“申修宇”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果12个，建议您升级VIP下载更多相关专利

[发明专利]基于双温区车厢的冷链物流车辆配送路径优化方法-CN202310123579.X在审
发明人：陈景旭;李丁;马捷;黄浩然;申修宇 -专利权人：东南大学
申请日： 2023-02-16 - 公布日： 2023-06-23 - 主分类号： G06Q10/047 文献下载
摘要：本发明公开了基于双温区车厢的冷链物流车辆配送路径优化方法，包括步骤S1、获取配送中心及冷冻、冷藏货物配送点的坐标及货物需求量。S2、根据整车系数、零担需求、减距系数和荷载系数确定由固定线路和可变线路构成的初始配送线路方案。S3、判断可变线路是否能进行变动操作；是则执行S4；否则初始方案为最优方案。S4、根据可变线路车辆车厢剩余容量、余量系数确定配送线路待更新方案。S5、判断待更新方案所需车辆数量是否小于初始方案配车数量；是则计算增距系数确定最优方案；否则初始方案为最优方案。S6、最优方案生成冷链物流配送路径及车辆数量。本发明能减少冷链物流车辆数量且提高车厢容量使用率，有助于降低企业的运输成本。
基于双温区车厢物流车辆配送路径优化方法

[发明专利]一种基于人工智能的危险品瞒报监测系统和方法-CN202210967122.2在审
发明人：陈景旭;李若汐;马捷;申修宇;于新莲;曹祺儒 -专利权人：东南大学
申请日： 2022-08-12 - 公布日： 2022-11-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于人工智能的危险品瞒报监测系统，包括数据存储端、数据处理端、模型构建端、信息读取端、结果显示端、系统管理端；模型构建端以申报信息数据作为输入数据，瞒报检测结果作为输出数据，利用训练集建立基于代价敏感的自适应增强算法，在测试集上测试模型性能；信息读取端读取本批次所有集装箱订舱的申报信息数据；结果显示端显示利用模型构建端算法获取本批次所有集装箱订舱的危险品瞒报预测结果。本发明的方法，通过利用基于代价敏感的自适应增强算法挖掘危险品瞒报和订舱申报信息关键属性之间的关联，实现高风险订舱的快速且高准确度识别，提高了运输监管部门对危险品瞒报的抽检效率。
一种基于人工智能危险品瞒报监测系统方法

[发明专利]具有隐私保护的分布式在线优化算法-CN201910680822.1有效
发明人：汪伟;李德权;姜颖;申修宇 -专利权人：安徽理工大学
申请日： 2019-07-26 - 公布日： 2022-06-24 - 主分类号： G06F21/60 文献下载
摘要：本发明涉及一种具有隐私保护的分布式在线优化算法,适用于分布式网络的通信安全和数据隐私保护。该算法涉及个体权重值的分解、工作变量的交互和状态变量的更新。通过权重分解和工作变量的交互，保证个体的真实状态在交互过程中始终受到严格的隐私保护。个体对其工作变量进行Paillier同态加密，并结合子权重值，与邻居个体进行交互。在该算法中，个体产生的子权重值和私钥仅存储于个体自身，而公钥会随着加密后的工作变量传递给邻居个体。通过对自身的工作变量进行投影，得到个体的状态变量。本发明提出的具有隐私保护的分布式在线优化算法，有效的解决了个体敏感信息在分布式网络通信过程中易发生隐私泄露的问题，保证了通信安全。
具有隐私保护分布式在线优化算法

[发明专利]基于隐私保护的动态网络平均共识方法-CN201910496659.3有效
发明人：汪伟;李德权;姜颖;申修宇 -专利权人：安徽理工大学
申请日： 2019-06-10 - 公布日： 2021-11-30 - 主分类号： H04L29/06 文献下载
摘要：本发明涉及一种基于隐私保护的动态网络平均共识算法,适用于动态网络的通信安全和数据隐私保护。该算法涉及个体初始时刻状态的分解和显式状态与隐式状态的交互。通过分解方案，保证个体的真实状态在交互过程中始终受到严格的隐私保护。个体对其初始时刻真实状态进行分解，得到显式状态和隐式状态。在该算法中，个体产生的显式状态与网络中的邻居个体进行交互，而隐式状态仅存储于个体自身，并且只与自身的显式状态进行交互。本发明提出的动态网络平均共识隐私保护算法，确保在动态网络中且不泄露个体真实状态的条件下，可以达成准确的平均共识，有效的解决了个体状态在动态网络通信过程中易发生隐私泄露的问题，保证了通信安全。
基于隐私保护动态网络平均共识方法

