-
公开(公告)号：CN119378370A
公开(公告)日：2025-01-28
申请号：CN202411396216.4
申请日：2024-10-08
Applicant: 同济大学
Abstract: 本发明提出了基于图神经网络的复杂物理模拟仿真方法，面向物理系统的网格图，基于图神经网络提出了一种双尺度消息传递的方法。原网格图被映射为多个粗粒度的网格图，这些网格图能够并行处理。本发明对每个粗化网格图进行单独的下采样，统一进行上采样；这一方法有效提高了图神经网络的消息传递效率，并显著提升了预测精度。相比于已有的基于图神经网络方法，本发明在合成数据集和真实数据集上的初步评估表明，本发明带来了一种更精确的方法，模拟仿真物理系统。
-
公开(公告)号：CN119203770A
公开(公告)日：2024-12-27
申请号：CN202411374859.9
申请日：2024-09-29
Applicant: 同济大学
IPC: G06F30/27 , G06F30/23 , G06F18/23213 , G06N3/042 , G06N3/0455
Abstract: 本发明提出基于多尺度图神经网络的复杂物理系统的模拟仿真方法，该方法基于网格图，包括仅上采样与自适应消息传递两个关键技术。所述的仅上采样技术，在算法早期为图神经网络提供更大的感受范围，提高图神经网络的消息传递效率。所述的自适应消息传递技术，在不同方向上进行特定次数的消息传递，克服现有基于网格图的图神经网络的消息传递循环问题以及减轻过度平滑问题。相比于已有的图神经网络方法，本发明实现了更高的复杂物理系统的模拟仿真准确率，显著减少了复杂物理系统的模拟仿真计算开销。
-
公开(公告)号：CN109918525B
公开(公告)日：2023-07-04
申请号：CN201910184266.9
申请日：2019-03-12
Applicant: 同济大学
IPC: G06F16/58 , G06F3/0483 , G06F3/04842 , A63F9/18
Abstract: 本发明公开了一种基于微信小程序的食物图片美学分析标签数据收集系统，该发明首先实现了与微信小程序进行数据交互的问题模块、答题模块，通过该模块自动采集系统相关的所有问答数据和用户资料信息；对于采集到的图片数据及相关的问答数据，进行后台分析处理，转换为各图片的标签数据。应用本发明的方法，具有可以通过微信小程序在朋友圈传播的特点，实现食物图片美学分析标签数据的自动收集。
-
公开(公告)号：CN109286399B
公开(公告)日：2022-04-15
申请号：CN201810920643.6
申请日：2018-08-14
Applicant: 同济大学
Abstract: 本发明涉及一种压缩算法，具体为一种基于LZW算法的GPS轨迹数据的压缩方法，本方法将传统的轨迹数据结合路网信息，通过地图匹配的办法将原始轨迹数据转化为使用路段序列表示的轨迹数据，之后为了便于处理，自定义一种编码规则将路段轨迹数据转化成文本类型的数据，最后利用LZW压缩算法对转化后的文本类型的轨迹数据进行压缩和解压缩。本发明通过运用地图匹配、映射轨迹、路段号转换等处理方法，将轨迹数据转化成文本数据的形式，从而可以使用LZW算法对其进行压缩。与其它算法相比，本方法在保证运行效率的同时，保证了压缩率。
-
公开(公告)号：CN109308487B
公开(公告)日：2021-03-30
申请号：CN201810882914.3
申请日：2018-08-06
Applicant: 同济大学
IPC: G06K9/62 , G06F40/284 , G06F40/247 , G06Q30/02
Abstract: 本发明为一种基于弹幕数据分析的广告投放机制，涉及数据分析在广告投放中的应用。随着弹幕的日益流行，目前一些主流的弹幕视频网站上积累了大量的弹幕数据，热门视频的弹幕数量可以达到百万余条，海量的弹幕数据背后隐藏着很多有价值的信息。另一方面，随着视频网站的视频数量越来越多，传统的人工标注视频中广告投放时间的方式难以满足视频网站对于广告投放的需要。本发明以弹幕数据为基础，研究其在广告投放机制中的应用，主要解决在何时和向何人投放广告两个问题。
-
Patent Agency Ranking
公开(公告)号：CN119250323A
公开(公告)日：2025-01-03
申请号：CN202411280151.7
申请日：2024-09-12
Applicant: 同济大学
IPC: G06Q10/047 , G06N3/092 , G06N7/01
