公开(公告)号：CN114139710A

公开(公告)日：2022-03-04

申请号：CN202111469954.3

申请日：2021-12-03

Applicant: 东北大学

Inventor： 杨晓春 ,  宋凡非 ,  徐自强 ,  王斌 ,  张晓红

IPC: G06N5/02 ,  G06Q10/06 ,  G06Q50/04

Abstract: 本发明公开一种基于复杂网络的工业大数据的社团划分及向量表征方法，方法首先初始化工业制造大数据的知识图谱，然后计算新节点与初始化知识图谱中的任意节点的链接概率，最后选择链接概率最大的前s个节点作为目标节点与新节点建立链，从而完成对新节点的社团划分。此外，采用上述社团划分方法进行工业大数据的向量表征，首先找出工业制造大数据的知识图谱社团网络中所有社团的簇首节点，并计算任意节点到其所在的社团中簇首节点的路径长度，然后对簇首节点进行向量表征，最后聚合簇首节点的向量表征和任意节点的向量表征，生成聚合后的任意节点的向量表征。本发明有效的解决了工业大数据知识图谱顶层应用的可扩展性和实时性差的问题。

公开(公告)号：CN114510581A

公开(公告)日：2022-05-17

申请号：CN202210141390.9

申请日：2022-02-16

Applicant: 东北大学

Inventor： 杨晓春 ,  徐自强 ,  陈浩 ,  郑婷月 ,  王斌 ,  张晓红

IPC: G06F16/36 ,  G06F40/30 ,  G06F40/205 ,  G06F16/31

Abstract: 本发明提供了一种条件知识图谱的表示和构建方法，涉及工业制造领域；首先提出了一种新型的条件知识图谱表示方法即嵌套三元组表示。其次，本发明设计了一种新型的抽取策略，利用一个文本层次解析模块来抽取事实与条件之间的语义关系；再用三元组抽取模块实现三元组的抽取。此外，本发明设计了相应的物理存储和查询方案对条件知识进行管理，方便下游应用。本发明很好的解决了传统的知识图谱丢失重要的条件约束信息，现有的条件知识图谱忽略了事实三元组与条件三元组之间的语义关系以及条件三元组之间的逻辑关系的问题。

公开(公告)号：CN104360908B

公开(公告)日：2017-06-16

申请号：CN201410606471.7

申请日：2014-10-31

Applicant: 东北大学

Inventor： 马安香 ,  张长胜 ,  张斌 ,  张晓红 ,  赵秀涛

IPC: G06F9/50

Abstract: 本发明涉及基于蚁群优化算法的云环境下SBS资源配置方法，首先获取SBS中各组件服务的资源候选资源配置集，然后获取任意资源属性向量与其组件服务平均响应时间之间的映射关系，构造SBS资源配置应用的搜索图，利用蚁群优化算法调整SBS中各组件服务的资源候选资源配置集，得到最优组合资源配置，最后根据最优组合资源配置对SBS进行资源配置，本发明中的SBS资源配置方法能在配置满足SLA约束的条件下最小化资源使用成本，从而提高服务提供商的收益，当SBS资源配置应用的规模较大时，本发明提出的方法能够保证在较短时间内求得近似最优的组合资源配置。

公开(公告)号：CN114091772B

公开(公告)日：2024-08-23

申请号：CN202111420461.0

申请日：2021-11-26

Applicant: 东北大学

Inventor： 杨晓春 ,  于启迪 ,  吴超 ,  王斌 ,  张晓红

IPC: G06Q10/04 ,  G06Q50/40 ,  G06N7/01 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/082

Abstract: 本发明提供一种基于编码器解码器的多角度融合道路交通流量预测方法，涉及交通流量预测技术领域。本发明提出了一种基于编码器—解码器结构的多角度融合注意网络模型MFAN(Multi‑View Fuse Attention Network)，综合考虑各种突发交通状况、天气情况、节假日等多方面因素，实现对道路网络交通流量的动态准确预测。本发明考虑影响道路交通流量的多种可能情况，将整个道路网络看做一张动态的有向图，对不同时间点对同一路口的影响与相同时间点不同路口之间的互相影响都能进行动态考虑。本发明的方法对于未来动态交通流的预测的准确率较高。

公开(公告)号：CN114138995A

公开(公告)日：2022-03-04

申请号：CN202111492333.7

申请日：2021-12-08

Applicant: 东北大学

Inventor： 杨晓春 ,  许婧楠 ,  肖圆融 ,  王斌 ,  张晓红

IPC: G06F16/483 ,  G06N3/04 ,  G06N3/08 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供一种基于对抗学习的小样本跨模态检索方法，涉及跨模态检索技术领域。本发明解决了现有的跨模态检索方法中对小样本数据检索精度低的不足，以及没有充分解决不同模态数据之间的异构性和语义鸿沟问题，首先对样本进行特征提取，图像模态是对图像进行三个尺度的多尺度特征融合，文本模态通过MLP处理BoW词袋向量，有效地挖掘了图像与文本模态之间的语义关联和语义信息。这个方法可以用于小样本的跨模态检索，但同样适用于常规的跨模态检索中。

公开(公告)号：CN114038200A

公开(公告)日：2022-02-11

申请号：CN202111429510.7

申请日：2021-11-29

Applicant: 东北大学

Inventor： 王斌 ,  吴超 ,  于启迪 ,  杨晓春 ,  张晓红

IPC: G08G1/01

Abstract: 本发明提供一种基于注意力机制的时空同步图卷积网络交通流量预测方法，涉及交通流量预测技术领域。本发明它直接同步捕获局部时空相关性，而不是分别使用不同类型的神经网络模块；同是还构造了一个基于注意力机制的时空同步多模块层用以捕获远程时空图中的异质性，它在每个时间段上部署多个模块，从而使每个模块都可以专注于提取每个局部时空图上的时空相关性，进而可以使模型达到精准的预测结果。