-
公开(公告)号：CN119295130A
公开(公告)日：2025-01-10
申请号：CN202410848155.4
申请日：2024-06-27
Applicant: 南京医药股份有限公司 , 南京邮电大学
IPC: G06Q30/0202 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明属于药品销售技术领域，公开了一种基于图注意力神经网络的区域药品销量预测方法，其利用药品历史销售数据构建图结构数据，基于图结构数据构建图注意力神经网络模型并进行训练和优化；利用训练后的模型对药品进行销售预测，并对预测结果进行评估；对预测结果进行解释，分析不同药品在不同地区和时间段的销售趋势，得到影响销售的主要因素；并对预测结果进行可视化展示。本发明所述方法利用不同药品的相关销售信息进行构图，增强了药品间的潜在联系，有利于多种药品在不同销售点的销量同时预测；针对所构建的药品信息图的特性使用图注意力神经网络来学习药品间的潜在关系以及捕获时间序列中的时间依赖性，提高药品销量预测的准确率。
-
公开(公告)号：CN118692642A
公开(公告)日：2024-09-24
申请号：CN202410848152.0
申请日：2024-06-27
Applicant: 南京医药股份有限公司 , 南京邮电大学
Abstract: 本发明属于区块链实际应用技术领域，公开了一种基于多链融合的药品溯源系统和方法，通过fabric联盟链在各参与主体间部署智能合约便于业务协作，使用以太坊私有链分别对各参与主体内部的流转信息进行存储，保障源头信息真实性；同时设计私有链与联盟链的跨链交互协议用于溯源信息交互，根据各链溯源ID预先建立联盟链溯源通道到联盟链业务通道，再到各参与主体私有链的溯源信息映射结构，实现溯源信息的完整串联；通过数据隔离机制，确保供应链过程各方私有数据的隐私保护。
-
公开(公告)号：CN119558842A
公开(公告)日：2025-03-04
申请号：CN202510112623.6
申请日：2025-01-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于DAG的跨分片点对点能源交易优化方法，属于跨分片交易处理技术领域；包括为：定义跨分片交易；基于有向图DAG结构描述多个子交易之间的依赖关系；构建基于DAG账本的协调层，选择信誉值最高的节点担任DAG委员会成员；对担任DAG委员会成员的节点进行交易验证、跨分片交易的转发和转发时验证。本发明采用乐观策略并行处理跨分片交易，结合DAG结构将跨分片交易分解为多个子交易，确保交易的原子性和一致性；在高频交易场景下，显著提高系统的吞吐量和处理速率，有效降低交易延迟；在跨分片内部节点组成DAG委员会，维护DAG账本实现高效的跨分片交易处理，消除对可信第三方的依赖，显著降低通信和验证成本。
-
公开(公告)号：CN119272313B
公开(公告)日：2025-02-25
申请号：CN202411804884.6
申请日：2024-12-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向大规模供应链数据的时间受控细粒度溯源方法，属于细粒度溯源处理技术领域；包括为：构建大规模供应系统；进行初始化，生成公开参数和主密钥；对用户数据进行加密；对加密后的用户数据进行溯源处理；对用户数据进行解密；获得数据。本发明通过采用聚合访问控制树方法，包含用户所有的属性节点，采用基本的访问策略，根据用户的属性不同实现细粒度的访问控制，有效解决加密和解密过程中增加的计算量；通过动态更新访问策略控制用户权限的时效性，利用智能合约和区块链时间戳验证来保证访问控制的公正性和不可篡改性，解决面向不同身份访问控制问题，实现时间维度的访问权限控制，确保了数据的隐私性和安全性。
-
公开(公告)号：CN118229300B
公开(公告)日：2024-07-16
申请号：CN202410524294.1
申请日：2024-04-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种分布式动态评估的区块链跨链交易方法，属于区块链跨链交易技术领域；方法为：付款人提出交易请求，和收款人同时公布自己支持的加密货币币种和需要的数量；公证人委员会调用智能合约，对公证人节点进行动态窗口信誉评估，计算公证人的信誉值；采用RNN‑DEW算法，调整公证人节点信誉的评价窗口；采用信誉等级衰减机制判断公证人节点是否活跃，选出信誉值最高的公证人参与交易；转账顺利完成，退还公证人押金，交易完成。本发明通过RNN‑DEW算法、信誉等级衰减机制以及动态评估准确识别潜在风险和恶意行为，防止恶意节点或攻击者利用跨链交易进行欺诈或双重支付行为，提高跨链交易的安全性以及计算信誉值的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118101000B
