只记录其灰度值，完成压缩过程；在解压时使用拉普拉斯正则化最小二乘LapRLS这一种半监督学习的算法来预测还原所有像素点颜色。