-
公开(公告)号：CN110110122A
公开(公告)日：2019-08-09
申请号：CN201810649234.7
申请日：2018-06-22
Applicant: 北京交通大学
IPC: G06F16/583 , G06F16/58
Abstract: 本发明涉及结合深度学习与哈希方法的图像-文本跨模态检索模型。为了解决传统基于深度学习的跨模态哈希方法在处理多标签数据问题时直接将其转换为单标签问题的局限性，提出了一种基于多层语义的深度跨模态哈希算法。通过多标签数据之间的共现关系定义数据之间的相似度，并以此作为网络训练的监督信息。设计综合考虑多层语义相似度与二值相似度的损失函数，对网络进行训练，使得特征提取和哈希码学习过程统一在一个框架内，实现端到端学习。该算法充分利用数据之间的语义相关性信息，提高了检索准确率。
-
公开(公告)号：CN113096037B
公开(公告)日：2023-08-22
申请号：CN202110350173.6
申请日：2021-03-31
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于深度学习的轮对光条图像的修复方法。该方法包括：采集待修复的轮对光条图像，将待修复的轮对光条图像输入循环网络中；在循环网络中，利用软编码Pconv层和非对称相似度模块对待修复的轮对光条图像进行循环渐进式的修复处理；将所述循环网络输出的多个修复特征图进行特征融合，得到融合特征图，利用损失函数结合MS‑SSIM损失项计算所述融合特征图与真值图像之间的差异值，根据差异值调整所述融合特征图，得到修复后的轮对光条图像。本发明实施例的方法能够对轮对多线激光光条图像进行有效的光斑修复和局部断裂修补，能准确还原断裂区域的光条；并且本发明在光斑区域的修复效果也很不错，能够达到当前实际工业环境下的精度要求。
-
公开(公告)号：CN110175656A
公开(公告)日：2019-08-27
申请号：CN201910479120.7
申请日：2019-06-04
Applicant: 北京交通大学
IPC: G06K9/62
Abstract: 本发明涉及基于城市群白货流量的提高列车编组效率的城市聚类模型。该城市聚类模型通过聚类算法找出热点区域对，得到白货运量较大的运输区间，从而为铁路列车编组和开行固定班列提供数据支持。首先利用k-means聚类算法，使用经纬度输入算法，可以得到彼此之间距离较近的城市簇；然后从历史数据中取出所有的开行路线并将它们归类到对应的城市簇对中，并可得到城市簇之间的距离和吨数；最后通过一定的条件过滤得到符合要求的城市簇，即可以开行的班列。目前算法设置的距离为大于800千米，吨数大于100万吨，聚类得到的城市簇数量可以手动调节，通过观察得到较好的类别数。
-
公开(公告)号：CN118945172A
公开(公告)日：2024-11-12
申请号：CN202410981979.9
申请日：2024-07-22
Applicant: 北京交通大学
IPC: H04L67/104 , H04L67/1095 , G06Q40/04
Abstract: 本发明公开一种网络自适应异步拜占庭共识系统和方法。该系统中，交易广播模块通过并行的交易广播形成一组增长的提案链，交易广播过程中，由所有共识节点分别作为领导者节点领导一条广播向其他节点广播本节点提案，并且产生出预定数量的提案链增长时，各领导者节点的当前最远边界被传递至边界共识模块；边界共识模块对接收到的各领导者节点的最远边界达成边界共识，得到有效边界以确认最新区块的提案范围；网络状态感知器用于根据网络状态确定快速通道和异步通道之间的切换；两步式步调同步器用于在快速通道和异步通道之间切换时，保证各节点从同一位置开始新一轮的边界共识。本发明可根据网络状态选择最佳共识方案，尤其适用于复杂网络场景。
-
公开(公告)号：CN110263257B
公开(公告)日：2021-08-17
申请号：CN201910547320.1
申请日：2019-06-24
Applicant: 北京交通大学
IPC: G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 近年来深度学习被广泛应用在了图像和音频识别、文本分类和表示学习等领域，基于深度学习的推荐系统也成为学者们的研究热点。深度学习模型在图像、文本等特定数据的表示学习中都取得了极好的效果，避免了复杂的特征工程，可以得到异构数据的非线性多层次的抽象特征表示，克服了多种数据的异质性。目前，融合评分、评论和社交网络的深度学习推荐模型尚未提出。本专利基于深度学习算法，给出了一个具有较强拓展性的推荐流程，分析了不同数据适合使用的相关算法及原理，根据不同数据的损失函数推出了结合评论、评分和社交信息的最终损失函数，提高了推荐结果的准确度。
-
