-
公开(公告)号：CN114372803A
公开(公告)日：2022-04-19
申请号：CN202111528301.8
申请日：2021-12-14
Applicant: 同济大学
Abstract: 本发明涉及一种基于交易图谱的快速反洗钱检测方法，具体包括：S1、获取交易数据流，构建有向图结构形成交易图谱；S2、对交易图谱进行初步判断，若命中则阻止该交易，否则发送到基于位置信息的图神经网络；S3、根据各节点的交易特征进行特征学习，聚合出节点特征与全图特征；S4、根据节点特征与全图特征对节点间交易进行预测，若为高危则进行专家判别，发送到历史交易数据库，若为低危则记录交易结果并发送到历史交易数据库；S5、历史交易数据库根据交易结果对网络进行更新。与现有技术相比，本发明具有充分考虑交易随时间变化的情况，提高对交易监测的精准性，发现网络中的潜在社交关系，提高反洗钱检测结果的准确性和覆盖率等优点。
-
公开(公告)号：CN119621568A
公开(公告)日：2025-03-14
申请号：CN202411717812.8
申请日：2024-11-27
Applicant: 同济大学
IPC: G06F11/3668 , G06N20/00
Abstract: 本发明属于EOL下线测试程序自动生成领域，具体涉及一种基于强化学习的车辆域控制器EOL测试程序生成方法。包括以下步骤：S1：从原理图中获取的元器件原始数据，将原始电路及元器件连接属性进行数据处理，组合成最小电路组合数据；S2：在步骤S1得到的二维向量数据集上构建一个最优EOL下线测试用例选择模型；S3：基于S2模型，利用Q‑Learning算法生成当前优先级最高的EOL测试程序；S4：根据评判标准来选择出最优的测试用例。本发明方法解决了测试结果施加奖励方法的缺陷是检测失效率低，难以收敛；测试反馈时间长的问题。
-
公开(公告)号：CN119090994A
公开(公告)日：2024-12-06
申请号：CN202411010831.7
申请日：2024-07-26
IPC: G06T11/20 , G06Q50/06 , G06N3/045 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于深度对抗训练的智能电网动态图数据生成方法，包括以下步骤：获取智能电网时序图数据，输入基于深度对抗训练的智能电网动态图数据生成模型，生成智能电网动态数据图；基于深度对抗训练的智能电网动态图数据生成模型包括采样模块、生成对抗网络和重构模块，其中，采样模块用于使用中心图采样方法生成中心图；生成对抗网络包括生成器和判别器，生成器包括解码器和编码器，编码器用于通过基于多头自注意力机制构建的时序图自注意力网络对中心图进行编码，获得中心图的隐变量；重构模块用于根据中心图得分矩阵生成每条时序边的分类分布，进而生成智能电网动态数据图。与现有技术相比，本发明可以高效、可靠生成智能电网动态数据图。
-
公开(公告)号：CN118094133B
公开(公告)日：2024-10-01
申请号：CN202311716765.0
申请日：2023-12-13
Abstract: 本发明涉及一种针对安装在SG端的同步相量测量单元的故障检测方法，包括以下步骤：S1、获取系统的参数数据，所述系统包括同步发电机和同步相量测量单元；S2、基于所述系统的参数数据，构建包括执行器误差和传感器误差的线性系统状态空间模型；S3、基于所述线性系统状态空间模型，构建系统状态和同步相量测量单元的故障观测器估计传感器误差；S4、基于所述传感器误差值计算下一检测阶段的误差阈值，并返回步骤S2得到下一检测阶段的传感器误差值；S5、判断所述下一检测阶段的传感器误差值是否小于所述误差阈值，若是，则输出故障检测结果，若否，则返回步骤S4，直至故障检测完成。与现有技术相比，本发明具有检测准确高、抗干扰能力强等优点。
-
公开(公告)号：CN117313164A
公开(公告)日：2023-12-29
申请号：CN202311216342.2
申请日：2023-09-20
Applicant: 同济大学
IPC: G06F21/64 , G06F21/55 , G06F21/57 , G06Q40/02 , G06Q40/03 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06F18/22
