-
公开(公告)号：CN118351371A
公开(公告)日：2024-07-16
申请号：CN202410499655.1
申请日：2024-04-24
Applicant: 东南大学 , 南京现代综合交通实验室
IPC: G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/045 , G06N3/0985
Abstract: 本发明公开了一种基于对抗训练和元学习的小样本图像分类方法及系统，包括图像数据采集、生成对抗样本、元学习模型对抗训练、测试任务训练及最后的结果输出步骤，其中，元学习模型包括内循环结构和外循环结构，通过不断对多个训练任务执行内循环和外循环操作，迭代的优化模型参数从而实现当遇到新任务时，只需要使用外循环更新后的模型，即可适应任务。本发明方法基于元学习算法，在只有少量图像样本数据的情况下，更为高效准确的对图像类别进行分类，提高了图像分类的准确率和泛化能力；同时基于对抗训练，在图像数据遭受对抗攻击时，仍能保证图像分类的鲁棒准确率，提升了模型分类的鲁棒性。
-
公开(公告)号：CN118713879A
公开(公告)日：2024-09-27
申请号：CN202410780244.X
申请日：2024-06-18
Applicant: 东南大学 , 南京现代综合交通实验室
IPC: H04L9/40 , G06N3/006 , G06N3/098 , G06N5/045 , G06F18/214 , G06F18/2433 , G06F18/2411
Abstract: 本发明公开了一种基于集成学习的可解释性入侵检测方法，通过数据采集、数据预处理、特征选择、集成学习Stacking模型训练、结果输出及最后的结果解释步骤，基于可解释性集成学习策略，检测模型在网络入侵检测任务中具有良好的性能，通过遗传算法改进的乌鸦搜索算法来优化检测模型的超参数进一步提高了网络入侵检测的精度和泛化能力；同时检测模型具有良好的可解释性，通过全局解释和局部解释，使模型的决策过程更加透明，提升了模型的可解释性和用户对模型的信任度。
-
公开(公告)号：CN118153751A
公开(公告)日：2024-06-07
申请号：CN202410286431.2
申请日：2024-03-13
Applicant: 东南大学 , 南京现代综合交通实验室
IPC: G06Q10/04 , G06N3/0985 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于元学习的沥青路面弯沉盆面积预测方法及系统，通过数据采集、数据预处理、元学习模型训练、测试任务训练及最后的结果输出步骤，基于元学习算法，在只有少量路面样本数据的情况下，更为高效便捷的对路面弯沉盆面积进行预测，提高了沥青路面弯沉盆面积预测的精度和泛化能力。
-
公开(公告)号：CN117668656A
公开(公告)日：2024-03-08
申请号：CN202311653185.1
申请日：2023-12-05
Applicant: 东南大学 , 南京现代综合交通实验室
IPC: G06F18/241 , G06F18/2415 , G06F18/15 , G06F18/213 , G06F18/22 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06F123/02
Abstract: 本发明公开了一种基于异构图和双通图卷积神经网络的沥青路面车辙预测方法及系统，根据传统的经验模型选择影响沥青路面车辙预测的变量，采集选择变量的历史监测数据，并进行相应的数据清洗；使用GRU配合注意力机制捕获时间序列的长期特征，利用CNN捕获时间序列的短期特征，二者拼接作为节点的嵌入表示；使用关系系数和传递熵来建模多变量之间的相关性依赖；最后使用双通图卷积神经网络去捕获图信号与特征进行训练，获得预测结果。本方法通过变量的预测值来评估沥青路面的未来服役性能的好坏，提高了车辙预测的精度和泛化能力，有助于后期的维护与修缮。
-
公开(公告)号：CN120045897A
公开(公告)日：2025-05-27
申请号：CN202510095243.6
申请日：2025-01-21
Abstract: 本发明公开了一种基于CPO算法优化GRNN模型的发电功率预测方法，属于风电场发电功率预测技术领域，包括：获取用于发电功率预测的多维历史数据；对数据进行清洗、去噪和归一化处理并划分为训练集和测试集；构建GRNN模型，采用CPO算法对GRNN模型的平滑因子进行优化，结合多种策略迭代更新平滑因子的最优值；对测试集数据进行发电功率预测，并通过误差计算验证模型性能。本发明通过多源数据融合、GRNN模型的非线性拟合及CPO算法的全局优化，显著提高了风电功率预测的精度和鲁棒性，降低了模型对人工调参的依赖同时增强了对动态数据分布的自适应能力，适用于风电场的发电功率预测和电网运行调度场景。
-
Patent Agency Ranking
公开(公告)号：CN119761638A
公开(公告)日：2025-04-04
申请号：CN202411835157.6
申请日：2024-12-13
IPC: G06Q10/063 , G06Q10/04 , G06Q50/06 , G06F18/214 , G06N20/20 , G06N3/006
