-
公开(公告)号：CN111223301B
公开(公告)日：2021-01-26
申请号：CN202010164451.4
申请日：2020-03-11
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于图注意力卷积网络的交通流量预测方法，旨在预测中长时间交通车流量，属于城市交通规划及流量预测技术领域。包括：步骤1：对交通流量数据预处理，输出预处理完成后的数据序列；步骤2：基于预处理完成后的数据序列，提取数据序列的空间特征以及时间特征；步骤3、输入经过步骤2两个AGA块的特征提取，经过一层全连接层得到下一时刻预测结果。所述方法未使用无法并行训练的递归结构，模型的所有组件都是卷积结构，可以减少训练时间；所述方法是首次尝试结合基于频谱的图卷积网络和基于空间的卷积网络，分别提取空间特征和时间特征,在时空交通网络上算法表现出众。
-
公开(公告)号：CN108092818B
公开(公告)日：2020-06-05
申请号：CN201711433107.5
申请日：2017-12-26
Applicant: 北京理工大学
IPC: H04L12/24
Abstract: 本发明提供一种可以提升节点在动态网络终端影响力的智能代理方法，属于数据挖掘、数据搜索以及机器学习技术领域。具体步骤包括：步骤一、初始化：将节点划分为多个集合，令目标节点v与每个集合中的中的带来净收益最大的节点建立连接；步骤二、评估：重新计算每个节点的净收益，重新划分集合；步骤三、选择：采用置信区间上界选取集合；步骤四、连接：目标个体与选中的集合的带来净收益最大的节点连接；步骤五、等待：等待网络的变化再重复步骤二～五。本发明从网络个体角度，可以使目标节点在网络中有更大的话语权。从网络监督者角度，可以使目标节点更好的掌控网络信息，及时发现网络中的安全隐患。
-
公开(公告)号：CN111400796A
公开(公告)日：2020-07-10
申请号：CN202010164331.4
申请日：2020-03-11
Applicant: 北京理工大学
IPC: G06F30/13 , G06F30/20 , G06Q10/06 , G06Q50/08 , G06F111/08
Abstract: 本发明涉及一种基于Agent的室内应急疏散位置风险评估方法，属于人工智能与智能代理技术领域。包括1)建筑平面图导入模块接收单层建筑平面图并对进行预处理，输出处理后的建筑平面图以及具体的应急情形，再等待外部命令，若外部命令是插入模拟应急安全事件，则跳至2)，若外部命令时验证平面安全性，则跳至3)；2)应急事件生成模块指定应急安全事件发生的位置，并根据应急安全事件性质改变应急安全事件发生位置处的格点状态、调整其与相邻格点连接的奖赏值；3)针对应急情形选择深度学习方法，反馈设计合理的安全性指标，输出平面整体的安全性评价指标。所述方法有效避免了人为制定刚性规则来化解室内应急疏散隐患时存在的缺陷。
-
公开(公告)号：CN108092818A
公开(公告)日：2018-05-29
申请号：CN201711433107.5
申请日：2017-12-26
Applicant: 北京理工大学
IPC: H04L12/24
Abstract: 本发明提供一种可以提升节点在动态网络终端影响力的智能代理方法，属于数据挖掘、数据搜索以及机器学习技术领域。具体步骤包括：步骤一、初始化：将节点划分为多个集合，令目标节点v与每个集合中的中的带来净收益最大的节点建立连接；步骤二、评估：重新计算每个节点的净收益，重新划分集合；步骤三、选择：采用置信区间上界选取集合；步骤四、连接：目标个体与选中的集合的带来净收益最大的节点连接；步骤五、等待：等待网络的变化再重复步骤二～五。本发明从网络个体角度，可以使目标节点在网络中有更大的话语权。从网络监督者角度，可以使目标节点更好的掌控网络信息，及时发现网络中的安全隐患。
-
公开(公告)号：CN112612968B
公开(公告)日：2024-04-09
申请号：CN202011493247.3
申请日：2020-12-17
Applicant: 北京理工大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明涉及一种基于长期收益的动态社交网络中的链接推荐方法，对链接推荐问题上进行了更进一步的思考，提出了如何更有效地在动态社交网络中面向长期收益的链接推荐的技术方案。本方法将网络中个体选择与其他节点建立链接的过程视作一种在社交网络中“投资”的过程，在有限的代价预算下，为目标节点进行链接推荐以获取长期的社会资本收益，也即对于网络中目标节点，期望通过链接推荐挖掘出一些推荐节点，使得目标节点在当下选择与这些个体建立链接也许并不会带来最高的直接收益，随着网络的动态演化，能够获得更高的长远收益，最终在网络中处于更加优势的社会地位。
-
Patent Agency Ranking
公开(公告)号：CN112612968A
公开(公告)日：2021-04-06
