-
公开(公告)号：CN115225520B
公开(公告)日：2023-09-26
申请号：CN202210831071.0
申请日：2022-07-15
Applicant: 同济大学
IPC: H04L41/147 , H04L41/14 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种基于元学习框架的多模态网络流量预测方法及装置，该方法包括：获取历史多模态数据；将历史多模态数据输入预建基于元学习框架的预测模型，预测网络流量数据。该方案：预测得到的网络流量数据具有较高的准确率和可靠性。
-
公开(公告)号：CN114726581B
公开(公告)日：2023-06-20
申请号：CN202210230888.2
申请日：2022-03-09
Applicant: 同济大学
IPC: H04L9/40 , H04L41/0695
Abstract: 本申请提供一种异常检测方法、装置、电子设备及存储介质，该方法包括：获取待检测数据和已有正常数据；根据待检测数据和已有正常数据，基于预先训练的深度孪生自编码网络，分别得到待检测数据对应的第一重建向量和已有正常数据对应的第二重建向量；根据第一重建向量和第二重建向量，确定待检测数据是否为异常数据。该方案能够仅依靠系统中的正常测量数据的分析，结合深度孪生自编码网络，实现无监督的方法对系统中异常状态进行有效检测。
-
公开(公告)号：CN114726581A
公开(公告)日：2022-07-08
申请号：CN202210230888.2
申请日：2022-03-09
Applicant: 同济大学
IPC: H04L9/40 , H04L41/0695
Abstract: 本申请提供一种异常检测方法、装置、电子设备及存储介质，该方法包括：获取待检测数据和已有正常数据；根据待检测数据和已有正常数据，基于预先训练的深度孪生自编码网络，分别得到待检测数据对应的第一重建向量和已有正常数据对应的第二重建向量；根据第一重建向量和第二重建向量，确定待检测数据是否为异常数据。该方案能够仅依靠系统中的正常测量数据的分析，结合深度孪生自编码网络，实现无监督的方法对系统中异常状态进行有效检测。
-
公开(公告)号：CN110866608A
公开(公告)日：2020-03-06
申请号：CN201911056211.6
申请日：2019-10-31
Applicant: 同济大学
Abstract: 本发明涉及一种自适应学习率计算方法，包括以下步骤：步骤S1：基于初始批处理数量和初始最优网络参数组合，得到二次批处理数量；步骤S2：基于二次批处理数量，得到当前的最优网络参数组合；步骤S3：基于当前的最优网络参数组合、当前的损失函数和训练数据量，得到当前的批处理数量；步骤S4：基于当前的批处理数量，得到当前的学习率；步骤S5：当前的批处理数量代替二次批处理数量，重复步骤S2-步骤S5，直至训练模型权重收敛。与现有技术相比，避免产生劣质训练模型权重，保证所生成的训练模型权重是最优的，在围棋对弈时增加棋力，减少训练模型权重训练时间和GPU等硬件的超能损耗。
-
公开(公告)号：CN109815566A
公开(公告)日：2019-05-28
申请号：CN201910020621.9
申请日：2019-01-09
Applicant: 同济大学
Abstract: 本发明涉及一种SGF格式的围棋AI棋谱文件的异常检测方法，包括：步骤S1：导入SGF文件的文本数据；步骤S2：基于词袋模型处理文本数据得到一系列词的集合，并基于得到的集合计算每个词的权重；步骤S3：将每个词的权重集中组合得到文本数据的语言模型向量；步骤S4：利用异常检测算法进行异常检测，并输出检测结果。与现有技术相比，本发明基于词袋模型将文本转换为相应的向量形式，从而可以借助于现有的一些异常诊断算法进行诊断，可以实现棋谱文件的机器诊断。
-
Patent Agency Ranking
公开(公告)号：CN107562774A
公开(公告)日：2018-01-09
申请号：CN201710571207.8
申请日：2017-07-13
Applicant: 同济大学
