-
公开(公告)号：CN118195199A
公开(公告)日：2024-06-14
申请号：CN202410174992.3
申请日：2024-02-07
Applicant: 清华大学
IPC: G06Q10/0631 , G06Q50/40 , G06N3/047 , G06N3/092
Abstract: 本发明提供一种网约车调度优化模型获取方法及装置，涉及数据处理技术领域。所述方法包括：确定每个网格的状态表征；根据状态表征、司机特征、订单特征和订单数量和司机数量，确定每个网格中的订单车辆联合调度策略；执行每个网格中的订单车辆联合调度策略，生成基于元学习的奖励函数，根据所述奖励函数生成基于合作强度的合作优势函数和基于全局回报的全局优势函数，根据所述全局优势函数和所述合作优势函数优化合作强度参数；根据优化合作强度参数后的合作优势函数优化合作策略，得到网约车调度优化模型。所述装置执行上述方法。本发明实施例提供的方法及装置，能提高车辆运载乘客的效率。
-
公开(公告)号：CN118098628A
公开(公告)日：2024-05-28
申请号：CN202410210378.8
申请日：2024-02-26
Applicant: 清华大学
IPC: G16H50/80 , G16H50/30 , G06F16/587 , G06V10/26 , G06V10/764
Abstract: 一种基于地理标记图像的传染病风险识别方法及装置，方法包括：利用预先建立的视觉模型，对地理标志图像进行稠密表征向量提取与聚合，得到图节点特征；利用移动模型，对人口数量与区域间距进行处理，得到边权重；对图节点特征进行线性变换，得到易感者表征向量、感染者表征向量及康复者表征向量，利用边权重，对邻域的感染者表征向量进行聚合；根据本区域易感者表征向量与本区域感染者表征向量，确定各区域对应的区域易感者表征向量、区域感染者表征向量及区域康复者表征向量，对各区域表征向量进行拼接与聚合，确定传染病风险等级。本发明在更好地表示疾病传播过程的同时，实现了领域知识与海量数据的协同驱动，并实现了高准确度的疾病风险识别。
-
公开(公告)号：CN108581097B
公开(公告)日：2024-05-17
申请号：CN201810711608.3
申请日：2018-07-03
Applicant: 清华大学无锡应用技术研究院 , 无锡微研精微机械技术有限公司
Abstract: 本发明公开了一种可用于在线制作电极的紧凑型线电极磨削机构，所述机构包括丝盘、力矩电机、线电极、出丝陶瓷柱单元、若干导向柱单元、WEDG顶板、若干导向轮单元、WEDG支撑座、WEDG板、微细电极加工模块、收丝陶瓷导向管、收丝陶瓷柱单元以及收丝机构。本发明采用步进电机恒速驱动线电极运动，力矩电机与弹性压丝单元配合反向拉丝提供线电极张力，实现线电极的恒速恒张力自动控制。采用压力可调的摩擦轮收丝机构，通过螺钉调节摩擦轮间的压力，实现不同规格电极丝的平稳收丝。进丝、出丝区域与加工区域完全分离，且加工区域支撑板高度灵活可调，实现对浸液和冲液加工环境的选择多样性。
-
公开(公告)号：CN117874369A
公开(公告)日：2024-04-12
申请号：CN202410078386.1
申请日：2024-01-18
Applicant: 清华大学
IPC: G06F16/9537 , G06N5/022
Abstract: 本发明提供一种个性化信息推荐方法及装置，涉及知识图谱技术领域。所述方法包括：获取时空信息，用户标识信息和用户需要的产品标识信息；其中，所述时空信息包括以小时作为最小时间粒度的时间段信息，以及以区域功能类型划分的空间信息；基于可学习的元图网络构建的优化时空知识图谱对所述时空信息，所述用户标识信息和所述产品标识信息进行处理，得到向与所述用户标识信息对应用户推荐的目标产品标识信息。所述装置执行上述方法。本发明实施例提供的个性化信息推荐方法及装置，方便时空知识图谱投入使用，增强个性化信息推荐的适用性。
-
公开(公告)号：CN111695965B
公开(公告)日：2024-04-12
申请号：CN202010340665.2
申请日：2020-04-26
Applicant: 清华大学 , 杭州贝购科技有限公司
IPC: G06Q30/0601 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例涉及商品智能化推荐技术领域，公开了基于图神经网络的产品筛选方法、系统及设备。本发明实施例先获取当前产品对应的第一产品信息向量与当前用户对应的第一用户信息向量；将第一产品信息向量与第一用户信息向量输入至第一预设产品筛选模型，输出第一分值；基于第一分值确定对应的目标产品信息。明显地，本发明实施例可将产品信息向量转换为用户信息向量进行表征，还将根据用户信息向量转换为产品信息向量进行表征。然后，以转换后的信息向量进行分值确定。可见，该模型使用方式深入挖掘了交易信息中隐含的用户与商品之间的关联性，使得建模较为充分，自然也就提高了产品推荐的准确性，解决了推荐准确性较低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN117649032A
公开(公告)日：2024-03-05
申请号：CN202210987249.0
