公开(公告)号：CN117390271A

公开(公告)日：2024-01-12

申请号：CN202311348965.5

申请日：2023-10-18

申请人： 广东工业大学

发明人： 朱峰 ,  陈昱绰

IPC分类号： G06F16/9535 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455 ,  G06F16/9536 ,  G06N3/0895

摘要： 本发明公开一种基于自适应图对比学习的推荐方法，目前基于图神经网络(GNN)的推荐依靠充足且高质量的训练数据，沿着用户‑项目交互边缘递归地执行消息传递，但实际推荐场景中用户行为数据往往是嘈杂的并且呈现出偏态分布，为了解决这些问题，本发明利用自监督学习来改善用户表示，通过创建对比视图来进行自监督学习，提出一种新颖的自适应图对比学习(AdaGCL)框架，使用两个自适应对比视图生成器进行数据增强，即使用两个可训练的视图生成器(图生成模型和图去噪模型)来创建自适应对比视图，通过两种自适应对比视图，AdaGCL将额外的高质量训练信号引入CF范式，有助于缓解数据稀疏和噪声问题，提高推荐准确性。

公开(公告)号：CN117391128A

公开(公告)日：2024-01-12

申请号：CN202311348967.4

申请日：2023-10-18

申请人： 广东工业大学

发明人： 陈昱绰 ,  朱峰

IPC分类号： G06N3/042 ,  G06N3/0464 ,  G06N3/0985 ,  G06N5/022 ,  G06N3/084 ,  G06F18/2415 ,  G06F18/214

摘要： 本发明公开一种基于知识图和少样本学习的数据偏移方法，在实际应用中，由于传感器故障、环境变化等，可能会导致数据集发生偏移，大多数现有的少样本学习方法在设计时并未考虑数据转移，因此当数据分布发生变化时，性能会下降，本发明使用知识图来表示领域知识，并将领域知识和少样本学习结合起来，利用知识图中的关系信息来指导模型的训练，捕捉数据中的复杂模式，本发明还提出一种新颖的基于度量的元学习框架，借助知识图谱来提取特定于任务的表示和任务共享的表示，可以通过任务共享和任务特定表示的组合来解决任务内/之间的数据转移，在机械工程领域中实现更加准确和可靠的数据分析。

公开(公告)号：CN118570763A

公开(公告)日：2024-08-30

申请号：CN202410618387.0

申请日：2024-05-17

申请人： 广东工业大学

发明人： 栗波 ,  詹文凯 ,  谢侃 ,  朱杭雄 ,  朱峰

IPC分类号： G06V20/58 ,  G06V20/70 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/08

摘要： 本发明公开一种基于图卷积的车辆交互感知轨迹预测系统及方法，预测系统包括顺次连接的输入预处理模块、DGAC模块和轨迹预测模块；采集获得的车辆数据通过输入预处理模块生成特征矩阵和图拓扑数据，再经过多层DGAC模块提取多语义的图时空特征以及利用注意力机制有选择地关注空间维度、时间维度以及通道维度与关键信息的差异性，最后经过轨迹预测模块，生成周围环境车辆未来一段时刻的预测轨迹。本发明还通过两个真实数据集中进行实验验证，实验表明本模型具备更强的图表示能力，更加适用于车辆轨迹预测领域。