-
公开(公告)号：CN113268370A
公开(公告)日：2021-08-17
申请号：CN202110513431.8
申请日：2021-05-11
Applicant: 西安交通大学
Abstract: 本发明公开了一种根因告警分析方法、系统、设备及存储介质，包括：对告警数据进行预处理，基于SR‑ASM算法对告警数据进行挖掘，得告警序列，将告警序列转换为告警关系图；根据所述告警关系图及告警自身特征，利用根因告警识别模型SGC‑RAI进行根因告警的识别，推荐识别出来的根因告警，该方法、系统、设备及存储介质能够高效识别根因告警，且运维成本低。
-
公开(公告)号：CN113268370B
公开(公告)日：2023-05-23
申请号：CN202110513431.8
申请日：2021-05-11
Applicant: 西安交通大学
IPC: G06F11/07 , G06F18/2415 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种根因告警分析方法、系统、设备及存储介质，包括：对告警数据进行预处理，基于SR‑ASM算法对告警数据进行挖掘，得告警序列，将告警序列转换为告警关系图；根据所述告警关系图及告警自身特征，利用根因告警识别模型SGC‑RAI进行根因告警的识别，推荐识别出来的根因告警，该方法、系统、设备及存储介质能够高效识别根因告警，且运维成本低。
-
公开(公告)号：CN114676771A
公开(公告)日：2022-06-28
申请号：CN202210284288.4
申请日：2022-03-22
Applicant: 西安交通大学
Abstract: 本发明公开一种基于自监督和相似度抑制的在线目标检测提升算法，包括以下步骤：采集仿真环境下无人艇获取的海平面目标的图像样本，并将采集的图像样本分为有标签样本集和无标签样本集；对无标签样本集中的每一个无标签样本进行数据增强，利用增强后的无标签样本和相似度抑制后的伪标签，对初始训练后的模型进行在线提升训练，经过在线提升训练后，得到检测精度提升的模型；将待检测图片输入到检测精度提升的模型中，实现在线目标检测。本发明可以利用大量无标签样本提升仅利用少量有标签样本训练的模型的检测精度，充分发挥了无标签样本集在目标检测任务中的作用，提升了模型的性能，进而在实际应用中能够对目标进行高精度检测。
-
公开(公告)号：CN118021257A
公开(公告)日：2024-05-14
申请号：CN202410148773.8
申请日：2024-02-02
Applicant: 西安交通大学 , 西安市儿童医院 , 陕西欧拉数学研究院有限公司
IPC: A61B5/00 , G06F18/23213 , A61B5/369 , A61B5/372
Abstract: 本申请公开了一种基于动态时间规整和K‑means算法的癫痫发作检测方法，包括以下步骤：(1)从患者的长程脑电数据中选取一段未发作脑电信号作为基准段，使用傅里叶变换得到其振幅谱；(2)将长程脑电按每段一秒的长度进行分割，使用傅里叶变换得到每段的振幅谱；(3)按时间顺序计算每段信号振幅谱与基准段振幅谱之间的动态时间规整值；(4)使用K‑means算法对动态时间规整值聚类。本发明方法通过衡量正常与异常脑电信号段振幅谱之间的差异进行癫痫发作检测，在具有高检测准确率的同时不需要使用标记数据进行训练，且不会受到数据类别不均衡情况的影响。
-
公开(公告)号：CN113395723B
公开(公告)日：2022-08-09
申请号：CN202110656499.1
申请日：2021-06-11
Abstract: 基于强化学习的5G NR下行调度时延优化系统，是根据实际场景存在的状态非完全可观测情形，将基站下行调度过程建模为一个部分可观测马尔可夫控制问题，并通过Actor‑Critic强化学习算法框架来解决。具体包括：网络监控模块，用于负责采集下行调度器的相关输入；资源调度器模块，用于通过仿真器模拟基站细粒度调度过程；POMDP构建模块，用于将每个时隙的状态处理为部分可观测状态，并建立针对不同时间尺度任务的智能体；核心控制器模块，用于帮助POMDP构建模块完成针对不同时间尺度任务的智能体在每个时隙的动作策略制定；场景自适应模块，作为辅助模块为核心控制器提供更科学高效的决策，并且通过流量时空预测来指导算法更好地进行多小区调度场景下的负载均衡。
-
Patent Agency Ranking
公开(公告)号：CN113746663B
公开(公告)日：2022-08-16
申请号：CN202110632420.1
申请日：2021-06-07
IPC: H04L41/0631 , H04L41/0677 , G06N3/04 , G06N3/08 , G06N5/04 , G06N20/20