申请号：CN202011493247.3
申请日：2020-12-17
Applicant: 北京理工大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明涉及一种基于长期收益的动态社交网络中的链接推荐方法，对链接推荐问题上进行了更进一步的思考，提出了如何更有效地在动态社交网络中面向长期收益的链接推荐的技术方案。本方法将网络中个体选择与其他节点建立链接的过程视作一种在社交网络中“投资”的过程，在有限的代价预算下，为目标节点进行链接推荐以获取长期的社会资本收益，也即对于网络中目标节点，期望通过链接推荐挖掘出一些推荐节点，使得目标节点在当下选择与这些个体建立链接也许并不会带来最高的直接收益，随着网络的动态演化，能够获得更高的长远收益，最终在网络中处于更加优势的社会地位。
-
公开(公告)号：CN108156035A
公开(公告)日：2018-06-12
申请号：CN201711420408.4
申请日：2017-12-25
Applicant: 北京理工大学
IPC: H04L12/24 , H04L12/721 , G06Q50/00
Abstract: 本发明涉及一种社区结构网络的社交圈中的交友策略，属于网络科学及社会学技术领域。根据真实社交网络和用户视角的不同，交友策略分为局部交友策略和全局交友策略。首先获取连接代价和时间代价，然后执行交友策略，建立社区结构局部网络和社区结构全局网络，在社区结构局部网络和社区结构全局网络中寻找新的节点，并根据连接代价和时间代价，判断并决定与目标结点是建立还是解除关系。本发明保证了用户可以在短时间内较快提高自己在网络中的重要性；避免了社交过程中用户隐私的泄露，实现了安全的社交模式；可以为社交网络提供好友推荐的理论支持；可以将本发明中的策略研究应用于其他网络结构中，如在道路网络、合作网络中解决实际问题等。
-
公开(公告)号：CN111400796B
公开(公告)日：2022-03-01
申请号：CN202010164331.4
申请日：2020-03-11
Applicant: 北京理工大学
IPC: G06F30/13 , G06F30/20 , G06Q10/06 , G06Q50/08 , G06F111/08
Abstract: 本发明涉及一种基于Agent的室内应急疏散位置风险评估方法，属于人工智能与智能代理技术领域。包括1)建筑平面图导入模块接收单层建筑平面图并对进行预处理，输出处理后的建筑平面图以及具体的应急情形，再等待外部命令，若外部命令是插入模拟应急安全事件，则跳至2)，若外部命令时验证平面安全性，则跳至3)；2)应急事件生成模块指定应急安全事件发生的位置，并根据应急安全事件性质改变应急安全事件发生位置处的格点状态、调整其与相邻格点连接的奖赏值；3)针对应急情形选择深度学习方法，反馈设计合理的安全性指标，输出平面整体的安全性评价指标。所述方法有效避免了人为制定刚性规则来化解室内应急疏散隐患时存在的缺陷。
-
公开(公告)号：CN107888431B
公开(公告)日：2020-06-16
申请号：CN201711423482.1
申请日：2017-12-25
Applicant: 北京理工大学
IPC: H04L12/24
Abstract: 本发明涉及一种动态核心‑边缘网络的中心化算法及其模型构造方法，属于网络科学技术领域及计算机领域。中心化算法的核心为：在一个动态的核心‑边缘网络中，选中的目标点在每个选定的时刻选择网络中的点连边，目的是最小代价下目标点到达网络的中心。基于代理人的核心‑边缘结构模型构造方法的核心为：依概率选择网络中的点为目标点，假设网络非合作博弈的情况下应用中心化算法，演化给定次数后，得到具有核心‑边缘结构的网络。本发明的中心化算法为核心‑边缘结构的研究提供了个体的视角；在动态网络上算法表现出众；本发明的模型构造方法放宽了现有构造方法的约束。
-
公开(公告)号：CN111223301A
公开(公告)日：2020-06-02
申请号：CN202010164451.4
申请日：2020-03-11
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于图注意力卷积网络的交通流量预测方法，旨在预测中长时间交通车流量，属于城市交通规划及流量预测技术领域。包括：步骤1：对交通流量数据预处理，输出预处理完成后的数据序列；步骤2：基于预处理完成后的数据序列，提取数据序列的空间特征以及时间特征；步骤3、输入经过步骤2两个AGA块的特征提取，经过一层全连接层得到下一时刻预测结果。所述方法未使用无法并行训练的递归结构，模型的所有组件都是卷积结构，可以减少训练时间；所述方法是首次尝试结合基于频谱的图卷积网络和基于空间的卷积网络，分别提取空间特征和时间特征,在时空交通网络上算法表现出众。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.016 seconds)