[发明专利]一种具备自动调整内部储存空间功能的快递柜及方法-CN202110601656.9在审
发明人：陈景旭;何呈昕;马捷;陈文栋;申修宇;孟强 -专利权人：东南大学
申请日： 2021-05-31 - 公布日： 2021-10-22 - 主分类号： G07F17/12 文献下载
摘要：本发明涉及具备自动调整内部储存空间功能的快递柜及方法，属于快递柜及控制方法领域。该多面立柱体形的柜体内设有外环区域及内环区域；外环区域用于存储快递，内环区域用于移动快递并存取于外环区域内；多面立柱体形的柜体的外环区域内设有主存储间及多个子存储间，主存储间设有控制台、快递存取窗口与闲置载物板存储处；控制台控制运输装置将快递存取窗口内的快递通过载物板存入多个子存储间内；控制台控制运输装置将子存储间内的快递通过载物板取出并运输至快递存取窗口内。本发明通过运输装置对快递柜内部存储空间进行位置更新，使子存储间始终被分成连续的、已利用的空间和连续的、未利用的空间两部分，提高快递柜的存储空间利用效率。
一种具备自动调整内部储存空间功能快递方法

[发明专利]一种通信网络风险评估的分布式随机森林方法-CN202011315706.9在审
发明人：李德权;方润月;申修宇 -专利权人：安徽理工大学
申请日： 2020-11-21 - 公布日： 2021-02-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种通信网络风险评估的分布式随机森林方法，包括数据预处理阶段、模型的离线训练阶段以及在线预测阶段，通过数据预处理阶段将训练数据划分为最佳数量的分区，使所提出的模型能够加速并行和分布式训练任务，将分区后的数据划分为训练集和测试集，然后利用spark构建随机森林模型进行训练，最后利用训练后的模型进行在线预测。本发明解决了传统通信网络风险评估方法的缺点，使得风险评估的结果更为可靠，此外该方法提高了集中式机器学习方法处理大数据的效率，节约了时间成本，提高风险评估中大数据的处理效率，同时避免集中式的通信过载问题。
一种通信网络风险评估分布式随机森林方法

[发明专利]一种具有权值衰减的分布式自适应在线学习方法-CN202010353941.9在审
发明人： 申修宇;李德权;方润月 -专利权人：安徽理工大学
申请日： 2020-04-29 - 公布日： 2020-08-25 - 主分类号： G06F9/50 文献下载
摘要：本发明解决了分散网络中的一个自适应在线学习问题，其中一组学习者的目标函数是局部时变函数的和，而节点间的通信模型是一个连通的无向图。针对这一问题，首次提出了一种利用分布式优化方法和自适应策略的权值衰减分布式自适应在线梯度学习方法。该方法在图像数据集上对一个多项逻辑回归任务进行了数值实验，证实了该方法的计算优势，并与其他在线优化方法进行了比较，该方法优于其他方法。
一种有权衰减分布式自适应在线学习方法

[发明专利]基于遗传算法优化深度神经网络的通信网络风险评估方法-CN202010087320.0在审
发明人：方润月;李德权;申修宇 -专利权人：安徽理工大学
申请日： 2020-02-11 - 公布日： 2020-06-23 - 主分类号： H04L12/24 文献下载
摘要：随着通信网络的快速稳定发展，通信网络的规模急剧扩大以及其复杂性增加，业务承载量快速膨胀，安全风险日益增加。本发明提出了一种基于遗传算法优化深度神经网络的通信网络风险评估方法，可以有效的对通信网络的风险进行量化评估。所提方法利用遗传算法对深度神经网络中的权重和阈值进行优化，然后将优化后的权重和阈值代入深度神经网络中训练模型得到风险评估值。该方法克服了传统的主观性的风险评估方法，使得评估结果更加准确可靠。最后，对该方法进行了实例仿真，结果表明该方法在实际应用中运行良好。
基于遗传算法优化深度神经网络通信网络风险评估方法

