公开(公告)号：CN115018073A

公开(公告)日：2022-09-06

申请号：CN202210947851.1

申请日：2022-08-09

Applicant: 之江实验室

Inventor： 陈红阳 ,  胡炳洋 ,  亓庆国 ,  李朝

IPC: G06N3/08 ,  G06N3/04 ,  G06Q10/04

Abstract: 本发明公开了一种基于图神经网络的时空感知信息预测方法和系统，包括以下步骤：步骤S1：构建感知数据监测网络，并通过所述感知数据监测网络中的数据采集节点获取原始感知数据；步骤S2：对所述原始感知数据进行预处理并转化为时空图感知数据；步骤S3：构建图神经网络模型，并利用所述时空图感知数据对所述图神经网络模型的参数进行训练；步骤S4：对训练好的图神经网络模型输入给定时空图感知数据并输出预测值，当预测值超出预设阈值，则发送预警信息。本发明将原始感知数据转化成时空图感知数据，使用图神经网络模型对感知数据中时间空间特征进行充分挖掘时空特征信息，提高对未来发生事物的时空特征信息进行预测的准确性。

公开(公告)号：CN117390585B

公开(公告)日：2024-03-22

申请号：CN202311702608.4

申请日：2023-12-12

Applicant: 之江实验室

Inventor： 亓庆国 ,  陈红阳

IPC: G06F18/25 ,  G06N3/08 ,  G06F123/02

Abstract: 本说明书公开了一种基于三维全连接融合的时序数据预测方法及模型训练方法，通过根据各对象在各历史时刻的历史状态数据，确定出对应的状态特征数据，时间特征数据以及状态程度特征数据，通过目标模型将状态特征数据，时间特征数据以及状态程度特征数据进行数据融合，对融合后的融合特征数据进行数据关联，得到关联特征数据。然后通过目标模型根据关联特征数据进行预测，得到预测结果，以最小化预测结果与实际数据之间的偏差为优化目标，训练目标模型。利用训练后的目标模型对待预测数据进行预测，根据预测结果执行目标任务。通过本方法获取的预测数据更为准确，预测效率也更为高效，保障了后续根据预测数据所执行的目标任务的顺利执行。

公开(公告)号：CN116466399A

公开(公告)日：2023-07-21

申请号：CN202310405190.4

申请日：2023-04-14

Applicant: 之江实验室

Inventor： 亓庆国 ,  陈红阳

IPC: G01V1/30 ,  G01V1/28 ,  G01V1/18

Abstract: 本说明书公开了一种预测方法、装置、可读存储介质及电子设备，在地震波传播到设防地区，通过地震台站，检测地震波信号，再基于地震波信号和地震台站的台站信息，预测地震波的震源位置和震级，进而基于预测得到的震源位置和震级发送提示信息。可见，本说明书中的该预测方法，可基于地震波的信号和地震台站的台站信息，在地震波传播到设防位置前，预测得到地震波的震源位置和震级，进而基于预测得到的震源位置和震级发送提示信息，能够减小设防地区的破坏程度，保护设防地区对应的地区的用户的人身安全和财产安全。

公开(公告)号：CN117390585A

公开(公告)日：2024-01-12

申请号：CN202311702608.4

申请日：2023-12-12

Applicant: 之江实验室

Inventor： 亓庆国 ,  陈红阳

IPC: G06F18/25 ,  G06N3/08 ,  G06F123/02

Abstract: 本说明书公开了一种基于三维全连接融合的时序数据预测方法及模型训练方法，通过根据各对象在各历史时刻的历史状态数据，确定出对应的状态特征数据，时间特征数据以及状态程度特征数据，通过目标模型将状态特征数据，时间特征数据以及状态程度特征数据进行数据融合，对融合后的融合特征数据进行数据关联，得到关联特征数据。然后通过目标模型根据关联特征数据进行预测，得到预测结果，以最小化预测结果与实际数据之间的偏差为优化目标，训练目标模型。利用训练后的目标模型对待预测数据进行预测，根据预测结果执行目标任务。通过本方法获取的预测数据更为准确，预测效率也更为高效，保障了后续根据预测数据所执行的目标任务的顺利执行。

公开(公告)号：CN116484002A

公开(公告)日：2023-07-25

申请号：CN202310536784.9

申请日：2023-05-10

Applicant: 之江实验室

Inventor： 陈红阳 ,  徐超 ,  亓庆国

IPC: G06F16/35 ,  G06F16/901 ,  G06N3/045 ,  G06N3/08

Abstract: 本说明书公开了一种论文分类方法、装置、存储介质及电子设备，本说明书实施例通过论文类别预测模型，针对包含有论文的关联信息的拓扑图中的每个节点，基于该节点的节点特征、邻居节点的节点特征以及该节点与邻居节点之间的注意力权重，对该节点的初始节点特征进行预设次数的特征调整，得到节点的最终节点特征，并基于论文节点的最终节点特征，预测出论文的类别。其中，关联信息包括：论文、引用论文、论文的作者、作者的机构等。在此方法中，综合考虑论文与引用论文之间的关系、论文与作者之间的关系、作者与机构之间的关系，以确定出论文节点的最终节点特征，可以提高论文节点的特征表达的准确性，从而提高论文分类的准确性。