-
公开(公告)号：CN119623532A
公开(公告)日：2025-03-14
申请号：CN202510170368.0
申请日：2025-02-17
Applicant: 南京信息工程大学
IPC: G06N3/049 , G06N3/0455 , G06N3/0499 , G06N3/08 , G06F18/214 , G06F18/24 , G06F18/25
Abstract: 本发明公开了一种基于神经网络的时间序列异常检测方法，包括：获取待检测的多变量时间序列数据，将多变量时间序列数据输入至时空特征融合单元，由时空特征融合单元内时域卷积网络和图注意力影响网络对多变量时间序列数据进行时域信息和属性信息分析，并通过特征融合获得时空融合特征；采用自适应时间序列分解算法对多变量时间序列数据进行分解获得趋势序列和周期序列；将时空融合特征、趋势序列和周期序列输入时序重构单元获得解码特征；通过异常检测单元对解码特征进行异常检测获得多变量时间序列数据的异常状态；本发明能够扩大潜在异常数据与重构数据之间重构偏差，实现快速准确检测多维时间序列中的潜在异常数据。
-
公开(公告)号：CN117077008A
公开(公告)日：2023-11-17
申请号：CN202311073697.0
申请日：2023-08-24
Applicant: 南京信息工程大学
IPC: G06F18/241 , G06F18/214 , G06N3/0499 , G06N3/0464 , G06N3/08 , G06N3/0455 , G06F17/16 , G06F18/25 , G01W1/10
Abstract: 本发明公开一种基于稀疏注意力与自适应时序分解的气温预测方法，包括以下步骤：将近期气象观测数据输入至气温预测模型，生成气温预测值；气温预测模型包括数据输入模块、编码器、信息蒸馏模块、解码器和预测信号融合单元，数据输入模块、编码器和解码器中引入自适应时序分解单元和稀疏注意力机制；训练方法包括：获取历史气象观测数据，形成训练样本集，将单位训练样本依次经过数据输入模块、编码器、信息蒸馏模块、解码器和预测信号融合单元得到模型预测值，将模型预测值和单位训练样本中气温标签值进行比较判断，直至模型训练完成。本发明提供的一种基于稀疏注意力与自适应时序分解的气温预测方法，能够捕捉气象观测数据之间的长期依赖关系，提高气温预测精度。
-
Patent Agency Ranking
公开(公告)号：CN117786374A
公开(公告)日：2024-03-29
申请号：CN202410221484.6
申请日：2024-02-28
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/042 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于图神经网络的多变量时序异常检测方法及系统，方法包括：获取待检测的时序输入数据，将时序输入数据输入至预设的时序异常检测模型进行时序异常判断；所述时序异常检测模型的构建过程包括：获取样本集合后利用样本集合对时序异常检测模型进行训练；将单位样本x转化为同时融合了时域与空域关系的融合时间序列#imgabs0#；将融合时间序列#imgabs1#输入至编码器输出中间特征#imgabs2#；将融合时间序列#imgabs3#和中间特征#imgabs4#输入至解码器获取训练输出序列，基于训练输出序列计算训练损失值并对时序异常检测模型的参数进行优化，输出训练后的时序异常检测模型；本发明能够更全面地分析多变量时间序列数据，从而提高异常检测的准确性和可靠性。
-
公开(公告)号：CN117633635A
公开(公告)日：2024-03-01
申请号：CN202410091381.2
申请日：2024-01-23
Applicant: 南京信息工程大学
IPC: G06F18/241 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/082 , G06F16/901
Abstract: 本发明公开一种基于时空传播图的动态谣言检测方法，包括以下步骤：构造用户内容传播动态图的序列，按照时刻进行分块，得到邻近图结构集合，做空洞卷积处理，输出各时刻图分块渐进图卷积隐藏表示，压缩为全局时空传播图表示，与情绪和话题特征相融合，获得谣言传播图结构表示，使用图神经网络分类算法进行第一次谣言分类判定，构建三层图卷积生成网络，生成谣言演化图结构，微调修改得到预测图，将用户内容传播图和预测图进行融合，形成谣言历史与演化图结构，复用图卷积分类思想进行二次核验。本发明提供的一种基于时空传播图的动态谣言检测方法，能够考虑用户内容传播图的动态特征和全局时空信息，有效识别社交网络中的谣言。
-
公开(公告)号：CN115496291A
公开(公告)日：2022-12-20
申请号：CN202211236102.4
申请日：2022-10-10
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于高精度残缺值的聚类型数据增广气象温度预测方法，包括：S1，创建样本集：对输入的原始气象温度数据集进行残缺值修复，结合滑动窗口、输入时序长度、预测时序长度进行样本集划分以形成完整样本集；S2，聚类：将完整样本集中的每一个样本从温度维度将值取出代表该样本的数据信息，并用主成分分析将维度降至3维；在选取K值后再用K‑MEANS算法将每个样本赋予其代表的类别号；S3，数据增广：对每个样本按照其所属类别进行增广；S4，训练时序预测器；S5，测试时序预测器。对比于平均值和众数等方法，本发明的预测方法的预测精度有着大幅提升。
-
公开(公告)号：CN117786374B
公开(公告)日：2024-05-14
申请号：CN202410221484.6
申请日：2024-02-28
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/042 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于图神经网络的多变量时序异常检测方法及系统，方法包括：获取待检测的时序输入数据，将时序输入数据输入至预设的时序异常检测模型进行时序异常判断；所述时序异常检测模型的构建过程包括：获取样本集合后利用样本集合对时序异常检测模型进行训练；将单位样本x转化为同时融合了时域与空域关系的融合时间序列#imgabs0#；将融合时间序列#imgabs1#输入至编码器输出中间特征#imgabs2#；将融合时间序列#imgabs3#和中间特征#imgabs4#输入至解码器获取训练输出序列，基于训练输出序列计算训练损失值并对时序异常检测模型的参数进行优化，输出训练后的时序异常检测模型；本发明能够更全面地分析多变量时间序列数据，从而提高异常检测的准确性和可靠性。
-
公开(公告)号：CN117633635B
公开(公告)日：2024-04-16
申请号：CN202410091381.2
申请日：2024-01-23
Applicant: 南京信息工程大学
IPC: G06F16/901 , G06F18/241 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/082
Abstract: 本发明公开一种基于时空传播图的动态谣言检测方法，包括以下步骤：构造用户内容传播动态图的序列，按照时刻进行分块，得到邻近图结构集合，做空洞卷积处理，输出各时刻图分块渐进图卷积隐藏表示，压缩为全局时空传播图表示，与情绪和话题特征相融合，获得谣言传播图结构表示，使用图神经网络分类算法进行第一次谣言分类判定，构建三层图卷积生成网络，生成谣言演化图结构，微调修改得到预测图，将用户内容传播图和预测图进行融合，形成谣言历史与演化图结构，复用图卷积分类思想进行二次核验。本发明提供的一种基于时空传播图的动态谣言检测方法，能够考虑用户内容传播图的动态特征和全局时空信息，有效识别社交网络中的谣言。
-
-
-
-
-
-
Search Results
7
records
(took 0.04 seconds)