Abstract: 本发明公开了一种基于SO‑XGboost算法的风电功率时间序列预测方法，涉及风电场发电功率预测技术领域。方法包括：对风电功率数据进行预处理，并将样本数据集划分为训练和测试集；初始化XGBoost模型和蛇优化算法，利用蛇优化算法对XGBoost模型中的参数进行寻优，同时利用训练集对XGBoost模型进行训练，得到蛇优化算法优化的SO‑XGBoost预测模型；将测试样本集输入SO‑XGBoost预测模型进行风电功率预测，并度量模型预测效果。本发明通过构建并训练改进的模型，实现了对风力发电功率的精准预估，能够有效处理风电数据中的非线性与波动特性，经过参数优化后的XGBoost预测模型有更好的预测效果和预测精度，具有更高的收敛速度，并提高预测模型的泛化能力。
-
公开(公告)号：CN115048862B
公开(公告)日：2024-11-12
申请号：CN202210635944.0
申请日：2022-06-07
Applicant: 东南大学
IPC: G06F30/27 , G06N3/042 , G06N3/0442 , G06N3/08 , G06F111/08 , G06F119/08
Abstract: 本发明涉及一种基于多元传递熵和图神经网络的沥青路面车辙预测方法，包括以下步骤：步骤1：采集历年沥青路面服役性能监测数据及沥青路面使用性能影响因素数据，根据采集到的数据进行分类；步骤2：将车辙以及影响车辙的多个变量的时间序列转化为图形结构，图形的节点数就是变量的个数，边定义为典型变量与待预测变量的因果关系，步骤3：将图中的节点嵌入门循环单元和自注意力机制可以看作是一个预先训练的模型；步骤4：采用基于谱的图神经网络模型，创建多层模型结构对上述步骤得到的变量节点关系图进行训练，输出多步预测序列。该技术方案基于提出了一种基于多元传递熵和图神经网络的车辙预测模型，提高了车辙预测的精度和泛化能力。
-
公开(公告)号：CN117874509A
公开(公告)日：2024-04-12
申请号：CN202311600840.7
申请日：2023-11-28
Applicant: 东南大学
IPC: G06F18/214 , G06F18/21 , G06F18/20 , G06F18/2113 , G06F18/2115 , G06F18/241 , G06F18/2411 , G06F18/2413 , G06F18/243 , G06N20/20 , G06N5/01 , G06N3/0499 , G06N3/0985 , G06N5/045
Abstract: 本发明公开了一种基于可解释性集成学习的沥青路面车辙深度预测方法，先收集车辙及影响因素数据，构建路面健康评价数据集；应用多种集成学习模型输出特征重要性，对特征重要性进行评估；熵权法融合各模型排序结果，结合帕累托分析选取优化特征子集；输入特征子集，训练多个集成学习模型；比较综合性能指标，选择决定系数最优模型；基于SHAP分析特征对车辙的贡献，提升解释性。本发明通过引入可解释性集成学习方法，特别是SHAP分析，对车辙深度的驱动因素进行了深入研究，在沥青路面车辙深度的预测中相比传统模型，显著提高了预测效率，为路面健康状况的评估提供了更可靠的工具。
-
公开(公告)号：CN116347449A
公开(公告)日：2023-06-27
申请号：CN202310189366.7
申请日：2023-03-02
Applicant: 东南大学
IPC: H04W12/121 , H04W12/122 , H04L9/40 , H04W56/00 , H04W84/18
Abstract: 本发明公开了一种基于动态权值更新的无线传感网络分布式弹性时钟同步方法，包括如下步骤：步骤1、无线传感器网络的每个节点发送自己当前的相关参数信息给所有邻居节点，同时，接收邻居节点发送的信息；步骤2、设计分布式加权时钟同步算法；步骤3、识别虚假数据注入攻击FDI网络攻击；步骤4、引入时变的信誉值repij(k)动态更新权值wij，设计安全防御机制修复因FDI攻击断开的通信信道，实现弹性时钟同步；步骤5、重复上述步骤2‑4，直到时钟同步结束。本发明具有良好的鲁棒性和可拓展性，可用于丰富无线传感器网络时钟同步的理论和应用，为实现时钟同步提供新的思路。
-
公开(公告)号：CN115438869A
公开(公告)日：2022-12-06
申请号：CN202211138163.7
申请日：2022-09-19
Applicant: 东南大学
Abstract: 本发明涉及一种基于混沌粒子群和XGBoost的沥青路面弯沉盆性能预测方法，所述方法包括以下步骤：步骤1、采集历年沥青路面使用性能检测数据及沥青路面使用性能影响因素数据，步骤2、根据弯沉盆面积的变化规律，将载荷水平突然变化处作为分割点，确定分段回归的分段区间；步骤3、对步骤2中的每一个分段区间分别建立XGBoost回归器并进行训练；步骤4、通过混沌粒子群优化参数，利用混沌现象的随机性和遍历性的特点来避免局部最优；步骤5、给出结构路面的弯沉盆数据预测。该技术方案利用混沌粒子群对XGBoost的参数和修正后的分段回归方法进行了优化和改进，显著提高了预测效率。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.027 seconds)
