-
公开(公告)号：CN118074952A
公开(公告)日：2024-05-24
申请号：CN202410026966.6
申请日：2024-01-08
申请人： 北京交通大学
摘要： 本发明涉及一种面向多点异步攻击的快速区域复用方法。本发明实现了对智能交通领域多点投毒攻击的抵御。该方法在ISIG网格中研究面向投毒攻击的攻击压力计算模型，构建了基于车流压力和节点关联度的区域模块度计算模型。在此基础上，提出了一种基于攻击压力与模块度结合的初始社区划分方法，以应对多点攻击。为进一步加强防护机制，基于上一时刻社区结构中区域模块度的模糊化处理机制，并结合当前时刻攻击点的位置属性，提出了快速区域复用与新区域创建的有效策略。通过模糊化处理和动态社区划分，本发明能够在多主体异步攻击的环境中迅速适应，并保持系统的鲁棒性。
-
公开(公告)号：CN118230085A
公开(公告)日：2024-06-21
申请号：CN202410218732.1
申请日：2024-02-28
申请人： 北京交通大学
IPC分类号： G06V10/774 , G06V20/58 , G06F40/284 , G06F40/295 , G06F40/30 , G06N3/0455 , G06N3/0464 , G06N3/0475
摘要： 本发明提供了一种基于文本驱动的图像数据增强方法，可用于对象检测任务，如自动驾驶场景下的行人检测等；以丰富训练数据，实现图像数据增强。该方法使用图像字幕技术提取源图像中的视觉特征并转换为文本序列，利用3种基于文本驱动的增强策略(屏蔽、随机插入和复述)扩充文本序列的语义多样性，再使用稳定扩散模型将该文本序列转换为相应的图像数据实现文本到图像的映射，以此生成新的具有多样性的训练数据，进而提高检测模型的性能和泛化能力。
-
公开(公告)号：CN117854294A
公开(公告)日：2024-04-09
申请号：CN202311627677.3
申请日：2023-11-30
申请人： 北京交通大学
摘要： 本发明提供了一种双向模型迁移的多主体联合强化学习方法，用于在智能交通领域抵御多点投毒攻击，优化区域通行效率。该方法使用强化学习方法加固交通路网的各交叉口作为联合体个体，使用多智能体强化学习方法、模型迁移学习方法，将个体进行区域联合以抵御针对智能交通信号(ISIG)系统的投毒攻击，并利用双向模型迁移机制逆向解除联合，提高无攻击时交通信号规划算法安全性及区域通行效率。
-
公开(公告)号：CN117272169A
公开(公告)日：2023-12-22
申请号：CN202311198519.0
申请日：2023-09-15
申请人： 北京交通大学
IPC分类号： G06F18/2415 , G06N3/0464 , G06N3/049 , G06N3/08
摘要： 本发明提供了一种对无线信号进行信号调制样式与技术体制识别方法。该方法包括：接收并处理从无线通信采集设备采集的空口信号数据样本，利用处理后的空口信号数据样本构建训练集和测试集；设计并构建卷积脉冲神经网络；利用训练集和测试集分别使用代理梯度和脉冲时序依赖可塑性算法对卷积脉冲神经网络进行训练；对代理梯度和脉冲时序依赖可塑性算法训练后的两个卷积脉冲神经网络模型按照权重进行集成，得到信号调制样式和技术体制的识别模型；利用信号调制样式和技术体制的识别模型对待识别无线通信信号进行信号调制样式和技术体制样本识别。本发明方法可以有效地处理和识别信号调制样式和技术体制数据，提升信号分类和识别的准确性和鲁棒性。
-
公开(公告)号：CN118312839A
公开(公告)日：2024-07-09
申请号：CN202410224385.3
申请日：2024-02-29
申请人： 北京交通大学
IPC分类号： G06F18/241 , G06F18/214 , G06N3/04 , G06N3/09
摘要： 本发明提供了一种结合预训练与监督微调的多任务分类器构建方法与装置，用于在大规模无标签样本的无线通信系统中准确识别不同信号的调制样式、技术体制和个体设备。该方法基于BYOL框架，利用大规模无标签样本进行自监督学习以获得强大的预训练模型，随后利用数量较少的有标签样本，针对不同的信号类别进行专门的微调，使得模型能够在下游任务中对各类信号进行高准确度的识别。
-
-
-
-
搜索结果
5 条记录 (耗时 0.023 秒)