Abstract: 本发明涉及一种银行间网络风险评估的抗攻击方法，所述方法基于所构建的选择性感知图神经网络模型SA‑GNN防御银行间信用评级的特征攻击和结构攻击，具体步骤包括：输入被攻击的图以及模型参数；通过基于图神经网络GNN的选择性表示层，删除被攻击节点；通过最小化相邻节点的标签相似度和特征相似度，惩罚与相邻节点不相似的节点；基于SA‑GNN目标函数通过加权惩罚进行模型优化，并得到更新后的图。本发明提供的选择性感知图神经网络模型通过学习和优化，去除异常节点以模拟干净的图，并在联合优化过程中设计惩罚损失函数，能够覆盖更广泛的潜在攻击并惩罚可能出现的任何差异来为GNN创建一个安全的环境。
-
Patent Agency Ranking
公开(公告)号：CN115905188A
公开(公告)日：2023-04-04
申请号：CN202211160479.6
申请日：2022-09-22
Applicant: 同济大学
IPC: G06F16/215 , G06F16/22 , G06F16/242 , G06F16/25 , G06F16/36
Abstract: 本发明公开了一种基于知识图谱的数据质量提升方法，包括，对数据库中的建表语句进行预处理，再进行实体抽取和关系抽取；提取数据库中的数据仓库加工流程之间的关系自动化建立知识图谱；基于知识图谱的关系检索，对数据处理和加工过程进行关联关系映射；在运用异常检测算法的过程中，利用知识图谱中的关联关系，为相近数据特征的异常检测提供数据补充，提升大数据的异常值检测效果。本发明简单利用了两种不同的异常检测算法模型对样板用电量数据进行检测，算法本身具有一定的局限性，在利用知识图谱进行群体划分对算法进行优化后，一定程度上提升了算法的精准度，通过知识图谱很好的反映出数据加工结构，有效地提高异常检测的精确度。
-
公开(公告)号：CN119227721A
公开(公告)日：2024-12-31
申请号：CN202411110292.4
申请日：2024-08-14
Applicant: 同济大学
Abstract: 本发明涉及AI计算技术领域，尤其涉及一种基于多智能体的知识增强学习方法及系统。使用针对预训练大语言模型的有监督微调的训练方法，修改大语言模型参数；构建大语言模型的知识库，向量化、存储和检索多种文件格式的文本；开发多智能体工作流优化信息处理和决策流程，分解实时性问题，构建解决问题的逻辑链、获取和过滤，总结互联网文本。与现有技术相比，本发明具有提高预训练大语言模型在特定领域知识量、知识库灵活性高、获取的文本实时性高、具有一定可解释性等优点，进而有助于提高大语言模型在特定领域解决问题的能力。
-
公开(公告)号：CN117856216B
公开(公告)日：2024-10-18
申请号：CN202311715160.X
申请日：2023-12-13
IPC: H02J3/00
Abstract: 本发明涉及一种基于信任基础的智能电网弹性分布式状态估计方法及介质，该方法包括以下步骤：获取智能电网系统的相关信息；基于所述相关信息建立智能电网系统的状态空间模型；基于所述状态空间模型，建立信任基础的异常测量检测机制，获得异常测量的检测结果；基于所述检测结果，计算分布式状态估计器增益参数；基于所述分布式状态估计器增益参数构建分布式状态估计器，对智能电网系统分布式状态轨迹进行估计，得到智能电网系统的分布式状态轨迹估计值。与现有技术相比，本发明考虑异常值的检测与补偿，更满足实际工业的应用需求，提高估计精度。
-
公开(公告)号：CN117856216A
公开(公告)日：2024-04-09
申请号：CN202311715160.X
申请日：2023-12-13
IPC: H02J3/00
Abstract: 本发明涉及一种基于信任基础的智能电网弹性分布式状态估计方法及介质，该方法包括以下步骤：获取智能电网系统的相关信息；基于所述相关信息建立智能电网系统的状态空间模型；基于所述状态空间模型，建立信任基础的异常测量检测机制，获得异常测量的检测结果；基于所述检测结果，计算分布式状态估计器增益参数；基于所述分布式状态估计器增益参数构建分布式状态估计器，对智能电网系统分布式状态轨迹进行估计，得到智能电网系统的分布式状态轨迹估计值。与现有技术相比，本发明考虑异常值的检测与补偿，更满足实际工业的应用需求，提高估计精度。
-
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
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。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.024 seconds)
