本发明涉及智能制造生产调度技术领域，尤其涉及基于Petri网和神经网络的柔性制造系统的无死锁调度方法。本发明包括以下步骤：基于可视化不含关键资源的柔性制造系统内部工件的加工工序以及各工件之间的机器占用情况，建立Petri网模型；通过遗传算法全局寻优，获得一组较优的调度序列，以此作为前向神经网络的数据集；建立最小化最大完工时间作为系统调度的目标函数；基于神经网络的二分搜索法，减小Petri网的可达树规模，通过神经网络对每代子结点拟合预计完工时间，约束可达树向较优的路径扩展；不断扩展可达树规模进行路径寻优，并输出满足目标函数最小的路径作为柔性制造系统的调度路径。
📄 202311250447X
📂 G06Q10_0631
👤 南通大学
📅 2023-09-26
本发明针对深度神经网络鲁棒性优化问题，公开了一种高效的深度神经网络模型鲁棒性优化方法，属于机器学习和AI安全领域。该方法首先为目标模型浅层添加额外分支进行特征融合，将目标模型改造为可以在速度和准确率之间进行权衡的特征金字塔结构，然后基于生成式对抗网络提取图像样本的潜在特征生成攻击力更强的对抗样本进行对抗训练。本发明提供了一种高效的深度神经网络模型鲁棒性优化方法，有助于扩大模型的防御范围，对模型鲁棒性进行优化。
📄 2021106594910
📂 G06V10_82
👤 西安邮电大学
📅 2021-06-15
本发明针对深度神经网络图像分类模型鲁棒性问题，公开了一种深度神经网络图像分类模型鲁棒性提升方法，属于机器学习和AI智能安全领域。该方法首先基于相同的训练样本集训练n个模型，然后以最大化神经元覆盖率和模型差异行为为指导构建联合优化问题，更新测试样本集中未使n个图像分类模型产生差异行为的样本图像，并采用梯度上升方法求解联合优化问题，得到具有高神经元覆盖率且使n个图像分类模型产生差异行为的样本集，最后对样本集分类并标记正确的标签，加入训练样本集重新训练图像分类模型。本发明方法能够激活图像分类模型更多的神经元，有助于模型在极端输入下作出正确分类且分类准确率提高，由此模型鲁棒性得到提升。
📄 2021112826864
📂 G06V10_764
👤 西安邮电大学
📅 2021-11-01
本发明公开了一种基于DB‑LSTM神经网络的移动医疗物联网频谱智能预测算法，包括如下步骤：首先对本地移动医疗物联网信号数据采样，利用ResNet‑CNN模型进行频谱感知操作，获得主用户历史使用频谱时序二进制数据集；然后通过滑动窗构建具有时序特性的频谱预测数据集，利用此数据集对DB‑LSTM神经网络模型训练，利用训练后的DB‑LSTM神经网络模型实现频谱预测。所述方法能够有效的提高频谱预测准确率并降低频谱预测均方误差。
📄 2023102278985
📂 G16H50_20
👤 青岛科技大学
📅 2023-03-10
本发明提供了一种基于图神经网络与双向GRU特征抽取的缺陷预测方法，首先对软件系统进行网络建模，使用神经网络模型学习网络结构，获得软件依赖关系特征；然后将软件系统源文件构建成抽象语法树，提取令牌序列，使用双向门控递归单元进行建模，获得软件系统的深层语义特征；再将获得的软件依赖关系特征与获得的源代码的语义特征结合，得到最终的混合特征，并训练一个分类器，用于基于得到的混合特征进行缺陷预测，由于结合了结合这两种不同类型的度量指标来构建预测模型，使用双向GRU提取软件源代码的深层语义特征，使用图神经网络提取软件模块之间的依赖关系特征，并结合两种特征用于预测缺陷，提高了预测的准确性。
📄 2022103231125
📂 G06F11_36
👤 湖北大学
📅 2022-03-29
本发明涉及一种基于探索利用分离的联合神经网络的云作业调度方法及系统。方法包括：将用户负载解耦成子作业并分配到多个队列中；将多个队列中的多个作业属性组成状态；将状态作为多个并行神经网络的输入，对应输出动作决策；利用回报函数计算每个动作决策的成本值，选择获取最小成本值的动作决策作为该组作业的最佳动作决策；根据选择的最佳动作决策将队列中的子作业调度到多个集群中；其中，多个并行的神经网络分为探索部分和利用部分，将利用部分的神经网络利用训练集进行训练得到训练后的神经网络；然后将状态输入训练后的利用部分的神经网络和探索部分的神经网络。本发明能够避免陷入局部最优，进而提升优化本发明的作业调度问题。
📄 2022102333526
📂 G06F9_48
👤 广东石油化工学院
