-
公开(公告)号：CN116933145B
公开(公告)日：2023-12-01
申请号：CN202311199083.7
申请日：2023-09-18
Applicant: 北京交通大学 , 赣州市智能产业创新研究院
IPC: G06F18/24 , G06N3/0464 , G06T7/00 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06F18/214 , G06F18/22 , G06F18/25
Abstract: 本申请提供一种工业设备中的部件的故障确定方法及相关设备，所述方法包括获取部件的图像数据和时序数据；将图像数据和时序数据输入至预先构建的故障检测模型，通过故障检测模型对图像数据进行特征提取，得到第一特征，以及通过故障检测模型对时序数据进行特征提取，得到第二特征；将第一特征和第二特征进行特征融合，得到特征融合向量；对特征融合向量进行分类，并经由故障检测模型输出特征融合向量对应的缺陷类别的概率；基于缺陷类别的概率，确定部件的故障类型，解决了现有技术中确定工业设备中的部件故障的准确性低的技术问题，提高
-
公开(公告)号：CN116933145A
公开(公告)日：2023-10-24
申请号：CN202311199083.7
申请日：2023-09-18
Applicant: 北京交通大学 , 赣州市智能产业创新研究院
IPC: G06F18/24 , G06N3/0464 , G06T7/00 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06F18/214 , G06F18/22 , G06F18/25
Abstract: 本申请提供一种工业设备中的部件的故障确定方法及相关设备，所述方法包括获取部件的图像数据和时序数据；将图像数据和时序数据输入至预先构建的故障检测模型，通过故障检测模型对图像数据进行特征提取，得到第一特征，以及通过故障检测模型对时序数据进行特征提取，得到第二特征；将第一特征和第二特征进行特征融合，得到特征融合向量；对特征融合向量进行分类，并经由故障检测模型输出特征融合向量对应的缺陷类别的概率；基于缺陷类别的概率，确定部件的故障类型，解决了现有技术中确定工业设备中的部件故障的准确性低的技术问题，提高了检测工业设备中的部件故障的准确率。
-
公开(公告)号：CN117998512A
公开(公告)日：2024-05-07
申请号：CN202410222420.8
申请日：2024-02-28
Applicant: 北京交通大学
Abstract: 本发明提供基于多属性决策的异构网络垂直切换方法和海上通信系统，其方法包括：通过检测获得当前网络参数，对获得的当前网络参数进行归一化处理；基于第一步的执行结果，确定垂直切换的正向指标和负项指标，通过AHP算法确定垂直切换的主观权重，通过EWM算法确定垂直切换的客观权重；基于垂直切换的正向指标、负项指标、主观权重和客观权重，通过计算确定当前网络参数的总权重；根据当前网络参数的总权重，计算所有可接入异构网络的效用函数；选择效用函数对异构网络进行垂直切换。本发明提供的方法和系统可以同时检测多个网络的信号强度、带宽、时延、负载率等多项网络参数，能够有效确保切换判决时各个网络参数的实时性；切换通常以主网络的网络质量作为切换标准，因此主网络的选择将直接影响切换算法的性能。
-
公开(公告)号：CN116528311B
公开(公告)日：2023-09-29
申请号：CN202310416358.1
申请日：2023-04-18
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于动态双阈值的无线通信网络垂直切换方法和系统。该方法包括：获取一定时间段内主网络的接收信号强度值，计算接收信号强度的平均值，将该平均值作为主网络的网络评价值；根据主网络的网络评价值和设定的稳定阈值对主网络的稳定性进行判断，当判断主网络不稳定后，确定所述高阈值和低阈值的移动步长，根据移动步长对高阈值和低阈值进行调整；获取主网络当前的接收信号强度值，将主网络当前的接收信号强度值与调整后的高阈值和低阈值进行比较，根据比较结果和切换策略对主网络和备用网络中接入的设备进行垂直网络切换。
-
公开(公告)号：CN117081867B
公开(公告)日：2024-01-23
申请号：CN202311340781.4
申请日：2023-10-17
Applicant: 北京交通大学
IPC: H04L9/40
Abstract: 本申请提供一种基于印象加权的协作物理层认证方法及电子设备，通过长期考查协作者的认证性能，构建印象形成体系，充分考虑了协作者的可靠性，通过权重重新分配的方式能够在受到恶意协作者攻击后通过进行权重的重新分配来降低恶意协作者的干扰，使认证权重可以更准确地反映协作者的真实可信性。所以，通过为协作认证过程动态分配认证权重，可以提高协作物理层认证方案在认证过程的安全性与鲁棒性。最后，根据认证权重和下一时隙中的每个协作者的新的本地决策确定下一时隙的新的全局认证性能，利用重新分配后的认证权重进行新的全局认证性能计算，可以保证整个协作物理层认证方案的全局认证性能的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN117081867A
