-
公开(公告)号：CN118747552A
公开(公告)日：2024-10-08
申请号：CN202410763286.2
申请日：2024-06-13
Applicant: 北京工业大学
IPC: G06Q10/04 , G08G1/01 , G06Q10/0637 , G06Q50/26 , G06N5/01 , G06F18/23213
Abstract: 本发明提出了一种基于子超图和自蒸馏的交通预测方法。本发明首先根据不同的交通特征对整个数据进行聚类来构建子超图。随后，利用这些子超图构建教师网络，提取数据中蕴含的不同属性特征。同时，基于整体数据和交通道路拓扑结构构建学生网络，学习交通路网的全局结构特征。最后，利用自蒸馏方法将教师网络学习到的数据特征迁移到学生网络的训练过程中，得到最终的预测结果。本发明在几个真实世界交通数据集上进行了评估。实验结果证明了本发明的有效性，减小了预测误差。
-
公开(公告)号：CN118592198A
公开(公告)日：2024-09-06
申请号：CN202410813109.0
申请日：2024-06-23
Applicant: 北京工业大学
IPC: A01D45/26
Abstract: 本发明公开了一种面向莴笋收割全流程的自动收割装置。在莴笋产量大且从事农业生产人员趋向老龄化的背景下。本发明以莴笋这一收割流程较为复杂的蔬菜为对象，基于机械原理、仿真求解和调研结果，针对莴笋收割过程开展特化设计，并搭建了多模块相配合的控制系统，可对各主要结构进行联合调控。一机可实现切根、传送、去叶、装筐的采摘全流程，适应不同尺寸的莴笋，以取代人工收割，提高莴笋农业生产效率，解放生产力。
-
公开(公告)号：CN114662748B
公开(公告)日：2024-06-25
申请号：CN202210250344.2
申请日：2022-03-07
Applicant: 北京工业大学
IPC: G06Q10/04 , G06Q50/20 , G06F18/214 , G06F18/2431 , G06F18/2413 , G06F18/23213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 本发明提出一种基于图结构学习的多行为融合神经网络分类预测方法，涉及模式识别与机器学习，尤其是面向基于多源异构校园大数据的学生成绩预测任务。该方法利用多源异构的校园大数据集进行学生行为特征提取，引入K邻近算法构建多行为融合特征图，在此基础上，提出了优化的图结构学习模块学习。相比于单行为节点特征在特征图上进行传播，多行为特征图能够为学习节点嵌入提供更加全面的特征信息。同时，优化的图结构学习模块能够为节点特征图的学习提供共享的信息表示。相比于现有的分类预测模型，本发明方法显著提升了分类预测准确率。
-
公开(公告)号：CN113705679B
公开(公告)日：2024-05-28
申请号：CN202110999765.0
申请日：2021-08-30
Applicant: 北京工业大学
IPC: G06F18/2431 , G06F18/214 , G06F18/23 , G06N3/0464 , G06Q10/04 , G06Q50/20
Abstract: 本发明提供了一种基于超图神经网络的学生成绩预测方法，用于解决现有技术无法对学生多源异构行为数据进行分析，进而无法准确预测学业成绩的问题。本方法首先根据学生多源异构数据提取多源行为特征，然后，对所有学生的多源行为特征进行敏感性分析得到每种行为的影响力特征，接下来，利用影响力特征构建多源行为超图；最后，将学生的多源超图H及由四种行为的影响力特征拼接而成的多元影响力特征X输入到深度网络，预测学生成绩。本发明提出的Ms‑HGNN方法，从群体的角度考虑了多源行为特征构建的行为模式对学生成绩的影响，灵活地表示了学生行为多元关联，在提高模型预测准确性的同时赋予了一定的可解释性。
-
公开(公告)号：CN111461257B
公开(公告)日：2024-05-28
申请号：CN202010337201.6
申请日：2020-04-24
Applicant: 北京工业大学
IPC: G06V10/762
Abstract: 本发明公开了一种基于乘积Grassmann流形的多视点视频数据的共享‑差异表示(PGM‑CER)聚类分析方法，用于解决传统多视聚类方法无法将多视数据中的共享和差异信息分离开来、不适用于具有复杂非线性结构的多维数据的问题。本方法中，聚类过程分为三部分，首先，用乘积Grassmann流形来表示多视点视频，再将共享‑差异表示从欧氏空间扩展到乘积Grassmann流形空间；然后，建立PGM‑CER模型，在全局约束下学习其共享‑差异信息；最终，实现多视点视频聚类。直接求解流形上的优化问题比较困难，本方法通过流形空间与欧氏空间的映射求解最优解，简化了学习过程，效果显著优于其他经典多视聚类方法。
-
Patent Agency Ranking
公开(公告)号：CN118038051A
公开(公告)日：2024-05-14
申请号：CN202410248119.4
申请日：2024-03-05
Applicant: 北京工业大学
