基于知识图谱共同邻居排序采样的推荐模型

知识图谱作为辅助信息可以有效缓解传统推荐模型的冷启动问题。但在提取结构化信息时,现有模型都忽略了图谱中实体之间的邻居关系。针对这一问题,该文提出一种基于共同邻居排序采样的知识图谱卷积网络(KGCN-PN)推荐模型,该模型首先基于共同邻居数目对知识图谱中的每个实体邻域进行排序采样;其次利用图卷积神经网络沿着图谱中的关系路径将实体自身信息与接收域信息逐层融合;最后将用户特征向量与融合得到的实体特征向量送入预测函数中预测用户与实体项目交互的概率。实验结果表明该模型在数据稀疏场景下相较其他基线模型性能均获得了相应提升。     

基于数据和知识的5G网络故障诊断方法

针对现有5G网络故障诊断的准确率和运维效率不高的问题,提出了一种基于数据和知识的5G网络故障诊断算法。首先,利用图卷积神经网络（graph convolutional network,GCN）训练5G网络故障数据集,得到故障诊断模型;然后,对多源数据源进行知识整合、知识抽取、知识融合和表示,构建一个5G网络故障知识图谱（knowledge graph,KG）;最后,利用知识图谱分析故障诊断模型输出结果,生成故障报告,进而提高故障诊断模型输出的可解释性。所提方法为5G网络故障诊断提供了一种新的准确而高效的解决方案,实验表明,该故障模型准确率达到了95%。此外,5G网络故障知识图谱能够为运维人员提供支持,助力分析故障原因。     

基于异构图卷积网络的药物-细胞系响应预测

准确预测药物敏感性响应是当前个性化治疗的关键,然而,如何高效融合药物、细胞系以及已观察到的药物-细胞系作用关系数据,仍面临着很大挑战。本文基于药物结构分子指纹特征数据、细胞系基因表达谱数据和已知的药物-细胞系作用关系数据,提出一种融合异构图卷积网络和深度神经网络的药物-细胞系预测模型HGCNDCP。首先分别计算药物相似性和细胞系相似性,构建异构网络;通过异构图卷积模型对药物和细胞系进行特征表示学习;使用DNN模型预测药物-细胞系响应关系;最后在GDSC数据集中测试,并与TMF、HNMDRP、NRL2DRP和HRWR算法进行比较。测试结果表明,本文算法具有较高的预测性能。     

高速公路交通突发事件案例的本体模型及应用

针对案例驱动的高速公路交通突发事件应急管理的需求,基于本体技术建立了交通突发事件案例的本体模型.该模型可以提供对高速公路交通突发事件的发展过程与应急处置全过程知识的语义一致性描述,屏蔽高速公路不同路段、不同管理部门交通信息管理系统之间的异构性,实现交通突发事件应急案例知识的充分共享和运用.将本体模型应用于高速公路的联动应急救援领域,建立了应急案例共享系统的框架,并以典型的重特大交通事故应急处置为例给出了基于本体模型的应急案例语义描述.     

基于三维图卷积与注意力增强的行为识别模型

针对当前行为识别方法无法有效提取非欧式3维骨架序列的时空信息与缺乏针对特定关节关注的问题,该文提出了一种基于3维图卷积与注意力增强的行为识别模型。首先,介绍了3维卷积与图卷积的具体工作原理;其次,基于图卷积中可处理变长邻居节点的图卷积核,引入3维卷积的3维采样空间将2维图卷积核改进为具有3维采样空间的3维图卷积核,提出一种3维图卷积方法。针对3维采样空间内的邻居节点,通过3维图卷积核,实现了对骨架序列中时空信息的有效提取;然后,为增强对于特定关节的关注,聚焦重要的动作信息,设计了一种注意力增强结构;再者,结合3维图卷积方法与注意力增强结构,构建了基于3维图卷积与注意力增强的行为识别模型;最后,基于NTU-RGBD和MSR Action 3D骨架动作数据集开展了骨架行为识别的研究。研究结果进一步验证了基于3维图卷积与注意力增强的行为识别模型针对时空信息的有效提取能力及识别准确率。     

