一种基于图神经网络的工业过程异常检测方法

    公开(公告)号:CN117724452A

    公开(公告)日:2024-03-19

    申请号:CN202311736991.5

    申请日:2023-12-18

    Abstract: 本发明公开了一种基于图神经网络的工业过程异常检测方法,该方法首先通过工业系统中的传感器和执行器分别获取连续数据和离散数据,并进行预处理,将数据集划分为训练集和测试集。其次基于训练集,通过编码器学习工业系统状态节点,构建状态图结构,得到工业系统的关系矩阵。然后利用多层图卷积网络进行工业系统状态节点更新。最后基于更新后的工业系统状态节点,由解码器获取预测值,根据解码器获取预测值,计算异常分数,判断工业系统的状态。本发明避免了数据形式引起的干扰,解决了运算资源开销大复杂度高和关联性差的问题,实现了对工业系统异常状态的准确检测。

    基于宏微观动力学的多尺度信息传播预测方法

    公开(公告)号:CN118735052A

    公开(公告)日:2024-10-01

    申请号:CN202410823213.8

    申请日:2024-06-25

    Abstract: 本发明公开了基于宏微观动力学的多尺度信息传播预测方法,该方法首先读取用于信息传播预测的数据集的社交网络构建社交图,利用图卷积网络学习社交图中的用户社交结构特征。其次读取数据集中的信息级联序列,构建传播时序图和传播超图,分别利用宏微观动力学嵌入和超图神经网络,得到局部和全局传播特征。然后将局部传播特征和全局传播特征作为传播特征解耦模块的输入。最后将传播特征解耦模块的两个输出,分别作为两个线性层的输入进行预测,预测出下一时刻用户的感染概率和级联的大小,并计算出对应的任务损失。本发明基于复杂网络动力学理论原理,实现了对社交网络信息传播动态的精准预测。

    一种具有自适应信息约束的鲁棒异构图神经网络解释方法

    公开(公告)号:CN119539098A

    公开(公告)日:2025-02-28

    申请号:CN202411536761.9

    申请日:2024-10-31

    Abstract: 本发明公开了一种具有自适应信息约束的鲁棒异构图神经网络解释方法,该方法首先通过网络数据获取不同类型的实体之间的关系,将关系用节点‑边‑节点表示,并建模成图。其次使用变分图自编码器获得图的图表示。最后使用基于关系的解释生成器,捕获图表示中的异质语义,生成对预测的解释子图。本发明使用变分推断来获得鲁棒的图表示,减轻噪声影响的同时提升模型的泛化能力,可以捕获异构图中的复杂语义。

    基于图对比学习的引文网络分类方法

    公开(公告)号:CN118861794A

    公开(公告)日:2024-10-29

    申请号:CN202410746123.3

    申请日:2024-06-11

    Abstract: 本发明公开基于图对比学习的引文网络分类方法。本发明对原始引文网络进行数据增强,得到增强引文网络;将原始引文网络和增强引文网络分别输入至两个共享参数的GNN编码器,再经过节点鉴别器,获得原始引文网络节点和增强引文网络节点的分数,通过节点鉴别损失进行训练,将原始引文网络节点和增强引文网络节点区分开;计算原始引文网络和增强引文网络之间进行差异学习和局部—全局对比学习。本发明通过引入图对比学习方法,显著提高了引文网络学术文献分类的准确率,并使模型更具泛化性和鲁棒性。本发明强调了精确差异学习,有助于改善特征表示、处理噪声标签和更好地理解文献之间的关系,从而提高分类性能。

    一种基于格兰杰因果的多元时间序列异常检测方法

    公开(公告)号:CN118861760A

    公开(公告)日:2024-10-29

    申请号:CN202410868369.8

    申请日:2024-07-01

    Abstract: 本发明公开了一种基于格兰杰因果的多元时间序列异常检测方法,该方法首先对多元时间序列数据进行预处理,将预处理后的数据集划分为训练集和测试集。其次基于训练集,训练一个预测器作为非线性梯度产生器,发现格兰杰因果关系矩阵。然后对发现的格兰杰因果关系矩阵进行稀疏化。最后基于稀疏化的格兰杰因果图矩阵,计算异常分数,异常分数高于设置的异常阈值的时间序列片段判定为异常,输出检测结果。本发明避免了传统方法需要在测试集上频繁优化的问题并成功从复杂系统中提取动态因果关系。

    一种基于多尺度一致性信息建模的网络对齐方法

    公开(公告)号:CN116562337A

    公开(公告)日:2023-08-08

    申请号:CN202310511202.1

    申请日:2023-05-06

    Abstract: 本发明公开了一种基于多尺度一致性信息建模的网络对齐方法,包括如下步骤:S1、利用图神经网络分别对两个不同网络中的节点信息进行网络嵌入,从而得到能表达节点的网络嵌入;S2、利用已知锚节点信息,从节点级别和子图级别,分别结合对比学习对两个不同网络进行对齐;S3、将通过网络重构和跨网络对齐对网络对齐任务进行联合训练,最后得到两个网络的嵌入表示并利用其进行网络对齐。该方法利用多尺度一致性的原则去进行网络对齐任务,多尺度一致性指的是节点级别一致性和多阶级别一致性,利用节点级别一致性和多阶级别一致性去共同约束,从而学到源网络和目标网络的节点嵌入,提高网络对齐性能。

    一种基于随机加密策略的资源受限系统安全通讯方法

    公开(公告)号:CN111865908B

    公开(公告)日:2022-05-17

    申请号:CN202010511970.3

    申请日:2020-06-08

    Abstract: 本发明公开了一种基于随机加密策略的资源受限系统安全通讯方法。本发明采用随机加密序列的方式进行加密,发送端生成随机加密序列,并进行进制转换;然后将生成的随机数与随机加密序列组合,加密后发送至接收端;接收端将接收到的组合报文进行解密和拆分,再将确认报文与随机数组合成反馈报文后加密,再发送至发送端;发送端接收到反馈报文后进行解密和拆分,比对接收到的随机数与生成的随机数,并结合确认报文的内容,判断是否成功建立安全通讯;发送端成功建立安全通讯则发送报文至接收端,开始安全通讯。本发明采用了间歇性加密策略,减少加密次数,降低加密占用的计算资源和能量。

    一种自监督的时空特征融合的动态网络链接预测方法

    公开(公告)号:CN119204180A

    公开(公告)日:2024-12-27

    申请号:CN202411217636.1

    申请日:2024-09-02

    Abstract: 本发明公开了一种自监督的时空特征融合的动态网络链接预测方法,该方法首先从各个社交平台上获取社交数据构建动态网络数据集,并构建对应的图快照。其次对于图快照,动态更新各个边的掩码值,得到由掩码边构成的图为掩码图,和由扰动边构成的图为扰动图。然后构建编码器,基于扰动图,通过编码器获取图快照上的节点嵌入,使用结合了门控循环单元网络和图神经网络的图循环神经网络,更新动态网络的隐藏状态。最后构建全局增强的解码器,基于掩码图,进行解码操作,输出动态网络链接预测结果,并构建损失函数进行训练。本发明保证动态网络上的演化信息的完整性,并防止时间信息的丢失,进行准确的动态网络链接预测。

Patent Agency Ranking