Abstract: 本发明基于多智能体强化学习算法，提出基于多智能体强化学习的跨域车辆路径优化方法。本发明通过将交通系统内原始路网划分为多个区域，并将每个区域建模为一个智能体，智能体为区域内的车辆规划跨域的路径，通过强化学习算法能够学习到自适应、合作式的策略，从而避免交通拥堵，实现车辆更低的行驶时间。本发明利用人工智能技术为路网上的多车辆寻径问题给出了新的解决方案，通过强化学习算法训练路径选择策略，能够提供自适应的、合作式的路径优化算法，避免交通拥堵的发生，提高路网的吞吐率，并降低车辆的平均行驶时间。本发明技术应用前景广阔，有望在交通出行、货物运输、自主交通等领域得到应用。
-
公开(公告)号：CN112070208A
公开(公告)日：2020-12-11
申请号：CN202010777546.3
申请日：2020-08-05
Applicant: 同济大学
IPC: G06N3/04 , G05B19/4065
Abstract: 本发明涉及一种基于编码器‑解码器双阶段注意力机制的刀具磨损预测方法，基于刀具磨损预测模型，刀具磨损预测模型包括解码器和编码器，步骤包括：步骤S1：采集铣削加工过程的刀具运行数据，进行数据预处理，并提取刀具统计特征；步骤S2：刀具统计特征进行最大信息系数计算，根据磨损特征相关性进行排序，筛选出目标个数的刀具磨损特征；步骤S3：将刀具磨损特征输入基于卷积‑双向门控循环‑注意力机制的编码器进行编码，获得刀具磨损特征编码；步骤S4：将刀具磨损特征编码输入基于独立循环长期短期记忆单元‑注意力机制的解码器，输出刀具的磨损预测值。与现有技术相比，本发明具有提高被检测刀具的磨损预测值的准确性和稳定性等优点。
-
公开(公告)号：CN119514979A
公开(公告)日：2025-02-25
申请号：CN202411603299.X
申请日：2024-11-11
Applicant: 同济大学
IPC: G06Q10/0631 , G06Q50/26 , G06N3/08 , G06N3/04 , G06F17/10
Abstract: 本发明提出了基于强化学习图神经网络的大型路网多车辆路径负载均衡方法，包括步骤：获取真实场景中的路网数据，对路网建模，表示为图结构；将图结构拆分为多个子图结构，每个子图结构对应一个子路网；构建并训练强化学习自适应图神经网络；对路网的每个子路网，调用已训练的强化学习自适应性图神经网络并行生成相应道路选择概率，将生成的子路网道路选择概率按照原路网的拓扑结构进行合并，恢复为完整的原路网中的各道路选择概率；基于完整的原路网中的各道路选择概率，实现道路负载均衡。本发明在大规模路网场景中，实现高效的路径重规划，实时降低路网负载，解决道路拥堵问题，并提高交通效率。
-
公开(公告)号：CN119446493A
公开(公告)日：2025-02-14
申请号：CN202411544316.7
申请日：2024-10-31
Applicant: 同济大学
IPC: G16H50/20 , G16H80/00 , G06F16/332 , G06F40/35 , G06N5/04 , G06F16/31 , G06F40/216 , G06F40/289
Abstract: 本发明提出了基于大语言模型的糖尿病自动问诊系统，该系统包括两部分，分别为检索部分和生成部分，其中：检索部分包括知识库和检索器，检索器接受用户提问，访问所述知识库，检索出与用户提问最为相关的文档片段；生成部分基于优化和定制后的大语言模型实现，根据检索器检索到的与用户提问最为相关的文档片段，通过合成和表达这些信息来生成最终答案，并以自然语言的形式呈现出来。本发明能够自动生成诊断建议，为糖尿病患者提供智能化、个性化的医疗咨询服务，从而提高医疗服务的效率和质量。此外，本发明系统能够实时获取最新医学知识，提高诊疗建议的准确性和实用性。
-
公开(公告)号：CN112070208B
公开(公告)日：2022-08-30
申请号：CN202010777546.3
申请日：2020-08-05
Applicant: 同济大学
IPC: G06N3/04 , G05B19/4065
Abstract: 本发明涉及一种基于编码器‑解码器双阶段注意力机制的刀具磨损预测方法，基于刀具磨损预测模型，刀具磨损预测模型包括解码器和编码器，步骤包括：步骤S1：采集铣削加工过程的刀具运行数据，进行数据预处理，并提取刀具统计特征；步骤S2：刀具统计特征进行最大信息系数计算，根据磨损特征相关性进行排序，筛选出目标个数的刀具磨损特征；步骤S3：将刀具磨损特征输入基于卷积‑双向门控循环‑注意力机制的编码器进行编码，获得刀具磨损特征编码；步骤S4：将刀具磨损特征编码输入基于独立循环长期短期记忆单元‑注意力机制的解码器，输出刀具的磨损预测值。与现有技术相比，本发明具有提高被检测刀具的磨损预测值的准确性和稳定性等优点。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.016 seconds)