公开(公告)日：2024-07-02
申请号：CN202410502700.4
申请日：2024-04-25
Applicant: 南京邮电大学
Abstract: 本发明属于车联网无线通信技术领域，公开一种辅助6G车与车通信的混合智能反射面功率分配优化方法；所述方法包括混合智能反射面的配置；建立多车道高速公路车辆场景；混合智能反射面辅助车与车通信信道建模；混合智能反射面辅助车与车通信中继车辆的选择；建立混合智能反射面辅助车与车通信能耗模型；采用基于Dinkelbach的迭代算法优化有源元件放大功率和发射功率，完成功率分配优化；本发明使道路上行驶的每辆车都有成为辅助中继的可能，极大提高了车与车通信灵活性；解决了无源智能反射面的“乘性衰落”和有源智能反射面元件的能耗大的问题，显著提高接收信号的信噪比从而提高车与车通信的可靠性。
-
公开(公告)号：CN118101000A
公开(公告)日：2024-05-28
申请号：CN202410502700.4
申请日：2024-04-25
Applicant: 南京邮电大学
Abstract: 本发明属于车联网无线通信技术领域，公开一种辅助6G车与车通信的混合智能反射面功率分配优化方法；所述方法包括混合智能反射面的配置；建立多车道高速公路车辆场景；混合智能反射面辅助车与车通信信道建模；混合智能反射面辅助车与车通信中继车辆的选择；建立混合智能反射面辅助车与车通信能耗模型；采用基于Dinkelbach的迭代算法优化有源元件放大功率和发射功率，完成功率分配优化；本发明使道路上行驶的每辆车都有成为辅助中继的可能，极大提高了车与车通信灵活性；解决了无源智能反射面的“乘性衰落”和有源智能反射面元件的能耗大的问题，显著提高接收信号的信噪比从而提高车与车通信的可靠性。
-
公开(公告)号：CN117993637A
公开(公告)日：2024-05-07
申请号：CN202311669302.3
申请日：2023-12-07
Applicant: 南京邮电大学
IPC: G06Q10/0631 , G06Q10/087 , G16H40/20 , G06F18/27 , G06N3/0464 , G06N3/08
Abstract: 本发明属于医药需求预测领域，公开了一种面向智慧医药的物流中心需求预测方法，其融合基于线性数据预测的ARIMA与基于非线性预测的CNN‑TCN方法，构建医药物流中心需求预测模型，并提出新型的补货策略和方法评价指标，实现库存管理的优化，改善客户的服务质量。
-
公开(公告)号：CN117809292A
公开(公告)日：2024-04-02
申请号：CN202311842516.6
申请日：2023-12-29
Applicant: 南京邮电大学
IPC: G06V20/60 , G06V20/56 , G06V10/82 , G06V10/25 , G06T7/12 , G06T7/70 , G06T17/05 , G06F16/29 , G06Q10/047 , G06Q10/083 , G06N3/0464 , G06N3/082 , G06N5/046 , G01C21/20
Abstract: 本发明属于自动化技术领域，公开了一种基于图像的AGV分拣方法及系统，利用图像导航、识别、分割技术，并结合AGV机器人，实现商超货物分拣工作的基本机械化，相比人工分拣，具有较高的准确率，较低的成本，以及更高的效率。而传统的AGV分拣机器人需要通过RFID进行商品识别，在不增加机械结构的基础上，存在无法准确识别商品数量的问题，本发明利用目标识别和实例分割算法，可以准确实现纯图像层面的商品识别和数量判断，将半自动需要人工介入的AGV提升到全自动执行，有效提升系统效率。
-
公开(公告)号：CN119272845B
公开(公告)日：2025-04-25
申请号：CN202411783712.5
申请日：2024-12-06
Applicant: 南京邮电大学
Abstract: 本发明属于信息技术领域，公开一种用于工业异构设备的对比双焦点知识蒸馏联邦学习方法，通过1个服务器和N个客户端构建对比双焦点知识蒸馏联邦学习模型，各个客户端分别在本地数据集上进行预训练，得到初始化本地模型；服务器接收来自多个客户端的知识，通过双焦点蒸馏策略推动服务器模型演化为更高精度、更具泛化能力的服务器端全局模型，客户端计算全局模型与本地模型输出的特征对比损失和相对熵损失，同时，计算本地模型与全局模型和上一轮本地模型输出的特征对比损失，以及本地模型输出与硬性标签之间的交叉熵，通过知识蒸馏损失项和本地监督损失项的联合训练，本地模型在保持原有数据分布优势的同时，能够获得更高的全局准确率。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.038 seconds)
