-
公开(公告)号：CN113919441A
公开(公告)日：2022-01-11
申请号：CN202111294128.X
申请日：2021-11-03
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于超图变换网络的分类方法，用于解决现有技术无法深刻发掘异构网络中的高阶语义信息，进而无法准确进行分类的问题。本方法提出了一个端到端的超图变换网络(Hypergraph Transformer Neural Networks，HGTN)，利用超边增幅节点间的沟通能力学习高阶关系，并挖掘不同类型节点间的语义信息。具体地，利用注意力机制为不同类型超图分配权重，级联学习原始异构超图中隐含的高阶语义信息，生成有用的元路径，以端到端的方式学习节点嵌入特征，完成节点分类任务。该方法具有良好的准确率与普适性，适用于引文网络，媒体网络，社交网络等异构网络的节点分类任务。
-
公开(公告)号：CN113771016A
公开(公告)日：2021-12-10
申请号：CN202110999665.8
申请日：2021-08-29
Applicant: 北京工业大学
Abstract: 本发明公开了一种具有适应性的单自由度仿生多功能机械手，针对机械手任务类型的增加，被抓持物品在体积、形状和空间位置上的差异的问题，设计了一种模仿人抓取物品的机械手，此机械手模仿人抓取物品时的姿态和路径，在保证重量轻、可靠性高、准确性大、控制简单的条件下，实现了多功能抓取，包括传动机构和执行机构，可实现抓取不同直径的圆柱、指尖抓取较大长方体、狭小空间物品和抓取较小物品并移动，且抓取圆柱时分为抱抓和夹抓两种模式。本发明为单自由度机械手，控制简单方便。且本发明添加了弹簧连杆和末端添加柔性元素可有效减小缓冲力。并且此机械手添加压力传感器，可时时检测抓持力情况，可有效避免机械手力过大对物品的伤害。
-
公开(公告)号：CN112988723A
公开(公告)日：2021-06-18
申请号：CN202110182167.4
申请日：2021-02-09
Applicant: 北京工业大学
IPC: G06F16/215 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于空间自注意力图卷积循环神经网络的交通数据修复方法，全连接层作为输入层将输入映射到一个高维空间提高模型的表达能力；双向图卷积门控循环单元是将门控循环单元中的全连接层替换为图卷积得到的，它能够同时建模局部空间相关性和时间相关性；多头空间自注意力模块用于捕获路网的隐含空间相关性，同时还能从全局聚合各个节点的信息；卷积层作为输出层用于对特征维度进行衰减。本发明利用图卷积建模局部空间相关性；利用门控循环单元学习交通数据的动态变化，捕获时间相关性；此外，考虑到交通状况受到许多潜在因素的影响，本发明采用多头空间自注意力机制从全局来建模交通数据的隐含空间相关性。
-
公开(公告)号：CN108257385B
公开(公告)日：2021-03-16
申请号：CN201810222646.2
申请日：2018-03-19
Applicant: 北京工业大学
Abstract: 本发明公开一种基于公共交通的异常事件的甄别方法，包括：步骤S1、相关数据集的构造，所述数据集是公交和地铁刷卡数据；步骤S2、基于隐马尔科夫链的站点异常状态的识别；步骤S3：基于时空扩散模型的异常事件的甄别。采用本发明的技术方案、可以挖掘出异常事件的扩散模式和发生区域。
-
公开(公告)号：CN109584557B
公开(公告)日：2021-02-26
申请号：CN201811536443.7
申请日：2018-12-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于动态分解模式和矩阵填充的交通流预测方法，本方法从设置在道路上的各种交通探测器中得到的交通数据，将其处理成m‑1列的数据快照矩阵的形式，然后分成两个快照矩阵来分别代表原始数据的前m列和后m列。之后利用低秩矩阵填充中的映射算子方法生成对应于每一个数据快照矩阵的映射矩阵P，然后将映射矩阵与对应的数据快照矩阵进行点乘操作，最后通过基于动态模式分解方法的模型进行交通预测得到待估计的交通量。在动态模式分解进行交通流预测的模型基础上，考虑了由于外界天气或交通设备自身会发生失灵等问题，会造成交通数据发生丢失的问题。
-
Patent Agency Ranking
公开(公告)号：CN111260584A
公开(公告)日：2020-06-09
申请号：CN202010057181.7
申请日：2020-01-17
Applicant: 北京工业大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于GAN网络的水下退化图像恢复的方法，用于解决无成对数据集的水下退化图像恢复的问题。本方法的网络架构由两个生成器网络和两个判别器网络组成，两个生成器分别用来将水下退化图像转化为清晰图像和将生成的清晰图像复原为退化图像，两个生成器的结构相同参数不同。两个判别器分别判断第一个生成器生成的图像是否为清晰图像和判断第二个生成器生成的图像是否为退化的图像。首先训练生成器，当达到训练次数后，生成器参数不变，再训练判别器，当判别器达到训练次数后，判别器参数不变，继续训练生成器，如此循环往复，直到最小化损失函数完成对网络的优化训练，训练完成的第一生成器用于生成水下退化图像的清晰图像。
-
公开(公告)号：CN108010320A
公开(公告)日：2018-05-08
申请号：CN201711396989.2
申请日：2017-12-21
Applicant: 北京工业大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于自适应时空约束低秩算法的路网交通数据的补全方法，其能够使得补全的数据的精准度在数据丢失率较大时大幅提高，尤其对不同时空丢失模式下的交通数据修复具有很好的应用效果。该方法包括步骤：(1)构造路网交通数据的时空数据矩阵；(2)对时空数据矩阵进行因子矩阵分解，引入无约束低秩修复方法；(3)加入交通数据的时序变化特性和空间相似特性作为时空约束项，更精确的对缺失点进行补全。
-
公开(公告)号：CN107918607A
公开(公告)日：2018-04-17
申请号：CN201711253621.0
申请日：2017-12-02
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于语义信息的数字档案查询与排序方法，对用户所输入的关键词和检索层级(用l表示)，然后根据关键词返回的标题信息，对标题信息中出现概率较高的词进一步运用算法进行削弱，返回给用户k条最全面的基于关键词的标题信息的集合。步骤一：利用倒排索引，首先建立语义单词与语义标题之间的对应关系；步骤2：输入关键词生成k条备选的档案标题，当l>1时，确保新生成的档案标题中不含有已经得到的标题；步骤3：根据得到的标题用算法生成最终含有l层档案标题的队列Hk。
-
-
公开(公告)号：CN105679022A
公开(公告)日：2016-06-15
申请号：CN201610080557.X
申请日：2016-02-04
Applicant: 北京工业大学
IPC: G08G1/01
CPC classification number: G08G1/0125
Abstract: 本发明公开了一种基于低秩的多源交通数据的补全方法，其能够使得补全的数据的精准度在数据丢失率较大时大幅提高。该方法包括步骤：(1)从多源交通数据中构造数据矩阵；(2)分别计算每种交通数据矩阵的低秩表示；(3)约束每个矩阵的低秩表示彼此之间相似。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.047 seconds)
