-
公开(公告)号：CN120046789A
公开(公告)日：2025-05-27
申请号：CN202510123171.1
申请日：2025-01-26
Applicant: 清华大学
IPC: G06Q10/04 , G06F16/2457 , G06F16/2458 , G06F16/29 , G06Q50/26 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种跨尺度城市人口移动行为生成方法和模型，方法包括：获取城市人口真实的第一个体移动轨迹和第一群体移动流量；利用第一个体移动轨迹和第一群体移动流量，生成模拟的第二个体移动轨迹，并聚合成模拟的第二群体移动流量；分别比较第一个体移动轨迹和第二个体移动轨迹、第一群体移动流量和第二群体移动流量，并基于比较结果给出奖励信号；评估生成的第二个体移动轨迹对个体移动模式、以及第二群体移动流量对群体流量规律的符合程度，并给出优势函数；根据优势函数更新生成器的参数。本发明克服了现有模型简化描述的局限性，能够更全面地捕捉城市移动的复杂性，包括个体移动的异质性、个体间的相互作用以及个体与环境之间的复杂关系。
-
公开(公告)号：CN120002107A
公开(公告)日：2025-05-16
申请号：CN202411994526.6
申请日：2024-12-31
Applicant: 清华大学
IPC: B23H5/04
Abstract: 本申请涉及特种加工技术领域，特别涉及一种三维轨迹伺服扫描加工方法方法及装置，其中，方法包括：检测目标工具电极和目标工件之间加工间隙的平均电压值；基于平均电压值和三维轨迹伺服控制策略获取目标工具电极的运动信号；计算目标工具电极的电极损耗长度，并确定目标工具电极的运动深度；基于运动信号和运动深度，生成目标工具电极的扫描加工指令，并控制目标工具电极执行扫描加工指令，以生成目标工件的三维扫描结果。由此，解决了相关技术中，单一的轴向伺服运动难以维持电极的端部放电间隙，三维伺服扫描加工过程较不稳定，电极损耗长度计算的准确性较低，加工深度误差与轮廓形状误差较为明显等问题。
-
公开(公告)号：CN119539135A
公开(公告)日：2025-02-28
申请号：CN202411169129.5
申请日：2024-08-23
Applicant: 清华大学
Abstract: 本发明提供一种灾后人口流动预测方法和装置，包括：根据预先确定的时空细粒度获取目标区域的人口流动数据；根据所述目标区域的人口流动数据得到输入人口流动动态图；其中，所述输入人口流动动态图至少包括目标区域的灾难高峰期的初始非常态人口流动图和目标区域的非灾难期间的平均常态人口流动图；将所述输入人口流动动态图输入至预先训练的人口流动预测模型，得到人口流动预测结果；其中，所述人口流动预测模型是基于耦合动态图神经常微分方程，利用样本区域的人口流动数据进行训练得到的。本发明采用耦合动态图神经常微分方程构建人口流动预测模型，实现准确率高的灾后人口流动预测。
-
公开(公告)号：CN119484318A
公开(公告)日：2025-02-18
申请号：CN202411169064.4
申请日：2024-08-23
Applicant: 清华大学
IPC: H04L41/5067 , H04L41/14 , H04L41/142
Abstract: 本发明提供一种基于流数据引导的包数据生成方法及装置，方法包括：获取目标用户的预设业务使用序列及目标用户的网络环境信息，其中，业务使用序列包括目标用户使用多个目标业务的顺序及使用各目标业务的时长；将业务使用序列及网络环境信息输入数据生成模型，得到数据生成模型输出的目标流数据及目标包数据。本发明通过模仿真实用户行为，生成的数据可以更准确地反映出实际网络中的流量模式，保证网络性能测试和网络设备的压力测试结果的可靠性，实现更真实的网络模型；从而可通过模拟不同网络条件对应用性能的影响，优化应用在网络上的表现，提高用户满意度；在高流量密度和多服务环境中，通过理解不同应用对网络资源的需求，为用户提供更加个性化的服务质量保障，从而提升用户体验。
-
公开(公告)号：CN118760898B
公开(公告)日：2024-12-31
申请号：CN202411245264.3
申请日：2024-09-06
Applicant: 清华大学
IPC: G06F18/214 , G06F40/289 , G06F40/35 , G06N5/025
Abstract: 本公开涉及人工智能领域，尤其涉及面向城市领域的大语言模型训练方法及城市生成式智能方法、装置，所述训练方法包括：获取通用大语言模型以及初始数据集；通过在虚拟城市场景中设置智能体模拟人类在真实城市场景中的多种行为，得到复合数据集；将复合数据集与初始数据集混合为预训练数据集，并利用预训练数据集对通用大语言模型进行增量预训练，得到第一城市大模型；利用针对城市领域构建的微调数据集对第一城市大模型进行微调训练，得到第二城市大模型；利用人类偏好数据集对第二城市大模型进行偏好对齐训练，得到目标城市大模型。由此，能够得到具有城市领域专业知识、世界通用常识以及认知推理能力的目标城市大模型。
