-
公开(公告)号：CN118364165A
公开(公告)日：2024-07-19
申请号：CN202311111160.9
申请日：2023-08-30
Applicant: 南京信息工程大学
IPC: G06F16/9535 , G06F18/213 , G06F18/25 , G06F17/16 , G06F17/18 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多头注意力机制的用户推荐系统及方法，该系统包括用户行为数据处理模块，用于将用户与项目的特征数据进行特征映射，得到第一特征矩阵；特征处理融合模块，用于根据第一特征矩阵计算特征的权重，得到特征权重向量，并依次与第一特征矩阵相乘进行权重赋予，得到第二特征矩阵；根据第二特征矩阵计算两两特征之间的关联度并进行特征加权组合，得到第三特征矩阵；深度推荐模块，用于连接第二特征矩阵和第三特征矩阵得到第四特征矩阵，计算用户对于项目的预测评分，根据所述评分为用户推荐项目；本发明提高了模型的收敛速度和鲁棒性，降低不重要特征对预测结果的不良影响，进挖掘特征之间的隐藏联系，实现对于用户的个性化推荐。
-
公开(公告)号：CN117455139A
公开(公告)日：2024-01-26
申请号：CN202311215931.9
申请日：2023-09-19
Applicant: 南京信息工程大学
IPC: G06Q10/0631 , G06Q10/04 , G06N3/006
Abstract: 本发明公开了一种基于多种群协同人工蜂群算法的最佳员工任务分配方法，包括如下步骤：读取项目的输入信息，定义优化目标，设定约束条件；针对项目新技能需求，设计新技能学习机制，并调用所发明的多种群协同人工蜂群算法MCABC求解调度方案；判断是否发生动态事件，若发生；则通过MCABC算法重新确定当前重调度时刻的最优调度方案并执行；判断项目任务是否完成，若未完成则重复判断是否发生动态事件直至项目任务全部完成，调度结束。本发明设计了一种新技能学习机制，将目标值和相似度双指标均较好的个体划分为潜力子种群，将仅在单一指标上较好或在双指标上均差的个体划分为多元子种群，两类子种群分别完成不同的搜索职能。
-
公开(公告)号：CN113525102A
公开(公告)日：2021-10-22
申请号：CN202110889409.3
申请日：2021-08-04
Applicant: 南京信息工程大学
IPC: B60L15/20
Abstract: 本发明公开了一种电子差速控制系统、方法、计算机设备和计算机可读存储介质，该系统适于车辆左侧电机及右侧电机转速，包括：标定模块，用以输出车辆转弯行驶时不同方向盘转角、不同车速下的内外侧轮速差的调整扭矩标定量的值；整车模块包括整车控制器、分别对应连接左侧电机及右侧电机的各电机控制器及各电动轮，用以根据调整扭矩的标定量的值及对应车速下匀速直线行驶时的左侧电机分配扭矩、右侧电机分配扭矩，输出车辆转弯行驶时不同方向盘转角及不同车速下的左侧电机需求扭矩及右侧电机需求扭矩；整车控制器用以输出的左侧电机需求扭矩、右侧电机需求扭矩，使电机控制器驱动对应左侧电机或对应右侧电机转动以调整对应电动轮转速。
-
公开(公告)号：CN111523059A
公开(公告)日：2020-08-11
申请号：CN202010319466.3
申请日：2020-04-21
Applicant: 南京信息工程大学
IPC: G06F16/9537 , G06F16/958 , G06F16/29 , G06N3/00 , G06Q50/14
Abstract: 本发明公开了一种基于改进蛙跳算法的个性化旅游路线推荐方法，包括如下步骤：(1)读取模型所需数据和个性化参数，确定优化目标和约束条件；(2)数据预处理与算法参数初始化；(3)随机生成初始种群，并计算其适应度；(4)判断是否进行种群的扩大；(5)对所有个体按适应度进行降序排序并分组；(6)对族群进行更新；(7)族群混合，记录最优解；(8)判断算法是否到达终止条件。该方法具有搜索能力强、所得结果精确的特点。
-
公开(公告)号：CN108596214A
公开(公告)日：2018-09-28
申请号：CN201810290383.9
申请日：2018-04-03
Applicant: 南京信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了基于类心密度策略的多目标微分自动聚类方法。通过初始化时给定待聚类问题的最大聚类个数Kmax、最大迭代次数tmax以及群体规模P(t)，在算法执行聚类过程中，首先采用实数、定长的染色体编码方式表示个体V；其次采用类心密度策略选择聚类中心Ci；然后计算所有个体的两个目标函数值；然后进入迭代过程，执行微分进化算法中的变异、交叉策略，直到迭代次数满足最大迭代次数tmax为止，得到一组Pareto最优解；最后从这组Pareto最优解中选择正确率最高的解作为最终的聚类结果。本发明实现了在不预先指定聚类个数的情况下对数据进行自动正确的聚类。
-
Patent Agency Ranking
公开(公告)号：CN105929690B
公开(公告)日：2018-07-24
申请号：CN201610281979.3