Abstract: 本发明涉及一种小语种词嵌入模型的生成方法、系统及问答方法和系统。其中小语种词嵌入模型的生成方法，包括：载入英语词嵌入模型；基于英语与指定小语种的翻译资料和对应关系，根据所述英语词嵌入模型，建立该小语种的词嵌入模型，并将该小语种的词嵌入模型应用之问答系统中。与现有技术相比，本发明利用已有的英文词嵌入模型数据，和英文与其它小语种之间的对应关系，来产生小语种的词嵌入模型，可以快速建立小语种的词嵌入模型，实现词嵌入模型的迁移。
-
公开(公告)号：CN110879802A
公开(公告)日：2020-03-13
申请号：CN201911031213.X
申请日：2019-10-28
Applicant: 同济大学
IPC: G06F16/18 , G06F16/35 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种日志模式提取及匹配方法，包括以下步骤：步骤S1：清洗历史日志数据，得到清洗后历史日志数据；步骤S2：对清洗后历史日志数据进行预处理，得到预处理后历史日志数据；步骤S3：基于预处理后历史日志数据，得到历史词向量；步骤S4：将历史词向量输入孪生LSTM网络，提取日志模式；步骤S5：基于待匹配日志数据、日志模式和孪生LSTM网络，进行待匹配日志数据的日志模式匹配。与现有技术相比，减少了日志分析的数据量，提高日志模式提取效率，提高了日志模式匹配效率，有效提高日志模式提取结果的可靠性和日志模式匹配结果的可靠性。
-
公开(公告)号：CN110071913A
公开(公告)日：2019-07-30
申请号：CN201910234623.8
申请日：2019-03-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于无监督学习的时间序列异常检测方法，包括：将时间序列数据在其显著变化的位置进行切分，并对每一个切分后的数据段填补至设定长度；使用正常状态下的时间序列切分并填补后的多个数据段训练一个用于异常检测的神经网络；将由待检测时间序列切分并填补后的多个数据段作为异常检测模型的输入进行检测，并输出异常得分；判断异常得分是否超过阈值，若为是，则判断发生异常，反之，则判断未发生异常。与现有技术相比，本发明具有不依赖有标记的异常数据、不丢失数据信息、性能优等优点。
-
公开(公告)号：CN106886771A
公开(公告)日：2017-06-23
申请号：CN201710152989.1
申请日：2017-03-15
Applicant: 同济大学
Abstract: 本发明涉及一种基于模块化PCA的图像主信息提取方法及人脸识别方法，包括：采用重叠分块方式对图像进行分块成多个子图像；根据所有子图像的期望矩阵处理子图像得到标准化的子图像；还包括：根据行重要样本概率和列重要样本概率随机抽取标准化的子图像指定数目的行和列构成该子图像主信息矩阵，最终通过对比待识别图像和图像之间的主信息矩阵识别待识别图像。与现有技术相比，本发明在分块之后，采用统计学上的随机化算法进行模块匹配，在保留了模块化PCA优势的情况下，提高了识别速度。
-
公开(公告)号：CN114372561A
公开(公告)日：2022-04-19
申请号：CN202111664389.6
申请日：2021-12-31
Applicant: 同济大学
Abstract: 本发明涉及一种基于深度状态空间模型的网络流量预测方法，包括：S1、获取网络流量数据，进行归一化处理，划分为训练数据和测试数据；S2、构建基于注意力机制的深度状态空间模型，包括空间状态提取器、外部特征提取器、卡尔曼滤波和自回归模块，其中，卡尔曼滤波分别采用线性卡尔曼滤波和扩展卡尔曼滤波，提取网络流量数据的高时变动态；S3、训练数据输入到深度状态空间模型中，基于TensorFlow框架，采用端到端的方式进行迭代训练，判断模型是否收敛，若是转至S4；S4、将测试数据输入已训练好的深度状态空间模型，根据评价指标对模型的性能进行评估。与现有技术相比，本发明具有提升流量预测模型的预测精度，改善模型的预测性能，具有可解释性等优点。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.023 seconds)
