-
公开(公告)号：CN118839199A
公开(公告)日：2024-10-25
申请号：CN202410914252.9
申请日：2024-07-09
Applicant: 北京交通大学 , 龙盈智达(北京)科技有限公司
IPC: G06F18/24 , G06F18/214 , G06Q40/00 , G06F18/2131 , G06N3/0464 , G06N3/08 , G06N20/00
Abstract: 本发明提供一种面向金融业时间序列异常检测方法及系统，属于金融时序数据监测技术领域，采用时频对比学习技术，对时间序列数据的时域和频域信息进行综合挖掘,获取高质量的数据表征；设计了时频排序损失函数，以优化正负样本与锚点之间的相对距离，有效减少假负样本的影响。本发明提高了异常检测的准确性和减少了对标签的依赖，还通过引入频域信息，克服了现有技术主要关注时域特征的局限性。
-
公开(公告)号：CN116470920A
公开(公告)日：2023-07-21
申请号：CN202310423325.X
申请日：2023-04-19
Applicant: 北京交通大学
Abstract: 本发明提供了一种面向联邦学习的双向自适应梯度压缩方法及系统。该方法包括：服务器自适应确定本轮训练的量化位宽和压缩率，向各个客户端传输梯度或模型参数；客户端根据相关参数计算本轮梯度并压缩，预测下一轮训练的收敛速度，将压缩梯度和收敛速度预测值上传给服务器；服务器对各客户端的压缩梯度进行解压、聚合和再压缩处理，根据各个客户端上传的收敛速度预测值计算全局收敛速度预测值，更新全局模型和发送队列。本发明的方法通过自适应梯度压缩率和量化位宽，在保证模型精度的同时提升通信效率；设计稀疏化和量化中的编码方式以及新颖的双向梯度压缩策略，降低通信开销，提高每轮可参与的客户端数量，缓解在大规模联邦学习中的带宽瓶颈。
-
公开(公告)号：CN115618222B
公开(公告)日：2023-05-05
申请号：CN202210705545.7
申请日：2022-06-21
Applicant: 北京交通大学
IPC: G06F18/214 , G06N3/0464 , G06N3/08 , G06Q10/04
Abstract: 本发明提供了一种隧道掘进响应参数的预测方法。该方法包括：筛选符合条件的隧道掘进数据集，构建基于卷积神经网络的掘进响应参数的线预测模型，选取设定的隧道掘进的上升段和稳定段行为样本分别作为线预测模型的输入参数和输出参数，对掘进响应参数的线预测模型进行训练，通过平衡因子调节线预测模型的损失函数权重，得到训练好的线预测模型；利用训练好的掘进响应参数预测模型来预测隧道掘进过程中的掘进响应参数。本发明为了建立泛化性更强的预测模型，引入平衡因子α进行损失权重的调节，通过遍历α取值，寻求最优解，建立预测精度准确可靠的施工响应参数预测方法，从而为TBM的安全掘进与智能施工提供保障。
-
公开(公告)号：CN115239108B
公开(公告)日：2023-04-18
申请号：CN202210821618.9
申请日：2022-07-13
Applicant: 北京交通大学
IPC: G06Q10/0639 , G06Q10/0635 , G06F30/20 , G06F30/13
Abstract: 本发明提供了一种基于TBM实时破岩数据的软弱破碎围岩感知方法。该方法将已有数据划分为软弱破碎围岩数据集和非软弱破碎围岩数据集。首先，利用重合度的概念计算了破岩指标(TPI、FPI、WR和AF)在两个数据集上的划分阈值；其次，基于单一指标的权重提出综合指标η，并计算综合指标η在两个数据集上的区分阈值，建立了软弱围岩的识别模型；然后，依据贝叶斯定理和η建立了软弱围岩的定量计算模型。在使用时，根据当前TBM上升段的数据，计算得到η，进而定量计算模型得到当前掌子面围岩的软弱破碎概率，并进行塌方预警。本发明方法可以实时感知当前掌子面围岩是否软弱破碎；采用基于贝叶斯理论的统计学方法，满足了TBM安全、高效、经济的施工目的。
-
公开(公告)号：CN115906163A
公开(公告)日：2023-04-04
申请号：CN202211463214.3
申请日：2022-11-22
Applicant: 北京交通大学
IPC: G06F21/62
Abstract: 本发明提供一种基于边扰动的图数据隐私保护方法及系统，属于数据隐私保护技术领域，获取待匿名的原始图；利用训练好的图嵌入模型对待匿名的原始图进行处理，得到邻接强度矩阵；根据原始图的度序列与匿名度序列的差值，结合邻接强度矩阵对原始图进行边扰动，得到最终的匿名图；其中，根据原始图的度序列生成符合匿名要求且与原图度序列差异总和最小的度序列为匿名度序列。本发明利用束搜索和匿名组，使得生成k匿名度序列时，降低了算法复杂度，更快生成相应的k匿名度序列；获得分配矩阵、提取了原图的结构特征信息；基于邻接强度矩阵和匿名前后的度序列差值的边扰动方法，最大程度保留了原图结构信息，有效解决数据可用性与隐私保护之间的平衡问题。
-
Patent Agency Ranking
公开(公告)号：CN115269567A
