-
公开(公告)号：CN117912247A
公开(公告)日：2024-04-19
申请号：CN202410077436.4
申请日：2024-01-18
Applicant: 清华大学
IPC: G08G1/01 , G06F18/2113 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种交通拥堵时间预测方法及装置，涉及人工智能技术领域。所述方法包括：基于编码器对历史交通数据和路网拓扑进行处理，得到交通状态表征；基于解码器对所述交通状态表征、拥堵事件起始时间和由所述辅助神经ODE计算得到的动态空间相关性进行处理，得到交通拥堵时间预测结果；对所述交通拥堵时间预测结果进行优化，得到交通拥堵时间预测优化结果。所述装置执行上述方法。本发明实施例提供的交通拥堵时间预测方法及装置，能够准确预测交通拥堵时间。
-
公开(公告)号：CN119180192A
公开(公告)日：2024-12-24
申请号：CN202411102253.X
申请日：2024-08-12
Applicant: 清华大学
IPC: G06F30/27 , G06F30/18 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/0895 , G06F18/213 , G06F18/231 , G06F18/25 , G06F18/20 , G06F111/08 , G06F119/02
Abstract: 本发明涉及基础设施级联失效预测技术领域，提供一种基于相互依赖基础设施网络的级联失效预测方法及装置，其中的方法包括：基于给定的相互依赖基础设施网络和初始失效节点，获取单一基础设施网络嵌入和耦合基础设施网络嵌入；基于单一基础设施网络嵌入和耦合基础设施网络嵌入，预测相互依赖基础设施网络在级联失效传播后的目标节点嵌入；根据目标节点嵌入，预测得到级联失效预测结果。该方法通过链路预测嵌入来捕获相互依赖基础设施网络的拓扑结构特征，通过全局池化嵌入来捕捉基础设施网络中的高阶动态和全局演化特征，通过初始节点增强嵌入避免了图卷积神经网络中的过度平滑，有效提升了基础设施网络中级联失效预测的准确度和细粒度。
-
公开(公告)号：CN116744325A
公开(公告)日：2023-09-12
申请号：CN202210210062.X
申请日：2022-03-04
Applicant: 中国移动通信有限公司研究院 , 清华大学 , 中国移动通信集团有限公司
Abstract: 本发明提供一种基站流量预测方法及相关设备，涉及通信领域，其中，所述基站流量预测方法包括：根据基站之间的地理距离信息，确定待预测基站的临近基站；确定临近基站中的邻居基站，邻居基站的历史流量记录与待预测基站的历史流量记录之间存在因果关系；对待预测基站与邻居基站的历史流量记录进行特征提取，得到特征数据；根据特征数据预测待预测基站的预测流量。本发明实施例，在特征数据对象的筛选过程中，充分考虑空间因素避免了特征数据选择的单一性，同时还充分考虑基站流量之间的因果联系，从而避免特征数据选择的盲目性，减少冗余特征干扰，提高特征选择的有效性，从而提高基站流量预测精度和效率。
-
公开(公告)号：CN116208655A
公开(公告)日：2023-06-02
申请号：CN202210918632.0
申请日：2022-08-01
Applicant: 清华大学 , 国家计算机网络与信息安全管理中心
IPC: H04L67/1396 , H04L41/142 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种基于对抗网络的移动用户网络流量生成方法及系统，包括：获取移动用户行为特征数据，从所述移动用户行为特征数据中提取行为特征；基于提取的行为特征，通过预存的多个生成器仿真移动用户的多种网络流量模式及模式切换行为，生成移动用户网络流量序列；通过预存的判别器对移动用户网络流量序列的真实性进行判断，生成判断结果；根据所述判断结果，利用判别器的损失函数进和生成器的损失函数对预设的对抗网络模型进行训练；将所述对抗网络模型训练至收敛，生成归一化网络流量序列数据集。本发明解决了现有生成的移动用户网络流量真实性不可靠、分辨率低的问题。
-
公开(公告)号：CN113761395B
公开(公告)日：2024-07-26
申请号：CN202110928066.7
申请日：2021-08-12
Applicant: 清华大学
IPC: G06F16/9537 , G06F16/2458 , G06N3/0442 , G06N3/084 , G06N3/09
Abstract: 本发明提供一种轨迹生成模型训练方法、轨迹生成方法及装置，该训练方法包括：将历史移动数据输入到逆向生成模型，得到对应的隐含移动特征；将隐含移动特征输入到轨迹生成模型，分别得到时间维度的指数分布和空间维度的多项式分布；训练并优化由逆向生成模型和轨迹生成模型共同构成的变分时间点过程模型，得到轨迹生成模型。本发明提供的轨迹生成模型训练方法、轨迹生成方法及装置，在保留了神经网络模型的强大建模能力、捕获了序列数据中的不确定性的同时提升了其可解释性，且能够通过基于概率模型的数据交互机制有效的引入专家知识，有更强的灵活性、建模能力，对不均衡数据的高度适应性和鲁棒性，在移动数据生成问题上具有巨大的潜力。
