-
公开(公告)号：CN115015390B
公开(公告)日：2024-07-23
申请号：CN202210643712.X
申请日：2022-06-08
Applicant: 华侨大学 , 厦门雅众建设集团有限公司
Abstract: 本发明涉及一种基于MWTLMDS的幕墙工作模态参数识别方法及系统，包括：获取幕墙在预设时间内的振动位移响应信号，利用滑动窗口对振动位移响应信号进行截取，得到滑动窗口内的截取数据；对滑动窗口内的截取数据用模态坐标表示，得到幕墙的模态振型；对滑动窗口内的截取的振动位移数据应用多维尺度分析法和迁移学习，得到距离矩阵；对滑动窗口的距离矩阵引入中心化矩阵得到变形矩阵后进行特征值和特征向量分解后应用单自由度技术或傅里叶变换，得到幕墙的模态固有频率；遍历所有滑动窗口后识别结束。本发明方法中应用了滑动窗口进行数据的截取，同时利用多维尺度分析法和迁移学习对截取数据进行处理，能够更精确的识别出幕墙的模态参数。
-
公开(公告)号：CN118350279A
公开(公告)日：2024-07-16
申请号：CN202410512362.2
申请日：2024-04-26
Applicant: 华侨大学 , 中建三局集团有限公司 , 中建三局(福建)投资建设有限公司
IPC: G06F30/27 , G06F18/213 , G06F18/214 , G06N20/00 , G06F119/04
Abstract: 本发明提供的基于增量训练的真空干泵剩余寿命预测方法、装置及介质，涉及机器设备健康监测技术领域，通过实时获取真空干泵运行时的特征数据；将特征数据输入预先训练的增量学习预测模型进行剩余寿命预测，获取预测结果；其中，所述预先训练的增量学习预测模型通过以下步骤训练得到：获取多台宕机真空干泵的历史数据集，特征处理后，获得样本数据集；根据所述样本数据集，构建初始化增量学习预测模型；持续接收新收据，作为新的训练样本数据集输入初始化增量学习预测模型进行增量训练，采用Li ghtGBM增量学习方法，更新模型的权重以适应新数据，获得更新后的增量学习预测模型。本发明通过增量学习训练，实时动态地更新预测模型，提升了模型的预测准确性。
-
公开(公告)号：CN114723125B
公开(公告)日：2024-06-28
申请号：CN202210339414.1
申请日：2022-04-01
Applicant: 华侨大学
IPC: G06Q10/04 , G06Q30/0601 , G06Q50/40 , G06N3/0455 , G06N3/092
Abstract: 本发明提供一种结合深度学习和多任务优化的城际车订单分配方法，包括：根据城际网约出行的实际问题进行数学建模，并确定其优化目标；利用已存在的线路的历史订单信息作为训练数据，通过强化学习Actor‑Critic算法训练构建的注意力机制深度网络模型；采用训练好的模型并结合多任务优化进行订单分配优化。本发明提供的方法不仅能够实现“离线训练，在线分配”对同一场景下的订单进行分配，而且能够对新开通的城际路线订单进行预测，而多任务优化可以同时对多条不同城市间城际出行订单进行分配，通过不同线路的相似性进行迁移分别得到彼此的最优分配集合。
-
公开(公告)号：CN118212475A
公开(公告)日：2024-06-18
申请号：CN202410468662.5
申请日：2024-04-18
Applicant: 华侨大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F16/35 , G06F40/30
Abstract: 一种基于多模态融合的图像主题分类方法和系统，包括：通过数据预处理构建图像对应的叙事文本和概念文本；将图像及其对应的叙事文本和概念文本输入预训练的特征提取模型得到图像特征、图像概念文本特征和图像叙事文本特征；采用标签注意力融合机制将所述图像特征和概念文本特征进行融合得到第一融合特征，利用多模态交叉注意力融合机制将所述图像特征和所述叙事文本特征进行融合得到第二融合特征；对所述第一融合特征和所述第二融合特征进行拼接融合和标签预测，实现图像主题分类。本发明融合文本信息辅助图像的新闻主题分类，提升模型的可解释性和泛化性。
-
公开(公告)号：CN117933102B
公开(公告)日：2024-06-14
申请号：CN202410335802.1
申请日：2024-03-22
Applicant: 华侨大学 , 福建三建工程有限公司
Abstract: 本发明提供的基于MKTL的多点频域振动响应预测方法、装置、设备及介质，通过用部分辅助测点的振动响应频域数据加入不同类型的噪声后，训练一个多输入多输出的神经网络振动响应预测模型作为源域的源模型，以应对实际工况条件下噪声变化多样问题的振动响应鲁棒性预测；通过两种多频率知识迁移学习MKTL形式分别结合两种源域存储机制，采用一种迁移形式结合一种源域存储机制的多源域迁移存储机制，组成四种形式并进行融合、综合对比，得到最优BP‑NN神经网络模型，辅助目标域进行训练，达到模型迁移的目的。本发明实现了多个领域知识的综合学习，克服单源域迁移存在的信息不充分问题，增强了模型的鲁棒性，有效提高模型的预测精度和效果。
-
Patent Agency Ranking
公开(公告)号：CN117808273B
公开(公告)日：2024-05-31
