公开(公告)号：CN118333093A

公开(公告)日：2024-07-12

申请号：CN202410758751.3

申请日：2024-06-13

Applicant: 杭州电子科技大学

Inventor： 黄娜娜 ,  焦鹏飞 ,  鲍青 ,  高梦州 ,  苏方方 ,  唐会军 ,  赵品龙 ,  杨彬

IPC: G06N3/044 ,  G06N3/08

Abstract: 本发明提供基于隐式多时间尺度的序列推荐方法，能够获得更加准确的推荐结果。所述推荐方法包括：依据用户兴趣的动态变化程度不同，引入带时钟频率的循环神经元层，为循环神经网络隐层神经元分组；对隐层神经元分组信息，通过设计对隐层神经元的不同分区更新频率不同，抽取多个时间尺度下的用户兴趣特征；对多个时间尺度下的用户兴趣特征，通过尺度维卷积层，建模对不同时间尺度的用户兴趣特征表示的依赖关系，进而生成多时间尺度用户兴趣特征的统一表示；对多个时间尺度下用户兴趣特征的统一表示，采用全连接层建模统一的多尺度用户兴趣特征表示与项目的隐式特征之间的关系，预测用户感兴趣的项目。

公开(公告)号：CN119136257A

公开(公告)日：2024-12-13

申请号：CN202411092312.X

申请日：2024-08-09

Applicant: 杭州电子科技大学

Inventor： 唐会军 ,  杜明 ,  赵治栋

IPC: H04W28/084 ,  H04W28/08 ,  H04W4/44 ,  H04W4/46 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/092

Abstract: 本发明公开面向车联网边缘计算的链路拓扑自适应卸载方法。搭建一个动态V2I和V2V联合系统，将联合系统中顺序子任务的延迟最小化问题表述为路径优化问题；定义马尔可夫决策过程的状态空间、每一时间步的状态、动作空间、奖励，将路径优化问题建模为马尔可夫决策过程；马尔可夫决策过程是利用GCN自适应地根据不同链路拓扑学习时间步长的状态中的隐藏信息，并提供给DDQN选择出获得最高奖励的动作以实现总时延最小。本发明为具有拓扑链路的动态V2I和V2V联合系统中的顺序子任务开发了一种细粒度的部分卸载模型，以优化协同卸载策略，并基于GCN和DDQN自适应卸载方法，以适应不同的链路拓扑并最小化总时延。

公开(公告)号：CN118733835A

公开(公告)日：2024-10-01

申请号：CN202410978748.2

申请日：2024-07-22

Applicant: 杭州电子科技大学

Inventor： 焦鹏飞 ,  杜明 ,  张旺 ,  唐会军 ,  陈竑江

IPC: G06F16/901 ,  G06F16/906 ,  G06F18/213 ,  G06F18/24 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了一种基于图Transformer的角色发现方法，该方法首先获取数据源，通过递归特征提取和子图度向量提取数据源中所有节点的局部特征和高阶特征，通过锚点相对距离提取所有节点的全局特征。其次基于局部、高阶和全局特征，每个节点生成三种对应不同特征的节点令牌序列。然后构建三个独立的图Transformer通道，根据三种节点令牌序列得到三种对应的节点表示，将三种节点表示拼接，并分类获得每个节点的角色。最后构建三个多层感知机作为解码器，对三种节点表示进行解码，提取局部、高阶和全局特征，并由损失函数进行训练。本发明减少与目标节点无关的信息，实现准确的角色发现。

公开(公告)号：CN116610995A

公开(公告)日：2023-08-18

申请号：CN202310552165.9

申请日：2023-05-17

Applicant: 杭州电子科技大学

Inventor： 宋卫健 ,  焦鹏飞 ,  张纪林 ,  唐会军 ,  鲍青

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/042

Abstract: 本发明公开了一种基于图机器学习的级联流行度预测方法，包括如下步骤：S1、导入原始数据集，划分为训练集和测试集，并定义级联数据；S2、通过基于自增强的数据强化算法生成新的级联数据；S3、通过图表示学习算法对级联传播网络中的用户进行网络嵌入，得到每个用户的网络嵌入，即为每一个用户节点生成一个低维的嵌入向量；S4、设计计算级联流行度的损失函数，从而构建级联流行度预测模型，通过所述训练集对基于对比学习的级联流行度预测模型进行训练，S5、将所述测试集输入经训练的级联流行度预测模型中，通过经训练后的级联流行度预测模型得到级联的流行度预测结果。该方法是一种端到端的新框架，可以同时对信息级联的内部与外部属性进行建模。

公开(公告)号：CN119545431A

公开(公告)日：2025-02-28

申请号：CN202411456176.8

申请日：2024-10-18

Applicant: 杭州电子科技大学

Inventor： 唐会军 ,  杜明 ,  赵治栋

IPC: H04W28/08 ,  H04W24/06 ,  H04L41/16 ,  H04W4/44 ,  H04W4/46 ,  H04W16/22 ,  H04W24/02

Abstract: 本发明公开了面向V2V和V2I联合系统的拓扑链路感知任务协同卸载方法。将V2I和V2V联合系统模型中顺序子任务的延迟最小化问题表述为路径优化问题并建模为马尔可夫决策过程，获得时间窗口下最优卸载方案选择的动作，进而获取执行任务过程，再对执行任务过程划分时间窗口，计算当前脉冲参数下各时间窗口内的任务计算量，然后对其进行高斯拟合，得到高斯曲线；再对高斯曲线参数进行拟合，预测其他脉冲参数下时间窗口任务计算量。结合TLCO和STW，本发明实现了对V2V和V2I系统在不同时间片上的计算工作量的高效预测，能够为卸载决策提供优化依据，减少计算延迟和通信开销。