基于三维图卷积与注意力增强的行为识别模型

针对当前行为识别方法无法有效提取非欧式3维骨架序列的时空信息与缺乏针对特定关节关注的问题,该文提出了一种基于3维图卷积与注意力增强的行为识别模型.首先,介绍了3维卷积与图卷积的具体工作原理;其次,基于图卷积中可处理变长邻居节点的图卷积核,引入3维卷积的3维采样空间将2维图卷积核改进为具有3维采样空间的3维图卷积核,提出一种3维图卷积方法.针对3维采样空间内的邻居节点,通过3维图卷积核,实现了对骨架序列中时空信息的有效提取;然后,为增强对于特定关节的关注,聚焦重要的动作信息,设计了一种注意力增强结构;再者,结合3维图卷积方法与注意力增强结构,构建了基于3维图卷积与注意力增强的行为识别模型;最后,基于NTU-RGBD和MSR Action 3D骨架动作数据集开展了骨架行为识别的研究.研究结果进一步验证了基于3维图卷积与注意力增强的行为识别模型针对时空信息的有效提取能力及识别准确率.     

面向交通流预测的分支定界算法图卷积模型

为对交通流进行准确预测，提出一种将图优化与预测相结合，在单管路中面向交通流的时空混合图卷积预测模型，用于边缘环境下物联网的城市交通流预测。首先对关联图进行预处理，以去除城市交通数据原始道路网中的噪声；再用LOF删除不相关的模型和噪声；最后将得到的图扩展成图卷积神经网络，估算城市的交通流。另外，采用基于分支定界的优化技术对超参数进行精确调整。结果表明：所提模型在交通流预测方面效果更优，当图中节点数较多时，预测的精准性明显优于其他基准模型。     

基于剪边策略的图残差卷积深层网络模型

图神经网络自2005年以来已经逐步成为图学习中的一个重要的研究分支,其中最为活跃的是图卷积神经网络.由于图数据在现实世界中广泛存在,因此有效地完成图结构数据的学习具有很大的应用前景.目前出现的大多数图卷积神经网络模型基本都是浅层结构,过平滑问题成为制约该领域发展的瓶颈问题.本文提出了一种称为dri-GCN(Graph Convolutional Network via dropedge,residual and identity mapping)的图残差卷积深层网络模型,该模型集成了图剪边、初始残差和恒等映射技术.主要思想包括：利用图剪边技术增加学习数据的多样性,以防止学习过程中的过拟合现象;构建恒等映射下的初始残差网络,来扩展残差单元的学习路径,以削弱学习过程中的过平滑问题.实验结果表明,本文提出的dri-GCN模型可以帮助构建深层图卷积神经网络,通过网络层次的加深可以获得优于浅层网络的学习准确率.     

基于图卷积神经网络的大规模软件定义网络流量预测模型

为了提高大规模软件定义网络流量预测的准确率,研究基于图卷积神经网络的大规模软件定义网络流量预测模型。构建包含图卷积神经网络（Graph Convolution Neural Network, GCN）层、门控递归单元（Gating Recursive Unit, GRU）层及自注意力机制层的流量预测模型。通过GCN层与GRU层分别重构与更新网络流量的空间与时间特征;将两种特征共同输入自注意力机制层,经整合与加权平均运算后,获得网络流量预测值输出,实现大规模软件定义网络流量预测。实验结果显示,该模型可精准预测大规模软件定义网络流量,降低所应用网络的通信丢包率与通信延时,实现高质量高时效的网络数据传输,保障大规模软件定义网络的智能流量通信。     

融合成对损失函数与分级图卷积网络的协同排名模型

协同排名方法是一类直接优化推荐项目序列的推荐方法,但在显式评分场景中,现有的协同排名算法对用户和项目间的交互信息利用不足,使用的交互函数对用户和项目间的非线性交互关系建模不充分。针对此问题,提出一种融合成对损失函数与分级图卷积网络的协同排名模型。首先根据评分数据构造用户和项目的分级异质交互二部图以及项目间的成对比较集合;之后利用分级图卷积网络挖掘用户和项目间的异质交互关系,并设计相应的自连接操作;接着利用神经网络融合辅助信息以构造两者的嵌入表示,结合神经网络与内积构造用户项目间的交互函数以建模非线性关系;最后基于成对比较数据优化模型,提升模型预测排名质量。在多个公开数据集上与同类方法的对比实验结果表明,所提算法预测排名质量较优。     

