-
公开(公告)号：CN116825384A
公开(公告)日：2023-09-29
申请号：CN202310772479.X
申请日：2023-06-28
申请人： 东北大学
IPC分类号： G16H70/40 , G16H20/10 , G06N3/042 , G06N3/0464 , G06N3/08
摘要： 本发明提供一种基于异构图卷积神经网络预测协同药物组合方法，涉及药物研发技术领域。该方法首先根据疾病药物历史作用数据，构建基于药物、药物组合、疾病的三部图；然后构建基于异构图卷积神经网络的协同药物组合预测模型：对于构建的三部图上的疾病、药物和药物组合节点，应用一个热编码来对三个邻接矩阵进行编码，并分别压缩为密集实值向量，构建异质图；在疾病和药物之间以及疾病和药物组合之间构建传播层进行层次传播，实现在三部图上进行药物层次的传播和药物组合层次的传播；最后构建完全连接层进行协同药物组合的预测；同时，采用困难负样本训练协同药物组合预测模型；最后使用训练好的协同药物组合预测模型进行协同药物组合预测。
-
公开(公告)号：CN113419854B
公开(公告)日：2023-09-22
申请号：CN202110698428.8
申请日：2021-06-23
申请人： 东北大学
摘要： 本发明提供一种面向不平衡多目标优化的云资源调度方法，涉及云计算技术领域。该方法首先统计云计算中心中可用的物理机数和需处理的任务数，并估算每台物理机处理各个任务所需要花费的时间；设定调度方案为每个任务仅由一台物理机处理，将每种调度方案用调度矩阵来表示，矩阵中每个元素的取值为1或0；根据所有物理机处理任务花费的时间及调度方案，将云资源调度问题转化为三个目标函数和一个约束函数；采用多目标进化算法对云资源调度问题进行求解，得到当前云资源调度问题的参考解决方案。该方法能够解决云资源调度中不平衡问题，给决策者更好地提供一组解决方案，使决策者能够得到更适合于当前物理机情况和任务情况的解决方案。
-
公开(公告)号：CN116707923A
公开(公告)日：2023-09-05
申请号：CN202310712280.8
申请日：2023-06-15
申请人： 东北大学
摘要： 本发明涉及一种基于精英麻雀搜索改进XGBoost算法的异常流量检测方法，其中：所述方法步骤如下：(1)、对实时采集的带有异常流量环境的网络流量数据进行初始化，获得带有初始特征集的流量数据集；(2)、对步骤(1)中所述的流量数据集进行特征提取获得提取后的特征集的流量数据集；(3)、将步骤(2)中所述的带有初始特征集的流量数据集输入至基于精英麻雀搜索改进XGBoost模型，输出检测结果。其有益效果是，使用XGBoost作为基分类器，精英麻雀搜索算法进行算法性能优化，得到更精准的异常流量分类结果。
-
公开(公告)号：CN116662992A
公开(公告)日：2023-08-29
申请号：CN202310353953.5
申请日：2023-04-04
申请人： 东北大学
摘要： 本发明的一种基于图神经网络的区块链恶意节点检测方法，包括：步骤1：采集区块链平台中各个节点的历史数据，并对历史数据集进行预处理，生成检测数据样本集，并将检测数据样本集分为训练集、验证集和测试集；步骤2：构建并优化基于图神经网络的区块链恶意节点检测模型，并通过训练集、验证集对模型进行训练；步骤3：采集区块链平台上的最新数据，利用训练好的基于图神经网络的区块链恶意节点检测模型进行恶意节点检测。本发明的恶意节点检测方法，结合图神经网络的强大嵌入能力并使用改进的参数初始化方法，能够可迁移、大范围地检测区块链恶意节点，并同时具备高效的检测性能。
-
公开(公告)号：CN115187169A
公开(公告)日：2022-10-14
申请号：CN202210820798.9
申请日：2022-07-13
申请人： 东北大学
IPC分类号： G06Q10/08
摘要： 本发明提供一种基于协同路径规划的物流配送系统及方法，涉及供应链物流技术领域。所述系统包括数据信息获取模块、数据预处理模块、配送路径规划模块、配送指令生成模块；首先获取仓库信息和客户订单信息，计算各节点间路程并生成全向网络图，再根据订单信息将客户分配给仓库，然后求解协同路径规划模型生成配送路径和转运节点，之后计算物品配送和转运信息，最后向配送设备发送配送指令，以使配送设备将仓库中物品配送至客户；本方案可以在满足配送要求的前提下提高配送设备利用率，减少配送里程，从而降低运营成本。
-
公开(公告)号：CN115037669A