申请日：2022-08-17
IPC: G06Q10/047 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/092 , G06Q50/40
Abstract: 本申请提供一种路径规划方法及装置，属于车辆路径规划技术领域。所述方法用于利用A*算法生成车辆从预设起点到预设终点的行驶路径，所述方法包括：第一计算步骤，利用预测模型得车辆从当前节点行驶到相邻的至少一个下一节点的时间成本，并生成车辆从预设起点行驶到每个下一节点的时间成本；第二计算步骤，利用成本估计模型得到车辆从每个下一节点行驶到预设终点的时间成本；选择步骤，确定出每个下一节点对应的总时间成本并选择出车辆从当前节点去往的目标节点；判断步骤，判断所述目标节点是否为预设终点，若是，则输出规划路径，否则，更新相关状态后返回所述第一计算步骤。本申请能够提高路径规划效率，且规划得到的最快路径更为准确。
-
公开(公告)号：CN117290611B
公开(公告)日：2024-02-23
申请号：CN202311577580.6
申请日：2023-11-24
Applicant: 北京信立方科技发展股份有限公司 , 清华大学
IPC: G06F16/9535 , G06F16/36 , G06F18/25 , G06F18/23 , G06N3/0464 , G06N3/09
Abstract: 本发明提供一种基于多层次知识图谱的仪器推荐方法及装置，涉及仪器推荐技术领域，方法包括：获取目标用户的仪器使用数据，目标用户的仪器使用数据包括仪器使用信息和目标用户与仪器的交互信息；根据仪器使用信息，得到仪器知识图谱，以及根据目标用户与仪器的交互信息，得到仪器交互二部图；将仪器知识图谱和仪器交互二部图输入至仪器推荐模型中，得到仪器推荐模型输出的仪器推荐结果。本发明不仅依赖用户的历史交互数据，还考虑仪器在仪器知识图谱中的位置和与其他仪器的关系，以及其在特定应用领域的重要性，从而显著提升推荐系统对用户需求的理解，以为用户提供更加合适、有针(56)对比文件唐浩 等.基于协同知识图谱特征学习的论文推荐方法.计算机工程.2020,第46卷(第09期),306-312.唐浩;刘柏嵩;刘晓玲;黄伟明.基于协同知识图谱特征学习的论文推荐方法.计算机工程.(第09期),
-
公开(公告)号：CN117332559A
公开(公告)日：2024-01-02
申请号：CN202311116324.7
申请日：2023-08-31
Applicant: 清华大学
Abstract: 本发明提供一种用于基于GPU的微观交通模拟的存储装置，包括：用于存储城市交通模拟仿真中固定对象和移动对象的静态数据的静态数据存储单元以及用于存储城市交通模拟仿真中移动对象的动态数据的动态数据存储单元；固定对象包括城市中的车道和感兴趣区域；移动对象包括车道上的车辆；车道/感兴趣区域的静态数据为其固有信息；车辆静态数据为车辆的位置和速度；车辆动态数据为车辆索引、车辆路径规划和车辆出行时刻表。本发明根据GPU的特点，综合考虑微观交通模拟中需要模拟的对象与数据，将待存储数据分为静态数据和动态数据两大类，并分别设计合适的静态数据存储单元与动态数据存储单元，以支撑GPU上的微观交通模拟实施。
-
公开(公告)号：CN117253358A
公开(公告)日：2023-12-19
申请号：CN202311116338.9
申请日：2023-08-31
Applicant: 清华大学
IPC: G08G1/01 , G08G1/0968 , G08G1/16
Abstract: 本发明提供一种基于GPU的微观交通模拟方法和装置，用于GPU中执行的每一轮模拟迭代，包括：构建城市道路网每一个车道的主链‑支链链表；基于主链‑支链链表，生成城市道路网每一个车辆的车辆索引；根据城市道路网每一个车辆的车辆索引和从外部获取的城市道路网每一个车辆的路径规划，模拟每一个车辆的交通运行；其中，每一个车辆的车辆索引，用于索引每一个车辆所属车道以及每一个车辆的周围车辆；每一个车辆的路径规划，为每一个车辆从给定起点到给定终点的驾驶导航。本发明适配性的将GPU用于微观交通模拟中，以使GPU承担城市级别的细粒度微观交通模拟所需的海量算力，从而大幅度提高微观交通模拟的效率。
-
公开(公告)号：CN117252252A
公开(公告)日：2023-12-19
申请号：CN202311081579.4
申请日：2023-08-25
Applicant: 清华大学
Abstract: 本发明提供一种多智能体强化学习智能决策方法及装置。该方法包括：确定当前时间步下目标问题内多个智能体所在单元的状态向量；将相邻智能体的状态向量输入到目标智能体中算法模型包含的图注意力网络，获得相应的影响权重，基于影响权重对相邻智能体的状态向量进行加权平均处理得到对应的平均场向量；将目标智能体的状态向量和平均场向量输入到目标智能体中算法模型包含的行动器网络中，获得目标智能体对应的处理决策，以控制目标智能体在当前时间步下按照处理决策执行相应的动作。本发明提供的方法，能够适用于大规模智能体智能决策，大幅提升了多智能体强化学习智能决策效率和精确度，有效提高了智能体决策水平。
-
-
-
-
-
-
-
-
-
Search Results
588
records
(took 0.093 seconds)