📅 2022-03-10
本发明属于缓存技术领域，具体涉及一种移动边缘计算中基于深度神经网络的多边缘节点协作缓存方法，包括构建基于深度神经网络的移动终端行动轨迹的预测系统，通过该预测系统预测下一时刻用户的位置；构建热点服务预测系统，通过该系统预测热点数据；根据预测的热点数据，通过预测的用户位置与节点之间的关系以及根据各边缘节点之间缓存的差异来迭代更新缓存；相较于传统的LRU以及LFU，本发明能提前感知到流行度最高的内容，并提高缓存系统资源利用率。
📄 2022101766559
📂 H04L67_5682
👤 重庆邮电大学
📅 2022-02-24
本发明公开了一种基于改进神经网络的网络安全态势理解和评估方法，通过采用复合最优单元，使用Relu6作为卷积层的激活函数，对模型框架的改进和优化；同时充分考虑核对测试样本数据分布特点，对测试数据集平衡调整后进行网络训练，提高了态势理解和评估的准确率；本发明根据网络数据信息在时间上具有连续性的特点，对当下的网络信息进行分析的同时结合攻击发生前的网络数据，对时间序列数据进行有效的数据融合；在属性特征较多和样本量较大时避传统态势感知研究方法运行时间短。
📄 2021101172359
📂 G06F18_214
👤 河北师范大学
📅 2021-01-28
本发明公开了一种基于图神经网络的软件系统中关键类识别的方法，包括：(1)利用开源工具解析软件源代码文件，提取类之间的各种关联关系，并根据这些关系构建类之间的加权软件网络模型；(2)利用网络嵌入方法，对加权软件网络中的节点进行学习，得到节点的嵌入向量；(3)构建基于图神经网络的排序模型(4)利用pairwise排序损失训练模型，以实现对网络中节点重要性排序。本发明的优点在于：在确保识别精度的情况下，可以在极低的时间复杂度内对大型软件系统进行分析，并从中识别出潜在的关键类。可以为开发者们理解软件结构，提高软件系统稳定性提供帮助。
📄 2020108017171
📂 G06F8_30
👤 湖北大学
📅 2020-08-11
本发明公开了一种基于卷积神经网络的松茸快速无损检测系统及方法，包括深度学习卷积神经网络模型、控制端和消费者终端；深度学习卷积神经网络模型包括样本收集、数据采集、深度学习卷积神经网络建模及优化；样本收集完成对检测对象的样本筛选建立样本集，并将样本集分为训练集、验证集和测试集；数据采集包括样本化学含量测量和光谱数据采集；深度学习卷积神经网络建模及优化利用深度学习中的卷积神经网络模型和池化处理对经过预处理的光谱数据和相应的化学含量进行建模；深度学习卷积神经网络模型对松茸的检测结果存储在所述控制端；消费者终端通过访问控制端能够得到松茸的检测数据。本发明能够有效降低检测成本，并有利于监管部门监管市场。
📄 201810539012X
📂 G06N3_04
👤 江苏大学
📅 2018-05-30
本发明公开了一种基于动态图神经网络的商品推荐方法，其步骤包括：1、获取一个用户的历史行为序列，并按照等时间间隔分割为T个时间步的子序列，构建每个子序列的用户行为交互图；2、通过图注意力网络分别聚合每个时间步上用户行为交互图上节点的信息；3、构建生成对抗网络中的生成器G；4、构建生成对抗网络中的判别器D；5、获得每个物品节点被用户交互的可能性，并对物品进行降序排序，并选取前N个物品推荐给相应用户。本发明能捕获用户行为交互图的随时间的演化过程，从而能增强推荐性能。
📄 2022105617178
📂 G06Q30_06
👤 安徽农业大学
📅 2022-05-23
本发明公开了基于图神经网络的车联网安全卸载与缓存优化方法，涉及智能交通与边缘计算领域，旨在解决车联网资源调度效率低、隐私保护不足及任务与缓存处理割裂问题。方法包括：S1构建车联网系统模型，含车辆‑路侧单元‑宏基站架构、正交频分多址与专用短程通信协议的通信模型，及含本地处理与部分远程卸载的计算模型；S2引入高斯噪声实现差分隐私保护，采用异步联邦学习结合长短期记忆网络预测任务流行度；S3构建动态异构图，借图神经网络提取时空特征，输入近端策略优化算法，联合优化卸载目标、比例及缓存策略。本发明实现隐私安全、低系统总时延、高缓存命中率与资源利用率的协同提升，适配车联网动态拓扑与复杂任务需求。
📄 2025116396327
📂 H04W28_084
👤 华东交通大学
📅 2025-11-11
柿子坊 · 知识产权运营
柿子坊知识产权运营平台