申请号：CN202410225004.3
申请日：2024-02-29
Applicant: 华侨大学 , 蓝海(福建)信息科技有限公司
IPC: G06Q10/0631 , G06Q50/47 , G06F16/9537
Abstract: 本发明提供了乘客出发时刻协同与阶段反馈的城际拼车调度方法及装置，包括：获取某条线路下的城际网约车乘客出行数据，设置规划周期，构建问题场景，包含乘客订单集合、车辆集合和道路网络信息；在供需平衡的前提下，利用最佳插入算法将拼车订单加入行程解后通过启发式算法进行优化，对解中新增接收订单的乘客反馈已接单通知；满足协同要求的订单，协调其出发时刻并成功加入行程解后，对乘客反馈新出行时刻和已接单通知；将已存在的行程解和运力进行预匹配，对已达到发车时刻的行程，派发车辆，确定接载关系，更新车辆和订单的状态，向乘客反馈具体出行信息；本发明通过协同乘客出发时刻和两阶段反馈拼车进度，提高拼车效率，改善乘客体验。
-
公开(公告)号：CN117952019A
公开(公告)日：2024-04-30
申请号：CN202410335784.7
申请日：2024-03-22
Applicant: 华侨大学 , 福建三建工程有限公司
Abstract: 本发明提供的基于SRT的多点频域振动响应预测方法、装置、设备及介质，涉及多点频域振动响应预测领域，通过获取频率序列中每个频率下的振动响应频域数据样本集，用一频率下的振动响应频域数据训练一个多输入多输出的神经网络振动响应预测模型，并将训练好的预测模型作为源域，采用MMD及方差散度方法，得到不同频率的数据差异之后，使用SRT算法，得到最佳的迁移学习顺序；根据该顺序进行模型迁移学习，将上一个训练学习得到的模型参数作为下一个目标频率网络模型权值的初值并微调，达到模型迁移的目的。本发明考虑到源域和目标域之间的差异性和相似性，解决了在迁移过程中出现辅助域与目标域相差较大而出现负迁移的现象，响应预测的精度更高且速度快。
-
公开(公告)号：CN117593043B
公开(公告)日：2024-04-09
申请号：CN202410060664.0
申请日：2024-01-16
Applicant: 华侨大学 , 蓝海(福建)信息科技有限公司
IPC: G06Q30/0202 , G06Q50/47 , G06F16/2458
Abstract: 本发明公开了一种城际网约车辆未来短期时刻分布估计方法、装置及设备，方法包括：实时获取城际网约车某条线路的乘客下单出行数据，构建车辆集合和两城的城际出入口；根据车辆集合构建两城的真实可用运力集合和预估可用运力集合；根据车辆出城触发两城的运力分布预估，构建两城的途中车辆集合和预出城车辆集合；根据两城的真实可用车辆集合、途中车辆集合和预出城车辆集合，更新两城的预估可用运力集合；基于两城的预估可用运力集合和途中车辆集合，可以预估未来的运力分布，提前可知车辆在未来某时刻的位置，可适用于额定容量不同的异构车型的返程预约订单的提前派单调度。本发明能有效提高城际网约车运力分布短期预估的准确性。
-
公开(公告)号：CN117725433A
公开(公告)日：2024-03-19
申请号：CN202311793721.8
申请日：2023-12-25
Applicant: 华侨大学
IPC: G06F18/22 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/0895 , G06F18/241 , G06Q50/00 , G06F18/25
Abstract: 本发明公开了一种基于相似性增强传播结构图的谣言检测方法，包括以下步骤：基于公开数据集提取新闻内容特征和用户特征；基于公开数据集构建传播结构图及邻接矩阵；利用用户特征的相似性增强传播结构图；利用图卷积网络获得统一传播结构图特征；对齐统一传播结构图特征和新闻内容特征；增强新闻内容特征和传播结构图特征；基于增强传播结构图特征获得增强统一传播结构图特征，将增强新闻内容特征、增强统一传播结构图特征以及对齐的统一传播结构图特征和新闻内容特征送入分类器，判断新闻是否属于谣言。本发明深入研究社交网络中用户偏好相似性的影响，同时考虑社交网络中的传播结构图以及用户之间的潜在关系，更全面地揭示了谣言传播的特征。
-
公开(公告)号：CN112528870B
公开(公告)日：2024-03-01
申请号：CN202011472249.4
申请日：2020-12-14
Applicant: 华侨大学
Abstract: 本发明提供一种基于MIMO神经网络和迁移学习的多点振动响应预测方法，具体包括：利用预设频率点的历史数据对多点频域振动响应预测的多输入多输出神经网络模型进行训练；将所述预设频率点下的神经网络的模型参数以及网络权值迁移到相邻的目标频域的神经网络中作为网络权值的初值；利用目标频率的历史数据对多输入多输出神经网络进行微调训练，从而得到目标频率的多点频域振动响应预测模型；将该频率的训练好的神经网络的模型参数迁移到下一个相邻频率的模型，循环该过程直到建立所有频率点的神经网络模型。通过迁移学习得到的神经网络多点频域振动响应预测模型得到较好的神经网络模型的初始权重，有效减少训练时间，并得到更高的识别精度。
-
-
-
-
-
-
-
-
-
Search Results
335
records
(took 0.032 seconds)