-
Patent Agency Ranking
公开(公告)号：CN119172761A
公开(公告)日：2024-12-20
申请号：CN202411169186.3
申请日：2024-08-23
Applicant: 清华大学
IPC: H04W16/18 , H04W16/22 , G06N3/042 , G06N3/0464
Abstract: 本发明提供一种5G基站部署方法和装置，包括：获取目标区域的4G基站数据；将所述4G基站数据输入至预先训练的基站流量条件生成模型，得到5G基站流量生成结果；根据所述5G基站流量生成结果得到基站部署策略；其中，所述基站流量条件生成模型包括流量关联提取模块、流量空间关联特征提取模块和条件生成模块；所述流量关联提取模块包括基于交互注意力机制的解码器和编码器，所述流量空间关联特征提取模块包括多个图卷积层，所述条件生成模块包括预先构建的条件扩散模型。本发明实现复杂性低、可控性好、泛化性好的5G流量生成，从而指导城市级别的通信基站部署。
-
公开(公告)号：CN119166861A
公开(公告)日：2024-12-20
申请号：CN202411179279.4
申请日：2024-08-26
Applicant: 清华大学
IPC: G06F16/903 , G06N3/042 , G06F18/23 , G06F16/901
Abstract: 本公开涉及人工智能技术领域，尤其涉及一种基于图神经网络的网络预测方法及装置、电子设备和介质，方法包括获取状态预测任务，基于目标网络中各目标节点与各超节点之间的映射关系确定出分配矩阵，利用分配矩阵对目标网络进行重整化群得到网络主干，利用图神经网络对网络主干进行处理得到各超节点的动力学序列，基于动力学序列进行状态预测得到各超节点在预测时间段的节点状态，基于历史观测序列和各超节点在预测时间段的节点状态进行超分辨率处理得到各目标节点在预测时间段的节点状态。根据本公开的网络预测方法及装置、电子设备和介质能够在对待预测的目标网络这一复杂网络进行有效降维后，实现对复杂网络的长时准确预测。
-
公开(公告)号：CN111992831B
公开(公告)日：2024-12-20
申请号：CN202011015124.9
申请日：2020-09-24
Applicant: 清华大学无锡应用技术研究院 , 无锡微研精微机械技术有限公司
Abstract: 本发明涉及一种微细工具电极在线制备方法及制备系统，属于微细特种加工技术领域。修整电极的主要步骤包括：通过一次对刀，主轴模块以水平等分角度沿z轴方向伺服进给获得棱状粗修毛坯；通过一次对刀，主轴模块沿z轴方向连续旋转伺服进给获得圆柱半精修电极；通过一次对刀，主轴模块沿Z轴方向连续旋转单向进给获得圆柱精修微细工具电极。通过三道修整工序，缩短了整体加工时间，减少毛刺生成率，解决了因偏心而造成的微细工具电极根部修整高度不一致问题。
-
公开(公告)号：CN118798365B
公开(公告)日：2024-11-26
申请号：CN202411245261.X
申请日：2024-09-06
IPC: G06N5/04
Abstract: 本公开涉及人工智能技术领域。尤其涉及一种模块化的城市具身智能体推理系统及方法、装置和介质，系统包括智能体画像模块从数据库中获取信息进而形成智能体画像；感知模块从城市环境底座平台获取感知数据并处理形成感知数据集合，感知数据包括行为信息和环境数据；记忆存储模块存储感知数据集合、智能体画像的信息；推理与分析模块根据从记忆存储模块中获取的目标信息调用模型仓库中的目标模型进行推理得到包括行为信息的推理决策结果；行为模块对推理决策结果进行结构化处理后发送至城市环境底座平台。基于模块化方案将具身智能体抽象为多个功能模块，可自定义，自由度与可操作性更高，保证其具备处理城市环境各类场景下的复杂问题的能力。
-
公开(公告)号：CN118761653B
公开(公告)日：2024-11-19
申请号：CN202411245265.8
申请日：2024-09-06
Applicant: 清华大学
IPC: G06Q10/0637 , G06Q50/26 , G06F16/901 , G06N3/042 , G06N3/0455 , G06N3/0499
Abstract: 本公开涉及移动数据生成技术领域，尤其涉及一种基于图去噪扩散的城市起终点矩阵通用生成装置及方法。该方法包括：获取目标城市的静态属性信息；根据静态属性信息构建针对目标城市的城市群体移动图，城市群体移动图包括多个节点以及连接在节点之间的多个有向边；将城市群体移动图输入到训练好的目标生成模型中，生成目标城市的起终点矩阵；目标生成模型是基于图去噪扩散的通用生成模型，通用生成模型用于根据城市群体移动图确定出带噪声的加噪多模态图，而后对加噪多模态图进行去噪声处理，生成目标城市的起终点矩阵。在各种不同结构和类型的目标城市上均达到高精度生成的优异性能表现。生成的起终点矩阵准确性高。
-
-
-
-
-
-
-
-
-
Search Results
588
records
(took 0.087 seconds)