Abstract: 本发明公开了一种机理数据双驱动结合的性能劣化定位方法，解决了不同场景下通信路测性能劣化的根因定位问题。该方法包含两个模块，因果关系学习模块设计了因果关系学习模型，考虑结点关系的异构性，明确了因果关系图中结点关系的方程表示；因果推理模块基于介入指标和分布指标进行因果推断，综合介入偏差以及分布异常情况进行最终故障根本原因的推理。本发明采用具有可解释性的高效算法，在现网测试环境数据集测试下大幅提高了传统方法的根因定位准确率，同时具备高召回率，并且具备可推广性。此外，本发明有利于企业维护工程师的实际应用，方案分析与结论可下放至运维基层，提升运维效率，降低运维成本。
-
公开(公告)号：CN113395723A
公开(公告)日：2021-09-14
申请号：CN202110656499.1
申请日：2021-06-11
Abstract: 基于强化学习的5G NR下行调度时延优化系统，是根据实际场景存在的状态非完全可观测情形，将基站下行调度过程建模为一个部分可观测马尔可夫控制问题，并通过Actor‑Critic强化学习算法框架来解决。具体包括：网络监控模块，用于负责采集下行调度器的相关输入；资源调度器模块，用于通过仿真器模拟基站细粒度调度过程；POMDP构建模块，用于将每个时隙的状态处理为部分可观测状态，并建立针对不同时间尺度任务的智能体；核心控制器模块，用于帮助POMDP构建模块完成针对不同时间尺度任务的智能体在每个时隙的动作策略制定；场景自适应模块，作为辅助模块为核心控制器提供更科学高效的决策，并且通过流量时空预测来指导算法更好地进行多小区调度场景下的负载均衡。
-
公开(公告)号：CN111342867A
公开(公告)日：2020-06-26
申请号：CN202010126894.4
申请日：2020-02-28
Applicant: 西安交通大学
IPC: H04B7/0413 , H04B7/08 , H04L1/00 , G06N3/04
Abstract: 一种基于深度神经网络的MIMO迭代检测方法，利用存储设备保存一段时间内接收端接收到的发射端发射的经过信道传输和噪声干扰的接收信号以及对应的信道状态信息；基于QL分解对信道模型进行等价转换得到等价的信号观测和信道状态信息；基于RNN的特性对发射信号向量进行迭代求解；在每次迭代中将MIMO检测问题看作机器学习中的分类问题，基于转换后的信道模型，使用LSTM依次求解发射信号向量中每一个分量取所有星座点的概率；使用混合信噪比下等价的信号观测和信道状态信息训练网络，利用训练好的网络模型恢复任意信道以及不同信噪比下的发射信号。本发明基于深度神经网络，通过迭代求解发射信号向量的概率，降低MIMO信号检测复杂度，提高检测准确性。
-
公开(公告)号：CN114676771B
公开(公告)日：2024-11-01
申请号：CN202210284288.4
申请日：2022-03-22
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开一种基于自监督和相似度抑制的在线目标检测提升算法，包括以下步骤：采集仿真环境下无人艇获取的海平面目标的图像样本，并将采集的图像样本分为有标签样本集和无标签样本集；对无标签样本集中的每一个无标签样本进行数据增强，利用增强后的无标签样本和相似度抑制后的伪标签，对初始训练后的模型进行在线提升训练，经过在线提升训练后，得到检测精度提升的模型；将待检测图片输入到检测精度提升的模型中，实现在线目标检测。本发明可以利用大量无标签样本提升仅利用少量有标签样本训练的模型的检测精度，充分发挥了无标签样本集在目标检测任务中的作用，提升了模型的性能，进而在实际应用中能够对目标进行高精度检测。
-
公开(公告)号：CN113746663A
公开(公告)日：2021-12-03
申请号：CN202110632420.1
申请日：2021-06-07
Abstract: 本发明公开了一种机理数据双驱动结合的性能劣化定位方法，解决了不同场景下通信路测性能劣化的根因定位问题。该方法包含两个模块，因果关系学习模块设计了因果关系学习模型，考虑结点关系的异构性，明确了因果关系图中结点关系的方程表示；因果推理模块基于介入指标和分布指标进行因果推断，综合介入偏差以及分布异常情况进行最终故障根本原因的推理。本发明采用具有可解释性的高效算法，在现网测试环境数据集测试下大幅提高了传统方法的根因定位准确率，同时具备高召回率，并且具备可推广性。此外，本发明有利于企业维护工程师的实际应用，方案分析与结论可下放至运维基层，提升运维效率，降低运维成本。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.029 seconds)
