-
公开(公告)号：CN118313510A
公开(公告)日：2024-07-09
申请号：CN202410439351.6
申请日：2024-04-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多粒度时序知识图谱的地铁流量预测方法及系统，涉及基于多粒度时序知识图谱的地铁流量预测技术领域，包括构建城市地铁流量的多粒度时序知识图谱；基于张量分解的多粒度时序知识图谱嵌入框架；融合多粒度时序知识图谱嵌入与LSTM的地铁流量预测。本发明所述方法使用地铁流量时序知识图谱，实现地铁站周边POI数据、地铁站流入流出信息和地铁线网拓扑信息挖掘远距离站点的动态客流量模式，提高远距离站点之间的动态相关性，从而提高地铁客流量的预测结果。
-
公开(公告)号：CN118313510B
公开(公告)日：2025-04-18
申请号：CN202410439351.6
申请日：2024-04-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多粒度时序知识图谱的地铁流量预测方法及系统，涉及基于多粒度时序知识图谱的地铁流量预测技术领域，包括构建城市地铁流量的多粒度时序知识图谱；基于张量分解的多粒度时序知识图谱嵌入框架；融合多粒度时序知识图谱嵌入与LSTM的地铁流量预测。本发明所述方法使用地铁流量时序知识图谱，实现地铁站周边POI数据、地铁站流入流出信息和地铁线网拓扑信息挖掘远距离站点的动态客流量模式，提高远距离站点之间的动态相关性，从而提高地铁客流量的预测结果。
-
Patent Agency Ranking
公开(公告)号：CN117273143B
公开(公告)日：2024-12-27
申请号：CN202310992329.X
申请日：2023-08-08
Applicant: 南京邮电大学
Abstract: 本发明公开了基于马尔可夫逻辑网络的时序知识图谱推理方法及系统包括：读取时序知识图谱并进行处理生成时序谓词序列；利用LSTM获取时序谓词序列的嵌入表征，通过马尔科夫逻辑网络建立已知三元组和隐藏三元组的联合分布；基于变分期望最大化算法结合知识图谱嵌入技术对联合分布进行推理和学习，完成时序知识图谱推理任务；本发明提出的方法是知识与数据协同驱动的时序知识图谱推理方法，在提高推理准确度的同时，也使推理具有了可解释性，并且本发明也可用于静态知识图谱推理。
-
公开(公告)号：CN117133116B
公开(公告)日：2024-04-19
申请号：CN202310991694.9
申请日：2023-08-07
Applicant: 南京邮电大学
IPC: G08G1/01 , G08G1/065 , G06F18/20 , G06N5/04 , G06N5/02 , G06N3/0464 , G06N3/08 , G06Q10/04 , G06Q50/40
Abstract: 本发明公开了一种基于时空关联网络的交通流预测方法及系统，包括：利用马尔可夫随机场模型推理新的节点和边，将新推出的节点和边加入用原始数据构造的知识图谱中；编码器利用改进的图注意力机制对扩充交通时空知识图谱进行建模，提取出具有周期性特征的表示；将形成的周期性特征经过处理后输入到解码器中；解码器使用自注意力机制，将编码器传递的周期性特征和基于马尔可夫随机场的转移矩阵作为解码器输入，通过神经网络进行建模，以实现未来一段时间交通流量的预测。本发明通过通过构建扩充时空知识图谱，结合图注意力机制和马尔可夫随机场，该方法能够充分利用时空数据的特征，并具有较好的预测性能。
-
公开(公告)号：CN117133116A
公开(公告)日：2023-11-28
申请号：CN202310991694.9
申请日：2023-08-07
Applicant: 南京邮电大学
IPC: G08G1/01 , G08G1/065 , G06F18/20 , G06N5/04 , G06N5/02 , G06N3/0464 , G06N3/08 , G06Q10/04 , G06Q50/30
Abstract: 本发明公开了一种基于时空关联网络的交通流预测方法及系统，包括：利用马尔可夫随机场模型推理新的节点和边，将新推出的节点和边加入用原始数据构造的知识图谱中；编码器利用改进的图注意力机制对扩充交通时空知识图谱进行建模，提取出具有周期性特征的表示；将形成的周期性特征经过处理后输入到解码器中；解码器使用自注意力机制，将编码器传递的周期性特征和基于马尔可夫随机场的转移矩阵作为解码器输入，通过神经网络进行建模，以实现未来一段时间交通流量的预测。本发明通过通过构建扩充时空知识图谱，结合图注意力机制和马尔可夫随机场，该方法能够充分利用时空数据的特征，并具有较好的预测性能。
-
公开(公告)号：CN118672135A
公开(公告)日：2024-09-20
申请号：CN202410657932.7
申请日：2024-05-24
Applicant: 南京邮电大学
IPC: G05B13/04
Abstract: 本发明研究了宏观微观复合定位台的快速减振问题，将宏观微观复合定位系统建模为非严格反馈互联非线性系统，解决了输入量化带来的困难，并设计了一种新的自适应控制方案，无需估计量化器参数和时变有效因子的下界。再结合反演控制技术，设计出最终的控制器。本发明提出了一种不需要估计下界的新型控制方案，使得控制器独立于量化器的参数，并允许他们自由改变。同时本发明引入了可描述性能函数来解决输出约束问题。通过实际应用的系统仿真研究，验证了该发明控制方案的实用性和有效性。
-
公开(公告)号：CN117273143A
公开(公告)日：2023-12-22
申请号：CN202310992329.X
申请日：2023-08-08
Applicant: 南京邮电大学
Abstract: 本发明公开了基于马尔可夫逻辑网络的时序知识图谱推理方法及系统包括：读取时序知识图谱并进行处理生成时序谓词序列；利用LSTM获取时序谓词序列的嵌入表征，通过马尔科夫逻辑网络建立已知三元组和隐藏三元组的联合分布；基于变分期望最大化算法结合知识图谱嵌入技术对联合分布进行推理和学习，完成时序知识图谱推理任务；本发明提出的方法是知识与数据协同驱动的时序知识图谱推理方法，在提高推理准确度的同时，也使推理具有了可解释性，并且本发明也可用于静态知识图谱推理。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