公开(公告)日：2022-11-01
申请号：CN202210675433.1
申请日：2022-06-15
Applicant: 北京交通大学
IPC: G06F16/215 , G06F16/23 , G06F30/27 , G06K9/62 , G06N3/04 , G06F119/14
Abstract: 本发明提供了一种基于机器学习的TBM新建工程数据增强方法。该方法包括对历史工程和新建工程TBM循环段中关键破岩参数数据进行数据清洗；对历史工程清洗后的TBM关键破岩参数采用转换不变量进行转换；将经过转换不变量转换后的历史工程关键破岩数据和新建工程掘进初期的少量数据进行合并，统一到新建工程数据的框架下，得到数据增强后的新数据集；利用机器学习模型对所示新数据集进行训练，验证所述新数据集的准确性。本发明通过不变量转换，将不同工程的数据统一到同一个框架下进行数据增强，从而起到新建工程施工初期增加数据量的作用。
-
公开(公告)号：CN115239108A
公开(公告)日：2022-10-25
申请号：CN202210821618.9
申请日：2022-07-13
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于TBM实时破岩数据的软弱破碎围岩感知方法。该方法将已有数据划分为软弱破碎围岩数据集和非软弱破碎围岩数据集。首先，利用重合度的概念计算了破岩指标(TPI、FPI、WR和AF)在两个数据集上的划分阈值；其次，基于单一指标的权重提出综合指标η，并计算综合指标η在两个数据集上的区分阈值，建立了软弱围岩的识别模型；然后，依据贝叶斯定理和η建立了软弱围岩的定量计算模型。在使用时，根据当前TBM上升段的数据，计算得到η，进而定量计算模型得到当前掌子面围岩的软弱破碎概率，并进行塌方预警。本发明方法可以实时感知当前掌子面围岩是否软弱破碎；采用基于贝叶斯理论的统计学方法，满足了TBM安全、高效、经济的施工目的。
-
公开(公告)号：CN115269567B
公开(公告)日：2023-04-18
申请号：CN202210675433.1
申请日：2022-06-15
Applicant: 北京交通大学
IPC: G06F16/215 , G06F16/23 , G06F30/27 , G06F18/214 , G06N3/0464 , G06F119/14
Abstract: 本发明提供了一种基于机器学习的TBM新建工程数据增强方法。该方法包括对历史工程和新建工程TBM循环段中关键破岩参数数据进行数据清洗；对历史工程清洗后的TBM关键破岩参数采用转换不变量进行转换；将经过转换不变量转换后的历史工程关键破岩数据和新建工程掘进初期的少量数据进行合并，统一到新建工程数据的框架下，得到数据增强后的新数据集；利用机器学习模型对所示新数据集进行训练，验证所述新数据集的准确性。本发明通过不变量转换，将不同工程的数据统一到同一个框架下进行数据增强，从而起到新建工程施工初期增加数据量的作用。
-
公开(公告)号：CN115880542A
公开(公告)日：2023-03-31
申请号：CN202211500734.7
申请日：2022-11-28
Applicant: 北京交通大学
IPC: G06V10/774 , G06V10/778 , G06N3/006
Abstract: 本发明提供了一种基于局部扰动的时间序列预测对抗攻击方法。该方法包括：对原始样本进行BIM梯度攻击，得到全局攻击样本；利用滑动窗口截取原始样本的局部区间，根据差分进化算法对此段区间进行攻击，利用分段函数、BIM全局攻击样本和原始样本将个体转化为时间序列计算适应度，选择更好的个体输入到目标模型中进行预测值的均方误差MSE计算，算法不断迭代直至MSE值收敛。如果收敛，则将攻击成功的局部攻击样本添加到对抗样本序列。本发明缩小对抗样本的扰动范围，使用差分进化算法寻找最优攻击点位，并结合分段函数分割扰动区间，进一步缩小扰动范围，完成半白盒攻击。
-
公开(公告)号：CN115618222A
公开(公告)日：2023-01-17
申请号：CN202210705545.7
申请日：2022-06-21
Applicant: 北京交通大学
IPC: G06F18/214 , G06N3/0464 , G06N3/08 , G06Q10/04
Abstract: 本发明提供了一种隧道掘进响应参数的预测方法。该方法包括：筛选符合条件的隧道掘进数据集，构建基于卷积神经网络的掘进响应参数的线预测模型，选取设定的隧道掘进的上升段和稳定段行为样本分别作为线预测模型的输入参数和输出参数，对掘进响应参数的线预测模型进行训练，通过平衡因子调节线预测模型的损失函数权重，得到训练好的线预测模型；利用训练好的掘进响应参数预测模型来预测隧道掘进过程中的掘进响应参数。本发明为了建立泛化性更强的预测模型，引入平衡因子α进行损失权重的调节，通过遍历α取值，寻求最优解，建立预测精度准确可靠的施工响应参数预测方法，从而为TBM的安全掘进与智能施工提供保障。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