IPC: G06V10/26 , G06V10/764 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06V20/70 , G06N3/044 , G06N3/045
Abstract: 基于局部图网络递归增强特征表示的语义分割方法，用于解决城市场景中分割物体边缘不清晰以及遮挡物体分类不清晰的问题。本发明通过引入多尺度中心差分卷积来增强细粒度的特征表示。构建局部特征提取模块，通过建立局部像素图和中心像素图来捕捉像素关系，利用它来学习本地上下文信息，以提取更精细的像素特征。基于特征金字塔的反馈连接模块进行多尺度特征融合，递归增强了原始网络。本发明基于多尺度中心差分卷积提取边缘细粒度特征，缓解边界分割不清晰的问题。反馈连接模块递归增强骨干网络，提升了遮挡物体的分类能力，基于局部图网络的特征提取模块捕捉并利用了局部细节信息，在具有挑战性的城市景观数据集上的结果验证了发明的有效性。
-
公开(公告)号：CN112801404B
公开(公告)日：2024-03-22
申请号：CN202110186065.X
申请日：2021-02-14
Applicant: 北京工业大学
IPC: G06Q10/04 , G06Q50/40 , G06F18/214 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 一种基于自适应空间自注意力图卷积的交通预测方法属于交通领域和深度学习领域，提出一种自适应空间自注意力图卷积网络(ASSAGCN)用于交通预测。ASSAGCN的由2个残差块堆叠而成。每个残差块由一个图卷积模块(GCN)、一个多头空间自注意力模块(MHSSA)、一个门控融合模块(GF)和一个多感受野空洞因果卷积模块(MRDCC)构成。其中GCN基于连通性对路网的局部空间相关性进行建模；MHSSA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；GF对GCN和MHSSA的输出进行融合；MRDCC用于建模时间相关性。输入层采用一个简单的全连接层将输入映射到一个高维空间提高模型的表达能力，输出层采用2个1×1的卷积层。本发明能够捕获到路网中潜在的空间相关性，适应路网结构的动态变化。
-
公开(公告)号：CN113780001B
公开(公告)日：2023-12-15
申请号：CN202110921609.2
申请日：2021-08-12
Applicant: 北京工业大学
Abstract: 本发明提出了一种面向学术论文同名消歧的可视化分析方法。在科学文献管理领域内，如何提高同名消歧的效率已成为一个亟待解决的热点问题。鲜有一种可交互的、直观的可视化工具，在结合机器学习算法的基础上，对同名作者之间的合作关系进行深入的分析和解释。本发明首先根据论文合著者存在的合作网络，生成合作关系图，用于揭示科研团队中作者的合作关系。为了展示不同作者研究方向之间的相关性，设计了合作关系图和发文期刊图之间的可视化联动。通过结合深度学习模型分别对论文和作者进行分类，实现从作者和团队任意主体出发的交叉分析与连贯推理。本发明基于真实论文数据集进行了案例研究，验证了本发明在解决论文同名消歧
-
公开(公告)号：CN117112920A
公开(公告)日：2023-11-24
申请号：CN202310836490.8
申请日：2023-07-10
Applicant: 北京工业大学
IPC: G06F16/9536 , G06N3/0464
Abstract: 本发明提出了一种基于交互图卷积网络的协同过滤方法。推荐系统为用户提供个性化的商品推荐。传统的协同过滤方法忽略了用户和商品之间的上下文语义交互，导致了推荐准确度的下降。为了解决这个问题，本方法在时间上采用滑动窗口来捕捉用户和商品之间的时序关系，并通过多层图卷积网络将上下文信息和嵌入向量相结合，从而得到动态的图嵌入表示。此外，本发明还提出了一种基于VIC正则化的损失函数，用于约束嵌入向量的方差和协方差。本发明所提出的方法为推荐系统中上下文语义交互的建模提供了一种新的思路，并有望在实际应用中得到广泛应用。
-
公开(公告)号：CN114619818B
公开(公告)日：2023-10-17
申请号：CN202210345117.8
申请日：2022-03-31
Applicant: 北京工业大学
Abstract: 本发明公开了一种具有可变姿态的移动和滑翔一体的仿飞鼠机器人。包括移动机构、折展机构和扑翼机构。移动机构作用是让在地面上高速爬行移动；折展机构的作用是滑翔过程中为仿飞鼠机器人提供升力，让仿飞鼠机器人滑翔的更远；扑翼机构作用的带动折展机构上下摆动，作用是在仿飞鼠机器人滑翔过程中调整飞行姿态。此机器人模仿飞鼠的运动规律具有移动和滑翔两种运动模式。仿飞鼠机器人在地面上可以利用轮子的滚动实现高速移动，且在高速移动时，其轮子采用添加柔性元素的特殊形式可以提高其对地形的适应能力。采用折叠机构组成的折叠翼，让仿飞鼠机器人具有滑翔功能，并采用扑翼机构实现让仿飞鼠机器人在滑翔过程中实现转向动作。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.041 seconds)