[发明专利]一种基于聚合规则的动态约束自适应方法-CN202010013265.0在审
发明人：李德权;许月;申修宇;方润月 -专利权人：安徽理工大学
申请日： 2020-01-07 - 公布日： 2020-06-02 - 主分类号： G06F17/15 文献下载
摘要：在分布式高维Byzantine环境下，提出了一种动态约束的自适应优化方法结合聚合规则Saddle(·)的算法，能最大弹性限度地抵御蓄意攻击问题并有效求解优化问题。基于梯度更新规则，首先提出了一种新的Byzantine攻击方式——鞍点攻击。并分析了当目标函数陷入鞍点时，相比较于自适应和非自适应方法，所提出的动态约束自适应方法能够更快逃离鞍点。其次，构造了一种过滤Byzantine个体的聚合规则Saddle(·)，在分布式高维Byzantine环境下，采用动态约束的自适应优化方法结合聚合规则Saddle(·)能够有效抵御鞍点攻击。最后实验验证比较并分析了动态约束自适应与自适应和非自适应方法的优劣性。结果表明，结合聚合规则Saddle(·)的动态约束自适应在分布式高维Byzantine环境下受鞍点攻击的影响较小。
一种基于聚合规则动态约束自适应方法

[发明专利]一种基于条件梯度的加速分布式在线优化方法-CN201911045411.1在审
发明人： 申修宇;李德权;董翘 -专利权人：安徽理工大学
申请日： 2019-10-30 - 公布日： 2020-02-07 - 主分类号： H04L12/24 文献下载
摘要：基于条件梯度，提出了一种加速分布式在线条件梯度优化方法，可以有效地解决了分布式在线优化算法时间复杂度高的问题。所提方法将网络优化目标函数分解为每个节点或个体的局部目标函数之和，每个个体只知道自己的目标函数，通过与相邻个体之间的信息传递，协同解决优化问题。该方法通过在每个个体的局部代价信息中加入正则化项，构造了一个新的时变代价函数，避免了传统条件梯度算法对梯度大小不敏感的缺点。该方法还利用局部线性优化设置代替投影运算，使算法的收敛速度成倍提高。最后，对各种任务进行了实验验证，结果表明该方法在实际应用中运行良好，与现有的优化方法相比具有一定的优越性。
目标函数算法时间复杂度网络优化目标传统条件代价函数代价信息函数分解基于条件局部线性实验验证梯度算法梯度优化投影运算信息传递优化问题在线条件在线优化正则化项不敏感有效地时变算法收敛优化协同应用

[发明专利]一种具有动态学习速率边界的分布式自适应矩估计方法-CN201910941984.6在审
发明人： 申修宇;李德权;方润月 -专利权人：安徽理工大学
申请日： 2019-09-30 - 公布日： 2020-01-07 - 主分类号： G06N20/10 文献下载
摘要：基于自适应梯度的优化方法如ADAGRAD、RMSPROP、ADAM等被广泛应用于解决包括深度学习在内的大规模机器学习问题。在现有的工作中，已经针对外围节点与中心节点的通信并行化问题提出了许多解决方案，但通信成本往往较高。并且现有的方法普遍存在泛化能力较差，甚至由于不稳定和极端的学习率而无法收敛。为了解决目前存在的问题，开发了一种新的具有动态学习速率边界的分布式自适应矩估计方法(DADBOUND)，用于在分散网络上进行在线优化，从而实现数据并行化和分散计算。并且该方法利用学习率的动态范围来实现从自适应方法到DSGD的渐进平稳过渡，以消除自适应方法和DSGD之间的泛化差距，同时在训练初期保持较高的学习速度。最后，对各种任务进行了实验验证，结果表明DADBOUND方法在实际应用中效果良好，与其他在线优化方法相比具有一定的优势。
自适应在线优化并行化学习动态学习分散网络机器学习实验验证通信成本外围节点中心节点矩估计渐进收敛应用通信优化开发

[发明专利]一种利用WiFi信号研究有故障多个体系统一致性的方法-CN201910496319.0在审
发明人：姜颖;李德权;申修宇;汪伟;周跃进 -专利权人：安徽理工大学
申请日： 2019-06-10 - 公布日： 2019-09-13 - 主分类号： H04L12/24 文献下载
摘要：本发明涉及一种利用WiFi信号研究有故障多个体系统一致性的方法:二阶多智能体系统是研究多个体系统的一个重要模型，在研究二阶无向网络拓扑系统时，当网络遭到故障攻击时，产生的故障个体会对整个网络收敛状态产生影响。对于这一问题，测量WiFi无线信号的信道，根据测量值设定了随时间变化的权重系数，研究了一种在二阶多个体网络系统中，存在故障攻击个体时满足,系统弹性一致性的算法，计算了速度与位移这两个系数所满足一致性的参数关系式，通过比较各种情况下的仿真实例并验证了算法的有效性。
二阶系统一致性故障攻击算法研究测量多智能体系统网络拓扑系统参数关系式随时间变化权重系数收敛状态网络系统系统弹性整个网络信道验证网络

1
共 12 条