-
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。
-
公开(公告)号：CN112492596B
公开(公告)日：2022-02-18
申请号：CN202011372360.6
申请日：2020-11-30
申请人： 东北大学
摘要： 本发明公开一种基于SDN的工业无线网络安全路由方法，该方法通过在工业生产环境布置SDN控制器，设计基于SDN的工业无线网络模型，控制器通过安全通道周期性收集节点的运行状态信息，通过合理的计算方法计算节点的综合信任值。通过节点的综合信任值来判断网络节点的行为是否可信。通过计算节点综合信任值检测内部攻击节点，从而解决传统网络安全技术无法解决内部攻击的安全问题。计算完节点的综合信任值后基于综合信任值设计基于绒泡菌觅食原理的生物启发算法作为网络安全路由算法，计算网络安全传输路径，找到一条高效可信的路径，安全传输信息，从而可以保证网络传输时避开恶意节点保证网络传输数据的高度可信。
-
公开(公告)号：CN112492596A
公开(公告)日：2021-03-12
申请号：CN202011372360.6
申请日：2020-11-30
申请人： 东北大学
摘要： 本发明公开一种基于SDN的工业无线网络安全路由方法，该方法通过在工业生产环境布置SDN控制器，设计基于SDN的工业无线网络模型，控制器通过安全通道周期性收集节点的运行状态信息，通过合理的计算方法计算节点的综合信任值。通过节点的综合信任值来判断网络节点的行为是否可信。通过计算节点综合信任值检测内部攻击节点，从而解决传统网络安全技术无法解决内部攻击的安全问题。计算完节点的综合信任值后基于综合信任值设计基于绒泡菌觅食原理的生物启发算法作为网络安全路由算法，计算网络安全传输路径，找到一条高效可信的路径，安全传输信息，从而可以保证网络传输时避开恶意节点保证网络传输数据的高度可信。
-
公开(公告)号：CN112650949B
公开(公告)日：2023-12-29
申请号：CN202011642110.X
申请日：2020-12-31
申请人： 东北大学
IPC分类号： G06F16/9536 , G06F16/9537 , G06F18/25
摘要： 本发明公开一种基于多源特征融合协同过滤的区域POI需求识别方法，包括：步骤1：获取区域相关数据和POI相关数据；步骤2：设计基于K近邻的MR访问推断算法，得到用户访问POI的区域轨迹数据；步骤3：分析处理区域相关数据和POI相关数据，以及用户访问POI的区域轨迹数据，变成神经网络可以输入的形式；步骤4：构建带有注意力机制的神经协同过滤模型；步骤5：优化带有注意力机制的神经协同过滤模型；步骤6：建模区域和POI之间的关系，得到每个区域的POI需求。本发明采用了多特征融合的协同过滤的手段，不仅考虑了人群轨迹，还结合了区域的地理特征以及POI的评价特征，通过神经协同过滤模型去建(56)对比文件Ruiyun Yu 等.RePiDeM：A Refined POIDemand Modeling based on Multi-sourceData《.IEEE INFOCOM 2020 - IEEE Conferenceon Computer Communications》.2020,964-973.Y Song 等.Directional Skip-Gram:Explicitly Distinguishing Left and RightContext for Word Embeddings《.NAACL 2018》.2018,175-180.
-
公开(公告)号：CN112325897B
公开(公告)日：2022-08-16
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。
-
公开(公告)号：CN112650949A
公开(公告)日：2021-04-13
申请号：CN202011642110.X
申请日：2020-12-31
申请人： 东北大学
IPC分类号： G06F16/9536 , G06F16/9537 , G06K9/62
摘要： 本发明公开一种基于多源特征融合协同过滤的区域POI需求识别方法，包括：步骤1：获取区域相关数据和POI相关数据；步骤2：设计基于K近邻的MR访问推断算法，得到用户访问POI的区域轨迹数据；步骤3：分析处理区域相关数据和POI相关数据，以及用户访问POI的区域轨迹数据，变成神经网络可以输入的形式；步骤4：构建带有注意力机制的神经协同过滤模型；步骤5：优化带有注意力机制的神经协同过滤模型；步骤6：建模区域和POI之间的关系，得到每个区域的POI需求。本发明采用了多特征融合的协同过滤的手段，不仅考虑了人群轨迹，还结合了区域的地理特征以及POI的评价特征，通过神经协同过滤模型去建模区域和POI之间的关系，算法复杂度低，需求分析精度高。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.019 秒)