公开(公告)日：2022-09-09
申请号：CN202210449032.4
申请日：2022-04-27
申请人： 东北大学
IPC分类号： H04L45/02 , H04L45/12 , H04L45/645 , H04L49/25 , H04L41/044 , H04L41/14 , H04L41/0895
摘要： 本发明提供一种基于联邦学习的跨域数据传输方法，首先设计了基于深度强化学习的智能路由方法，该方法根据网络当前状态做出最优的路由选择，其次引入联邦学习将各个域的深度强化学习智能体上传的参数进行融合，得到决策能力更强的深度强化智能体，并将该智能体应用于跨域路由的决策过程中，各域根据域间路由和本域内的路由策略对跨域数据进行数据转发，在保证域内隐私的前提下，本发明提升了大量数据跨域传输的性能，具有很强的现实意义和广阔的应用前景。
-
公开(公告)号：CN113596138B
公开(公告)日：2022-06-21
申请号：CN202110843043.6
申请日：2021-07-26
申请人： 东北大学
IPC分类号： H04L67/568 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于深度强化学习的异构信息中心网络缓存分配方法，涉及网络缓存空间分配技术领域。具体为：将异构ICN抽象为拓扑模型；对异构ICN中动态变化的内容请求进行定义；将异构ICN的缓存空间分配问题转换为网络性能优化问题，构建网络性能优化模型，包括优化目标函数和相应的约束；对每一次内容请求应用Q学习算法，获得每个时刻的内容请求对应的网络性能最优的缓存分配方案：步将深度神经网络与Q学习算法进行接合，利用Q学习算法求解的每个时刻的内容请求对应的网络性能最优的缓存分配方案，训练出适应异构ICN动态变化的内容请求的最优缓存分配方案。可以自适应地求解出网络性能最优的缓存分配方案，更能适应动态变化的网络请求。
-
公开(公告)号：CN113472597A
公开(公告)日：2021-10-01
申请号：CN202110936232.8
申请日：2021-08-16
申请人： 东北大学
IPC分类号： H04L12/24
摘要： 本发明实施例公开一种分布式卷积神经网络细粒度的参数传输调度方法及装置，包括：根据分布式卷积神经网络底层计算图依赖关系、资源关联图及网络属性确认接收操作的优先执行顺序，并生成操作‑优先级映射表，资源关联图为与每个操作相关联的资源标签的计算图，资源标签包括通信与计算；根据操作与优先级映射表、以及每个接收操作相关联的通信/计算依赖关系，生成参数‑优先级映射表；建立参数服务器与每个计算节点之间的至少一个数据流，并为每个数据流分配唯一标识信息，根据标识信息生成通道‑优先级映射表；基于接收到的参数发送请求，分别查找参数‑优先级映射表和通道‑优先级映射表，根据参数的优先级分配相应优先级的网络流，将参数发送至网络结构中。
-
公开(公告)号：CN113449038A
公开(公告)日：2021-09-28
申请号：CN202110727782.9
申请日：2021-06-29
申请人： 东北大学
摘要： 本发明提供一种基于自编码器的矿山智能问答系统及方法，涉及矿山智能问答技术领域。本系统包括矿山数据处理模块，知识图谱表示学习模块，智能问答应用模块；通过对矿山工程实施过程中获得的多源、异构且非结构文本数据较多的信息进行整理和学习，深入挖掘数据之间的内在联系，从而构建出融合了多方信息的知识图谱。通过本发明可以高效的利用原本难以发挥价值的矿山数据。用户可以通过此应用通过提出自然语言问题的形式，快速获取矿山的相关知识。
-
公开(公告)号：CN112325897A
公开(公告)日：2021-02-05
申请号：CN202011304737.4
申请日：2020-11-19
申请人： 东北大学
IPC分类号： G01C21/34
摘要： 本发明公开一种基于启发式深度强化学习的路径规划方法，属于路径规划技术领域。该方法包括：使用栅格化方法对地图环境进行建模；对环境进行特征提取，建立价值地图；利用Actor Critic强化学习算法进行训练；采用经典启发式算法A*作为强化学习的启发式函数，建立启发式信息；设计注意力机制平衡特征提取模块和启发式模块的权重；使用分层强化学习进行任务划分。本发明的优点为：收敛速度快、稳定性强；路径规划效果更为准确；适应复杂的未知环境；将模块封装成强化学习系统便于算法调用与改进。
-
-
-
-
-
-
-
-
-
搜索结果
239 条记录 (耗时 0.064 秒)