Patent Agency Ranking
公开(公告)号：CN112948681A
公开(公告)日：2021-06-11
申请号：CN202110270394.2
申请日：2021-03-12
Applicant: 北京交通大学
IPC: G06F16/9535 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合多维度特征的时间序列数据推荐方法。该方法包括：利用多通道卷积神经网络从不同维度捕获项目的内部特征；将内部特征与时间序列网络模型捕获的外部特征合并；通过注意机制将内部特征和外部特征合并，作为转换函数的输入；对于用户下一次点击事件，预测输出用户点击项目的可能性。本发明既考虑了会话项目推荐的外部特征，又包含了会话项目推荐的内部特征，能够利用会话丰富的嵌入特征提供高精确度的个性化推荐。
-
公开(公告)号：CN112948681B
公开(公告)日：2024-02-27
申请号：CN202110270394.2
申请日：2021-03-12
Applicant: 北京交通大学
IPC: G06F16/9535 , G06F16/36 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合多维度特征的时间序列数据推荐方法。该方法包括：利用多通道卷积神经网络从不同维度捕获项目的内部特征；将内部特征与时间序列网络模型捕获的外部特征合并；通过注意机制将内部特征和外部特征合并，作为转换函数的输入；对于用户下一次点击事件，预测输出用户点击项目的可能性。本发明既考虑了会话项目推荐的外部特征，又包含了会话项目推荐的内部特征，能够利用会话丰富的嵌入特征提供高精确度的个性化推荐。
-
公开(公告)号：CN115292483A
公开(公告)日：2022-11-04
申请号：CN202210288840.7
申请日：2022-03-23
Applicant: 北京交通大学
IPC: G06F16/35 , G06F16/36 , G06N3/04 , G06F40/295 , G06F40/30
Abstract: 本发明公开一种基于不确定性感知异质图注意力网络的短文本分类方法。该方法包括：获取有标签数据集和无标签数据集，其中有标签数据的数量少于无标签数据；基于所述有标签数据集训练异质图注意力网络模型；利用经训练的异质图注意力网络模型对所述无标签数据集进行预测，并计算预测结果的不确定性值；利用预测值和所述不确定性值同时作为置信度，对所述无标签数据集打伪标签，并选择出正负样本伪标签；混合所选择的伪标签数据和所述有标签数据集，获得混合数据集，利用该混合数据集对所述异质图注意力网络模型进一步训练；重复上述步骤，直到满足设定的终止条件。本发明能够在低数据源的情况下，准确对常见的短文本进行分类。
-
公开(公告)号：CN114240969A
公开(公告)日：2022-03-25
申请号：CN202111572330.4
申请日：2021-12-21
Applicant: 北京交通大学
Abstract: 本发明公开一种基于条纹多视野卷积网络的多线激光图像缺陷分割方法。该方法包括：将多线激光光条图像输入到基于条纹多视野卷积的激光光条图像缺陷分割模型中，提取特征以分割出多种成像缺陷。条纹多视野卷积层包括四个卷积分支，分别为3*3普通卷积分支、3*3空洞卷积分支、横向条纹卷积分支和纵向条纹卷积分支。普通卷积分支主要提取多线激光图像的细节信息空洞卷积分支恰好是两个条纹卷积的交叉重叠区域，用于提取中心位置的环状范围特征。横向条纹卷积分支用于提取多线激光图像的横向特征，挖掘单光条内部结构信息。纵向条纹卷积分支用于提取多线激光图像的纵向特征，主要挖掘相邻光条间的关联信息。本发明能准确分割常见的激光图像成像缺陷。
-
公开(公告)号：CN110175656B
公开(公告)日：2021-08-31
申请号：CN201910479120.7
申请日：2019-06-04
Applicant: 北京交通大学
IPC: G06K9/62
Abstract: 本发明涉及基于城市群白货流量的提高列车编组效率的城市聚类模型。该城市聚类模型通过聚类算法找出热点区域对，得到白货运量较大的运输区间，从而为铁路列车编组和开行固定班列提供数据支持。首先利用k‑means聚类算法，使用经纬度输入算法，可以得到彼此之间距离较近的城市簇；然后从历史数据中取出所有的开行路线并将它们归类到对应的城市簇对中，并可得到城市簇之间的距离和吨数；最后通过一定的条件过滤得到符合要求的城市簇，即可以开行的班列。目前算法设置的距离为大于800千米，吨数大于100万吨，聚类得到的城市簇数量可以手动调节，通过观察得到较好的类别数。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
