-
公开(公告)号:CN119339245B
公开(公告)日:2025-03-14
申请号:CN202411863953.0
申请日:2024-12-18
Applicant: 烟台大学
Abstract: 本发明涉及海洋赤潮预测技术领域,尤其是涉及一种基于双通道时空图神经网络的赤潮异常预测方法及系统。方法,包括将预处理后的海洋环境监测数据转换成图结构,其中节点表示海洋监测站;并基于皮尔逊相关系数构造邻接矩阵,邻接矩阵元素表示节点之间的空间相关性;利用时空图神经网络对图结构进行空间和时间特征提取;本发明结合了时空图神经网络与遥感图像数据的深度特征提取能力,通过图卷积和卷积神经网络(CNN)多层操作,实现了海洋赤潮异常的精准预测。
-
公开(公告)号:CN118861956A
公开(公告)日:2024-10-29
申请号:CN202411345345.0
申请日:2024-09-26
Applicant: 烟台大学
IPC: G06F18/2433 , G06F18/213 , G06F18/241 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/088
Abstract: 本发明涉及数据处理技术领域,尤其是涉及一种基于图神经网络的电力系统数据异常检测方法及系统。方法,包括获取电力系统数据;根据获取的电力系统数据,生成图结构;利用图卷积神经网络对图结构的节点特征进行初步特征提取,得到特征序列;使用基于异常注意机制的编码器从特征序列中进一步提取特征,得到注意力分数;使用基于多头注意力机制的解码器重构编码器提取的特征,并计算重构误差;根据重构误差计算异常得分,基于异常得分判断是否存在异常。本发明通过引入基于图结构的深度学习技术,结合图卷积神经网络和异常注意机制,有效提升了电力系统中异常检测的精度和效率。
-
公开(公告)号:CN119339245A
公开(公告)日:2025-01-21
申请号:CN202411863953.0
申请日:2024-12-18
Applicant: 烟台大学
Abstract: 本发明涉及海洋赤潮预测技术领域,尤其是涉及一种基于双通道时空图神经网络的赤潮异常预测方法及系统。方法,包括将预处理后的海洋环境监测数据转换成图结构,其中节点表示海洋监测站;并基于皮尔逊相关系数构造邻接矩阵,邻接矩阵元素表示节点之间的空间相关性;利用时空图神经网络对图结构进行空间和时间特征提取;本发明结合了时空图神经网络与遥感图像数据的深度特征提取能力,通过图卷积和卷积神经网络(CNN)多层操作,实现了海洋赤潮异常的精准预测。
-
公开(公告)号:CN118713938A
公开(公告)日:2024-09-27
申请号:CN202411203462.3
申请日:2024-08-30
Applicant: 烟台大学
IPC: H04L9/40 , G06F18/2433 , G06F18/25
Abstract: 本发明涉及异常节点检测技术领域,尤其是涉及一种基于异质图的工业互联网异常节点检测方法及系统。所述方法包括:对新的图结构进行不同类型节点的特征映射;基于自注意力机制对新的图结构进行计算得到节点嵌入向量;基于语义级的注意力机制学习元路径的重要性,通过融合节点嵌入向量得到最终的融合嵌入向量;对节点的融合嵌入向量进行分类,以检测工业互联网中的异常节点。在本发明中,将工业互联网看作异质图神经网络,引入机器学习和图神经网络框架,结合利用图结构学习算法、图注意力网络、元路径等一系列技术,实现对工业互联网中的异常节点进行准确、高效识别和监控。
-
-
-