-
Patent Agency Ranking
公开(公告)号：CN118571015A
公开(公告)日：2024-08-30
申请号：CN202410774637.X
申请日：2024-06-17
Applicant: 南京邮电大学
IPC: G08G1/01 , G06N3/08 , G06F18/214
Abstract: 本发明涉及一种基于深度学习的道路交通流量预测方法及系统，涉及智慧交通流量预测技术领域。方法包括：构建城市道路的网络拓扑结构图，建立预测交通流量的训练模型，将特征提取得到的节点特征和边特征作为输入，利用融合了时空自注意机制的所述特征表示对所述训练模型进行训练，得到预测模型；将待预测时刻的节点特征数据输入所述预测模型，输出预测的该时刻的交通流量；对所述预测模型进行评估，根据评估结果对所述预测模型进行优化，调整所述预测模型的结构和参数。该方法不仅可以在单个交通节点上进行流量预测，还可以在整个路网范围内进行预测，具有较强的普适性和适用性，能够提高交通流量预测的精度和鲁棒性。
-
公开(公告)号：CN117649769B
公开(公告)日：2024-04-16
申请号：CN202410117383.4
申请日：2024-01-29
Applicant: 南京邮电大学
IPC: G08G1/01 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及一种基于时空关联特征矩阵的未来交通流量智能预测方法，引入图卷积残差网络与时空双向门控循环单元组合，实现对目标路网的预测，其中，时空双向门控循环单元有效地捕捉交通数据中的时空关联性，允许模型在考虑历史数据的同时，考虑未来时刻的信息，图卷积残差网络有助于模型更好地理解城市交通网络的拓扑结构，从而提高预测的精确性和鲁棒性，设计方法通过考虑时间和空间的复杂关系，精确地预测未来交通流量，提高了交通管理的效率，应用潜力广泛，不仅可以帮助城市规划者更好地管理交通流量，还可以为个人驾驶者提供实时交通信息，以改善他们的出行体验，具有重要的实际应用前景。
-
公开(公告)号：CN117034143B
公开(公告)日：2023-12-15
申请号：CN202311303999.2
申请日：2023-10-10
Applicant: 南京邮电大学
IPC: G06F18/2415 , G06N20/00
Abstract: 本发明公开了一种基于机器学习的分布式系统故障诊断方法及装置，涉及智能运维技术领域，方法包括：对历史的系统故障数据进行预处理；构建用于推断历史的系统故障数据缺失值的填充模型；使用基于浅层神经网络的前处理模型拟合经过填充模型处理过的历史系统故障数据，获取特征间更深层次的特征嵌入；结合特征嵌入和原始特征，得到扩充后的数据集；训练故障诊断模型的三个基学习器，取基学习器输出的概率表示作为元特征，用作元学习器逻辑回归的输入，训练元学习器得到诊断模型；对新的数据样本用同样的方法得到最终的元特征，输入诊断模型进行预测；本发明可提高分布式系统智能运维的效率，减少人力资源的投入，节省成本。
-
公开(公告)号：CN117034143A
公开(公告)日：2023-11-10
申请号：CN202311303999.2
申请日：2023-10-10
Applicant: 南京邮电大学
IPC: G06F18/2415 , G06N20/00
Abstract: 本发明公开了一种基于机器学习的分布式系统故障诊断方法及装置，涉及智能运维技术领域，方法包括：对历史的系统故障数据进行预处理；构建用于推断历史的系统故障数据缺失值的填充模型；使用基于浅层神经网络的前处理模型拟合经过填充模型处理过的历史系统故障数据，获取特征间更深层次的特征嵌入；结合特征嵌入和原始特征，得到扩充后的数据集；训练故障诊断模型的三个基学习器，取基学习器输出的概率表示作为元特征，用作元学习器逻辑回归的输入，训练元学习器得到诊断模型；对新的数据样本用同样的方法得到最终的元特征，输入诊断模型进行预测；本发明可提高分布式系统智能运维的效率，减少人力资源的投入，节省成本。
-
公开(公告)号：CN117649769A
公开(公告)日：2024-03-05
申请号：CN202410117383.4
申请日：2024-01-29
Applicant: 南京邮电大学
IPC: G08G1/01 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及一种基于时空关联特征矩阵的未来交通流量智能预测方法，引入图卷积残差网络与时空双向门控循环单元组合，实现对目标路网的预测，其中，时空双向门控循环单元有效地捕捉交通数据中的时空关联性，允许模型在考虑历史数据的同时，考虑未来时刻的信息，图卷积残差网络有助于模型更好地理解城市交通网络的拓扑结构，从而提高预测的精确性和鲁棒性，设计方法通过考虑时间和空间的复杂关系，精确地预测未来交通流量，提高了交通管理的效率，应用潜力广泛，不仅可以帮助城市规划者更好地管理交通流量，还可以为个人驾驶者提供实时交通信息，以改善他们的出行体验，具有重要的实际应用前景。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
