公开(公告)号：CN116882504A

公开(公告)日：2023-10-13

申请号：CN202310617499.X

申请日：2023-05-29

Applicant: 同济大学

Inventor： 程大伟 ,  李璠 ,  蒋昌俊

IPC: G06N7/01 ,  G06N20/00 ,  G06N3/045 ,  G06N3/0442 ,  G06N5/04 ,  G06Q40/03

Abstract: 本发明涉及概率网络技术领域，具体为一种概率网络脆弱节点快速检测方法及系统,本发明提出一个端到端的深度强化学习框架，依靠图网络的表征能力和强化学习的强大探索能力快速推理出概率网络风险传播后的脆弱节点，特殊设计的奖励函数与策略优化方法，极大缩小迭代步数和计算的时间代价,本发明提出的长距离适应图神经网络利用门控循环单元作为信息过滤器，并用跳跃注意力机制自适应捕捉不同距离传播而来的风险信息，缓解图神经网络方法中存在的过平滑问题，提升预测的精度，本方法适应大规模概率网络中远距离风险影响,应用于真实的担保贷款网络中，不仅能够快速对脆弱节点进行准确检测，还能够辅助风险控制管理者进行概率网络传染链的分析。

公开(公告)号：CN116911907A

公开(公告)日：2023-10-20

申请号：CN202310654251.0

申请日：2023-06-05

Applicant: 同济大学

Inventor： 程大伟 ,  李璠 ,  汪国绚 ,  储惠宇 ,  蒋昌俊

IPC: G06Q30/0202 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种面向重大事件预警的时空数据模式识别方法，涉及商业预测领域包括，利用特征嵌入层编码时序销量信息与事件相关协变量信息和商品画像；利用波动注意力模块检测和提取重大事件导致的异常时序波动；利用并行注意力流模块挖掘重大事件信息与业务信息与销量共同变化的模式；结合提炼的时序异常波动权重与的协变量事件信息对销量序列做出预测和修正。本发明提供的一种面向重大事件预警的时空数据模式识别方法与现有技术相比，提出一个端到端的基于注意力机制深度学习框架ECAN，成功解决不确定性重大事件背景下的时空数据模式识别与预测问题。