公开(公告)日：2023-11-17
申请号：CN202311340781.4
申请日：2023-10-17
Applicant: 北京交通大学
IPC: H04L9/40
Abstract: 本申请提供一种基于印象加权的协作物理层认证方法及电子设备，通过长期考查协作者的认证性能，构建印象形成体系，充分考虑了协作者的可靠性，通过权重重新分配的方式能够在受到恶意协作者攻击后通过进行权重的重新分配来降低恶意协作者的干扰，使认证权重可以更准确地反映协作者的真实可信性。所以，通过为协作认证过程动态分配认证权重，可以提高协作物理层认证方案在认证过程的安全性与鲁棒性。最后，根据认证权重和下一时隙中的每个协作者的新的本地决策确定下一时隙的新的全局认证性能，利用重新分配后的认证权重进行新的全局认证性能计算，可以保证整个协作物理层认证方案的全局认证性能的稳定性。
-
公开(公告)号：CN116361642A
公开(公告)日：2023-06-30
申请号：CN202310118884.X
申请日：2023-01-31
Applicant: 北京交通大学
IPC: G06F18/214 , G06F18/24 , G06N3/0475 , G06N3/098
Abstract: 本申请提供一种全局模型的训练方法、装置及电子设备，应用于联邦学习系统，所述联邦学习系统包括服务器和多个分布式设备，在所述服务器中部署全局模型，分别在每个分布式设备中部署局部模型，所述全局模型和每个局部模型均设置有特征提取器、鉴别器和分类器，所述特征提取器和所述鉴别器组成生成对抗网络；所述方法包括利用所述服务器对所述全局模型进行参数初始化；利用所述服务器和所述多个分布式设备对经过所述参数初始化的全局模型进行多轮迭代训练，直至所述全局模型满足收敛条件为止，得到训练完成的全局模型，解决了现有技术中联邦学习的不同分布式设备的数据具有异质性的技术问题，提升了联邦学习的性能目的。
-
公开(公告)号：CN118981701A
公开(公告)日：2024-11-19
申请号：CN202410877043.1
申请日：2024-07-02
Applicant: 北京交通大学
IPC: G06F18/2431 , G06F18/25
Abstract: 本申请提供一种工业物联网中的设备身份确定方法及相关设备，所述方法包括获取每个设备与服务器之间的通信数据，基于全部通信数据，确定全部设备对应的属性集合；将属性集合输入至预先训练的身份确定模型，在身份确定模型中执行如下操作：对属性集合进行特征提取，得到属性特征集合；基于属性集合，对属性特征集合中的每个属性特征分配权重，得到目标属性特征集合；将目标属性特征集合与属性集合进行融合，得到融合集合；对融合集合进行特征提取，得到融合特征；对融合特征进行分类，得到设备身份；通过身份确定模型输出每个设备对应的设备身份，解决了现有技术中确定设备对应的设备身份的准确度低的技术问题，提高了确定设备身份的准确度。
-
公开(公告)号：CN116528311A
公开(公告)日：2023-08-01
申请号：CN202310416358.1
申请日：2023-04-18
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于动态双阈值的无线通信网络垂直切换方法和系统。该方法包括：获取一定时间段内主网络的接收信号强度值，计算接收信号强度的平均值，将该平均值作为主网络的网络评价值；根据主网络的网络评价值和设定的稳定阈值对主网络的稳定性进行判断，当判断主网络不稳定后，确定所述高阈值和低阈值的移动步长，根据移动步长对高阈值和低阈值进行调整；获取主网络当前的接收信号强度值，将主网络当前的接收信号强度值与调整后的高阈值和低阈值进行比较，根据比较结果和切换策略对主网络和备用网络中接入的设备进行垂直网络切换。
-
公开(公告)号：CN114528907B
公开(公告)日：2023-04-07
申请号：CN202111665118.2
申请日：2021-12-31
Applicant: 北京交通大学
IPC: G06F18/241 , G06F18/23
Abstract: 本申请提供一种工业异常数据检测方法及装置；所述方法包括：将采集的工业数据初始化为数据空间中的数据点，设置大于工业数据采集维度的密度阈值，初始化每个数据点的邻域半径；对于每个数据点，利用与周围其他数据点在邻域半径上的差值确定该数据点的稀疏值，并利用与邻域数据点的距离确定该数据点的离群值，将稀疏值和离群值作为目标解；对于每个数据点，利用目标解初始化个体最优解；采取群粒子算法，对个体最优解进行迭代；响应于达到预设的迭代次数，确定每个数据点在最后一次迭代中的个体最优解，利用个体最优解反推出对应的邻域半径；对于每个数据点，响应于邻域半径内的邻域数据点的个数小于等于密度阈值，确定该数据点为异常点。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.057 seconds)