城市轨道交通应急指挥中心综合信息应用分析

随着城市轨道交通网络规模的扩大,城市轨道将逐渐成为输送城市客流的主要交通方式,城市轨道交通的安全保障和应急处置能力也越来越重要。从城市轨道交通应急指挥中心功能需求分析出发,深入研究了城市轨道交通应急指挥中心的综合信息应用系统,并提出所需的关键支撑系统,以期能够系统性地分析和总结城市轨道交通应急指挥中心的业务功能,供相关城市在建设轨道交通应急指挥中心时进行参考。     

城市轨道交通建设中通信系统关键节点分析

近年来轨道交通的建设已经趋于大规模网络化,建设工期日趋紧张在城市轨道交通建设中尤为明显,这就要求对城市轨道交通的建设节点做好把控。通信系统是城市轨道交通建设中比较重要的一环,因为其还承载着电力监控和自动售检票系统的数据传输,故通信系统的建设将影响整体建设的进度及工期,文章将就轨道交通建设里的通信系统节点进行全面分析。     

信息化教学在城市轨道交通运营管理专业的应用--以“城市轨道交通票务管理”教学为例

多年实践研究证明,在城市轨道交通运营管理专业中,采用信息化技术教学设施以及平台,能够对数字化教学资源进行整合,进而与信息化实训平台相结合,促使课堂教学效果得到根本提升。文章以"城市轨道交通票务管理"教学为案例,针对教学实践展开分析,希望能为城市轨道交通运营管理专业教学的进步提供一定借鉴。     

论城市轨道交通传输网络的设计方案

对城市轨道交通通信系统的传输网络需求进行了分析，对各种传输制式进行了比较，提出了城市轨道交通通信系统传输网络的最佳解决方案。     

论城市轨道交通传输网络的设计方案

对城市轨道交通通信系统的传输网络需求进行了分析，对各种传输制式进行了比较，提出了城市轨道交通通信系统传输网络的最佳解决方案。     

基于知识图谱的信号智能运维故障树模型实现方案

城市轨道交通信号系统存在设备繁多、日常报警和故障数据量大、种类繁杂等特点,智能运维故障处置功能急需新的技术来实现。文中提出了一种基于知识图谱的信号智能运维故障树模型实现方案,针对现有故障数据建立信号系统专家知识库,使用图数据库进行存储,界面则使用故障树模型对专家系统进行可视化输出,为日常设备维护、报警分析和故障排查等提供了技术支持。     

基于5G移动通信网络的城市轨道交通PIS系统应用探究

5G移动通信网络采用新一代蜂窝移动技术,其数据传输速率高于第四代移动通信网络的十倍之多,将第五代移动通信网络应用于城市轨道交通PIS无线系统中,可改善目前基于无线局域网构建的PIS系统中通讯信号易干扰、故障多等弊端。本文从LTE-A技术、MIMO增强技术、MEC技术等5G移动通信关键技术为切入点,从城市轨道交通系统的核心层、接入层、应用层出发,构建全新的智慧轨道交通系统。     

城市轨道交通传输技术分析

本文在对MSTP、OTN、ATM、IP、RPR等传输技术分析比较的基础上,结合城市轨道交通传输设备选型和组网的需求和特点,对城市轨道交通传输方案进行了探讨。     

城市网络交通突发事件应急方案

随着我国城市现代化水平的不断提高和经济的快速发展,交通供需矛盾日渐突出,道路交通网络十分脆弱,一旦发生突发事件,极易引发大面积交通拥堵甚至瘫痪,这将引发严重的社会危害。因此,研究突发事件下城市路网交通应急方案具有重要意义。本文在BA网络模型的基础上重现突发事件下的交通拥堵的形成过程,收集形成过程中产生的各项特征参数,分析交通拥堵的形成机理。最后,提出了应对突发事件下交通拥堵的交通路径策略,从而降低突发事件对网络交通的影响。     

城市轨道交通电气化、自动化技术人才培养方式探讨

随着我国城市轨道交通的快速发展,城轨行业电气化、自动化岗位专业技术人才较为缺乏,本文深入分析了车站设备维护与管理技术岗位及现场技术特点,剖析岗位专业技术人才培养需求的变化,提出城市轨道交通专业教学的应对措施,为专业人才培养更好地适应城轨交通行业的发展形势提供借鉴。