申请日：2016-04-29
Applicant: 南京信息工程大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于分解多目标进化算法的柔性车间鲁棒调度方法,(1)读取柔性作业车间的作业和机器属性等输入信息；定义优化目标，设定约束条件；(2)初始化算法的参数；(3)确定每个子问题的邻域，产生初始父代群体，从初始群体中确定出所有的Pareto非支配解构成外部存储器；(4)生成子代群体。进行交配选择，采用自适应变异算子和基于修复的交叉算子繁殖子代个体，并更新外部存储器；(5)利用生成的子代群体对各子问题的当前最优个体进行更新，构成新的父代群体；(6)判断个体目标评价次数若达到最大，则输出外部存储器，即一组Pareto非支配的柔性作业车间调度解；未达到则跳转至(4)。本发明快速高效地实现柔性作业车间中的调度任务。
-
公开(公告)号：CN104392317A
公开(公告)日：2015-03-04
申请号：CN201410681051.5
申请日：2014-11-24
Applicant: 南京信息工程大学
CPC classification number: G06Q10/103 , G06N3/126
Abstract: 本发明公开了一种基于遗传文化基因算法的项目调度方法，（1）读取项目信息，包括任务和软件工程师的属性；（2）初始化算法参数；（3）产生初始父代种群，并进行局部搜索；（4）对父代种群执行选择、交叉和变异操作，构成子代种群；（5）对子代种群进行局部搜索；（6）合并父代和经局部搜索后的子代种群，从中选取适应度最优的一半个体构成下一代父代种群并进行迭代；（7）判断迭代代数是否达到最大值，若达到，则终止迭代，输出适应度最优的个体，该个体即为项目中每位软件工程师在每项任务中投入的工作量分配结果。本发明具有搜索能力强，生成的调度方案效率高的优点。
-
公开(公告)号：CN104077634A
公开(公告)日：2014-10-01
申请号：CN201410307479.3
申请日：2014-06-30
Applicant: 南京信息工程大学
IPC: G06Q10/04
Abstract: 本发明公开一种基于进化多目标优化的主动-反应式动态项目调度方法,主要解决现有调度算法不能同时处理项目开发环境中存在的不确定因素和紧急动态事件的问题。其实现步骤是：（1）初始化。读取任务和软件工程师的属性,定义优化目标,设定约束条件；（2）在项目初始时，采用主动调度方式，基于静态多目标进化算法，同时优化项目的成本、工期和抗风险能力；（3）在项目开发过程中，采用由紧急动态事件驱动的反应式重调度方式，基于动态多目标进化算法在新环境中快速产生一个新的调度方案。与传统方法相比，本发明能够提前预测项目中存在的不确定性，也能及时响应紧急动态事件的发生，生成的调度方案具有效率高、抗风险能力强及稳定性优的特点。
-
公开(公告)号：CN119886228A
公开(公告)日：2025-04-25
申请号：CN202510370364.7
申请日：2025-03-27
Applicant: 南京信息工程大学
IPC: G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/0464
Abstract: 本发明提供了一种基于架构蒸馏技术的生成对抗网络架构搜索方法和系统，所述方法定义一个搜索空间，构建融合了所有候选操作的超网，对超网进行预热训练，经过初始的预热训练后，评估子网的性能，筛选出对网络性能不利的操作并丢弃。在超网的训练过程中，通过架构知识蒸馏方法进行网络权重优化，设计匹配优化网络以有效地选择教师网络，使教师网络与学生子网达到最优匹配，通过架构蒸馏技术将教师网络的知识传递给其他子网，以指导超网训练。使用多目标优化策略挑选出超网中表现最佳的网络架构。本发明通过架构间的知识传递，提升子网的训练效果，相比传统的搜索方法具有更高的效率和更好的性能，能够更快地找到适合任务的最优神经网络架构。
-
公开(公告)号：CN114298376B
公开(公告)日：2024-09-10
申请号：CN202111453983.0
申请日：2021-12-01
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q10/0631 , G06N3/006 , G06N3/126
Abstract: 本发明公开了一种基于启发式离散人工蜂群算法的软件项目调度方法，包括以下步骤(1)项目信息读取，包括任务和员工的属性；(2)设计新技能学习机制；(3)初始化算法参数；(4)生成初始蜜源种群，并计算目标值；(5)引领蜂通过多元学习策略对蜜源进行全局搜索；(6)跟随蜂通过基于启发信息的变异机制对蜜源进行局部搜索；(7)侦查蜂抛弃无用的蜜源，并重新随机生成新的蜜源替代旧蜜源；(8)判断迭代次数是否达到最大值，若达到，则终止迭代，输出目标值最优的个体，该个体即为项目中每位员工在每项任务中投入度的调度结果。本发明具有搜索能力强，生成的调度方案效率高的优点。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.028 seconds)
