-
公开(公告)号：CN113688171A
公开(公告)日：2021-11-23
申请号：CN202110974801.8
申请日：2021-08-24
IPC: G06F16/2458 , G06N3/04 , G06N3/08 , G06Q10/00 , G06Q50/30
Abstract: 本发明涉及一种基于图卷积神经网络的列车制动故障检测方法及系统，方法包括：获取列车制动故障数据以及各监测器之间的连接关系，根据所述列车制动故障数据和所述连接关系构建列车制动故障样本集；根据所述各监测器之间的连接关系构建标准邻接矩阵；根据所述列车制动故障数据构建自适应邻接矩阵；根据所述标准邻接矩阵和所述自适应邻接矩阵构建列车制动故障检测模型；利用所述列车制动故障样本集对所述列车制动故障检测模型进行训练，得到训练好的列车制动故障检测模型；利用训练好的列车制动故障检测模型进行列车制动故障检测。本发明能有效检测出列车运行过程中所发生的制动故障及其故障类型，从而保证了列车运行的安全性和可靠性。
-
公开(公告)号：CN113688171B
公开(公告)日：2022-05-10
申请号：CN202110974801.8
申请日：2021-08-24
IPC: G06F16/2458 , G06N3/04 , G06N3/08 , G06Q10/00 , G06Q50/30
Abstract: 本发明涉及一种基于图卷积神经网络的列车制动故障检测方法及系统，方法包括：获取列车制动故障数据以及各监测器之间的连接关系，根据所述列车制动故障数据和所述连接关系构建列车制动故障样本集；根据所述各监测器之间的连接关系构建标准邻接矩阵；根据所述列车制动故障数据构建自适应邻接矩阵；根据所述标准邻接矩阵和所述自适应邻接矩阵构建列车制动故障检测模型；利用所述列车制动故障样本集对所述列车制动故障检测模型进行训练，得到训练好的列车制动故障检测模型；利用训练好的列车制动故障检测模型进行列车制动故障检测。本发明能有效检测出列车运行过程中所发生的制动故障及其故障类型，从而保证了列车运行的安全性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN111639787B
公开(公告)日：2024-03-15
申请号：CN202010347235.3
申请日：2020-04-28
Applicant: 北京工商大学
IPC: G06F18/20 , G06N3/042 , G06F18/10 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于图卷积网络的时空数据预测方法，包括如下步骤：获取时空数据作为预测任务的对象；对获取到的时空数据进行处理得到数据集；构建基于图卷积网络的时空数据预测模型；将得到的训练样本和验证样本作为构建模型的输入，执行训练算法，得到模型参数，确定基于图卷积网络的时空数据模型；输入待测时间和空间，执行基于图卷积网络的时空数据模型，从而得到期待的预测结果。本发明可以有效的捕获时空数据中的时间属性和空间结构特征，从而提高时空数据预测任务的准确性，在疾病监控、交通管理等多种领域都具有非常重要的应用价值。
-
公开(公告)号：CN112256941B
公开(公告)日：2023-10-13
申请号：CN202011123548.7
申请日：2020-10-20
Applicant: 北京工商大学
IPC: G06F16/951 , G06F16/906 , G06Q50/00
Abstract: 本发明公开一种基于局部信息的社交网络重构方法，步骤一：数据预处理；步骤二：根据节点属性和网络拓扑结构添加占位符节点；所述的占位符节点是为了定位缺失点而存在的一种临时性节点；步骤三：对步骤二所添加的占位符节点进行聚类，用以确定缺失点的具体数目和位置，消除多余的占位符节点，增加网络重构准确性；步骤四：使用链路预测算法确定网络中的缺失边；步骤五：根据上述步骤的处理结果重新构建网络结构。本发明方法可以有效的确定缺失点的位置，并且先解决缺失点的问题可以很好的为后续缺失边的补足做有效支撑，提高预测准确性；可使得舆情传播的相关研究更加高效，有效控制不良舆情传播造成的严重影响和危害。
-
公开(公告)号：CN112257920A
公开(公告)日：2021-01-22
申请号：CN202011123547.2
申请日：2020-10-20
Applicant: 北京工商大学
Abstract: 本发明公开一种可直接捕获时空相关性的时空数据预测方法，包括如下步骤：准备方法所需数据；构建可直接捕获时空相关性的时空数据预测模型；对构建的模型进行训练，得到模型参数；用训练好的模型对时空数据进行预测。本发明解决了现有时空数据预测方法无法捕获时空数据中紧密的时空相关性的缺点，可以有效的挖掘出时空数据中的时空特征，从而提高时空数据预测任务的准确性，在交通管理、灾害预测等多种领域都具有非常重要的应用价值。
-
公开(公告)号：CN112256941A
公开(公告)日：2021-01-22
申请号：CN202011123548.7
申请日：2020-10-20
Applicant: 北京工商大学
IPC: G06F16/951 , G06F16/906 , G06Q50/00
Abstract: 本发明公开一种基于局部信息的社交网络重构方法，步骤一：数据预处理；步骤二：根据节点属性和网络拓扑结构添加占位符节点；所述的占位符节点是为了定位缺失点而存在的一种临时性节点；步骤三：对步骤二所添加的占位符节点进行聚类，用以确定缺失点的具体数目和位置，消除多余的占位符节点，增加网络重构准确性；步骤四：使用链路预测算法确定网络中的缺失边；步骤五：根据上述步骤的处理结果重新构建网络结构。本发明方法可以有效的确定缺失点的位置，并且先解决缺失点的问题可以很好的为后续缺失边的补足做有效支撑，提高预测准确性；可使得舆情传播的相关研究更加高效，有效控制不良舆情传播造成的严重影响和危害。
-
公开(公告)号：CN111639787A
公开(公告)日：2020-09-08
申请号：CN202010347235.3
申请日：2020-04-28
Applicant: 北京工商大学
Abstract: 本发明公开一种基于图卷积网络的时空数据预测方法，包括如下步骤：获取时空数据作为预测任务的对象；对获取到的时空数据进行处理得到数据集；构建基于图卷积网络的时空数据预测模型；将得到的训练样本和验证样本作为构建模型的输入，执行训练算法，得到模型参数，确定基于图卷积网络的时空数据模型；输入待测时间和空间，执行基于图卷积网络的时空数据模型，从而得到期待的预测结果。本发明可以有效的捕获时空数据中的时间属性和空间结构特征，从而提高时空数据预测任务的准确性，在疾病监控、交通管理等多种领域都具有非常重要的应用价值。
-
-
-
-
-
-
Search Results
7
records
(took 0.062 seconds)
