公开(公告)号：CN119783799A

公开(公告)日：2025-04-08

申请号：CN202510296663.0

申请日：2025-03-13

Applicant: 南京信息工程大学

Inventor： 黄施远 ,  刘琳 ,  韩铭佳 ,  戴宇宸 ,  陈丽瑾 ,  李志钢

IPC: G06N5/022 ,  G06N5/04 ,  G06F16/36 ,  G06F18/25 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0455

Abstract: 本发明提供了一种基于动态提示学习和多粒度聚合的多模态知识图谱补全方法，包括以下步骤：步骤1，生成动态提示模板：根据任务需求选择合适的模板结构并使用自适应引导机制动态调整模板结构；步骤2，建立多模态特征编码器，将文本和图像数据转换为用于本模型训练的特征向量；步骤3，多粒度跨模态聚合MCA：将不同模态和不同粒度的特征进行融合；步骤4，设计多任务联合损失函数，优化模型在两个以上多模态任务中的性能并进行训练。本发明方法能够更全面地理解图像内容，从而提高推理准确性。

公开(公告)号：CN119416034A

公开(公告)日：2025-02-11

申请号：CN202510008561.4

申请日：2025-01-03

Applicant: 南京信息工程大学

Inventor： 刘文杰 ,  李亚轩 ,  吴青山 ,  李志钢

IPC: G06F18/241 ,  G06N10/60 ,  G06N3/042 ,  G06F18/10

Abstract: 本发明提供了一种基于量子图注意力网络的图分类方法，包括：步骤1，将图数据通过角度编码和振幅编码转化为用于量子计算的量子态；步骤2，建立量子线性映射器，对于角度编码得到的量子态，使用一组交替的可训练含参量子门和CNOT门组成一组酉门#imgabs0#来对量子态进行演化；步骤3，建立量子图注意力层，在计算节点与节点之间的注意力系数时，将节点进行两两拼接，并迭代地输入到量子图注意力层中；步骤4，将对目标节点影响小的节点视为噪声项进行剔除；步骤5，进行图分类。本发明避免了对图结构的严格依赖，能够更好地应对大规模图数据的处理需求，是一种通用的电路设计方法，显著提高了量子图神经网络的处理效率和灵活性。

公开(公告)号：CN119181256A

公开(公告)日：2024-12-24

申请号：CN202411693544.0

申请日：2024-11-25

Applicant: 南京信息工程大学

Inventor： 王森 ,  刘文杰 ,  李志钢

IPC: G08G1/048 ,  G08G1/01 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/2134

Abstract: 本发明提供了基于气象信息融合的深度学习交通流量预测方法，包括以下步骤：步骤1，对交通数据和天气数据进行预处理；步骤2，建立时间对齐模块，解决交通数据与天气数据的时间错位问题；步骤3，对交通数据和天气数据进行嵌入编码；步骤4，建立增强时空卷积网络，交通数据通过增强时空卷积网络提取出时空特征，气象数据通过增强时空卷积网络提取出时序特征；步骤5，建立对比学习模块，对时空特征和时序特征进行特征融合与对比学习；步骤6，生成交通流量的预测值。本发明有效地解决了现有交通流量预测方法在多源数据整合、长时间依赖捕捉以及特征融合等方面的不足，为提升交通流量预测的精度和实际应用的广泛性提供了新的技术途径。

公开(公告)号：CN119783799B

公开(公告)日：2025-05-13

申请号：CN202510296663.0

申请日：2025-03-13

Applicant: 南京信息工程大学

Inventor： 黄施远 ,  刘琳 ,  韩铭佳 ,  戴宇宸 ,  陈丽瑾 ,  李志钢

IPC: G06N5/022 ,  G06N5/04 ,  G06F16/36 ,  G06F18/25 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0455

Abstract: 本发明提供了一种基于动态提示学习和多粒度聚合的多模态知识图谱补全方法，包括以下步骤：步骤1，生成动态提示模板：根据任务需求选择合适的模板结构并使用自适应引导机制动态调整模板结构；步骤2，建立多模态特征编码器，将文本和图像数据转换为用于本模型训练的特征向量；步骤3，多粒度跨模态聚合MCA：将不同模态和不同粒度的特征进行融合；步骤4，设计多任务联合损失函数，优化模型在两个以上多模态任务中的性能并进行训练。本发明方法能够更全面地理解图像内容，从而提高推理准确性。

公开(公告)号：CN119416034B

公开(公告)日：2025-04-15

申请号：CN202510008561.4

申请日：2025-01-03

Applicant: 南京信息工程大学

Inventor： 刘文杰 ,  李亚轩 ,  吴青山 ,  李志钢

IPC: G06F18/241 ,  G06N10/60 ,  G06N3/042 ,  G06F18/10

Abstract: 本发明提供了一种基于量子图注意力网络的图分类方法，包括：步骤1，将图数据通过角度编码和振幅编码转化为用于量子计算的量子态；步骤2，建立量子线性映射器，对于角度编码得到的量子态，使用一组交替的可训练含参量子门和CNOT门组成一组酉门#imgabs0#来对量子态进行演化；步骤3，建立量子图注意力层，在计算节点与节点之间的注意力系数时，将节点进行两两拼接，并迭代地输入到量子图注意力层中；步骤4，将对目标节点影响小的节点视为噪声项进行剔除；步骤5，进行图分类。本发明避免了对图结构的严格依赖，能够更好地应对大规模图数据的处理需求，是一种通用的电路设计方法，显著提高了量子图神经网络的处理效率和灵活性。