-
Patent Agency Ranking
公开(公告)号：CN113761395A
公开(公告)日：2021-12-07
申请号：CN202110928066.7
申请日：2021-08-12
Applicant: 清华大学
IPC: G06F16/9537 , G06F16/2458 , G06N3/04
Abstract: 本发明提供一种轨迹生成模型训练方法、轨迹生成方法及装置，该训练方法包括：将历史移动数据输入到逆向生成模型，得到对应的隐含移动特征；将隐含移动特征输入到轨迹生成模型，分别得到时间维度的指数分布和空间维度的多项式分布；训练并优化由逆向生成模型和轨迹生成模型共同构成的变分时间点过程模型，得到轨迹生成模型。本发明提供的轨迹生成模型训练方法、轨迹生成方法及装置，在保留了神经网络模型的强大建模能力、捕获了序列数据中的不确定性的同时提升了其可解释性，且能够通过基于概率模型的数据交互机制有效的引入专家知识，有更强的灵活性、建模能力，对不均衡数据的高度适应性和鲁棒性，在移动数据生成问题上具有巨大的潜力。
-
公开(公告)号：CN115601393B
公开(公告)日：2024-05-07
申请号：CN202211204309.3
申请日：2022-09-29
Applicant: 清华大学
IPC: G06T7/246 , G06N3/0464 , G06N3/08 , H04W4/029
Abstract: 本发明实施例提供一种轨迹生成方法、装置、设备和存储介质，该方法包括：获取第一场景下的用户移动轨迹；根据第一场景下的用户移动轨迹和第一轨迹生成模型，生成第二场景下的第一目标移动轨迹；其中，第一轨迹生成模型为基于第一场景和第二场景下包括用户移动轨迹的训练数据训练得到的。本发明实施例的方法实现了用户移动轨迹的生成。
-
公开(公告)号：CN116828450A
公开(公告)日：2023-09-29
申请号：CN202210285960.1
申请日：2022-03-22
Applicant: 清华大学 , 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Abstract: 本发明提供一种移动预测方法、装置、终端及存储介质，涉及数据处理技术领域。本发明的方法包括获取多个第一训练样本，第一训练样本基于本地存储的用户的历史移动数据生成；根据第二训练样本对第一移动预测模型进行训练，得到第二移动预测模型；第二训练样本为第一训练样本经噪声加扰后的训练样本；第一移动预测模型由服务器基于来自多个终端的、经噪声加扰后的本地模型梯度生成，服务器和多个终端为参与联邦学习的各个参与者；获取待预测的目标时间之前的第一移动数据；将第一移动数据输入至第二移动预测模型，得到预测的目标移动数据。本发明在移动预测场景下，能够进一步加强对用户隐私数据的保护，防止敏感的位置的信息泄露。
-
公开(公告)号：CN116827809A
公开(公告)日：2023-09-29
申请号：CN202210285966.9
申请日：2022-03-22
Applicant: 中国移动通信有限公司研究院 , 清华大学 , 中国移动通信集团有限公司
IPC: H04L41/147 , H04W24/02 , H04W24/06
Abstract: 本发明公开了一种输出流量预测方法、装置及存储介质，包括：获取基站的历史流量序列以及基站的地理位置信息；确定时间和空间维度最相近的至少一个邻居基站作为目标基站的邻居子图；通过阈值设置规则处理获得原始流量序列以及流量离散序列；通过图注意力网络获取邻居子图中各基站与目标基站之间在流量上相似或相反的空间依赖关系；将原始流量序列与离散流量序列分别通过TCN获取时间依赖关系；通过软注意力机制根据空间依赖关系与时间依赖关系输出流量预测结果。采用本发明，避免学习了过多冗余信息。提高了网络流量过载预测的准确率。能挖掘更深层次的空间依赖关系。在多步预测准确率以及运算速度上有了很大的提升。
-
公开(公告)号：CN115460546A
公开(公告)日：2022-12-09
申请号：CN202210851630.4
申请日：2022-07-19
Applicant: 清华大学 , 国家计算机网络与信息安全管理中心
Abstract: 本发明提供一种城市移动网络流量生成方法、装置、电子设备及存储介质，所述方法包括：基于城市数据信息抽取多个实体，并基于实体间关系构建城市知识图谱；基于城市知识图谱得到基站对应的知识图谱嵌入向量；将知识图谱嵌入向量和噪声输入至训练完成的生成对抗网络模型的生成器网络得到生成流量数据；生成对抗网络模型中的不同时间尺度的城市移动网络流量模式生成对抗网络和连续时间城市移动网络流量生成对抗网络均基于多个传输已知网络流量的基站的知识图谱嵌入向量输入至生成器网络得到生成流量样本数据，再基于判别器网络对真实流量数据和生成流量样本数据进行判别，并对抗训练。通过本发明能够生成可靠的城市移动网络流量。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.024 seconds)
