-
公开(公告)号:CN119416857A
公开(公告)日:2025-02-11
申请号:CN202510024529.5
申请日:2025-01-08
Applicant: 吉林大学
IPC: G06N3/092 , G06N3/084 , G06N3/0985 , G06N3/006
Abstract: 本发明公开离线强化学习技术领域的基于相关性的离线强化学习维度缺失动作数据填补方法,具体步骤为:通过智能体与环境交互后,获取到数据集#imgabs0#,对数据集#imgabs1#进行分析,识别存在缺失的维度、构建并训练模型、加载包含维度缺失动作数据的数据集,读取其中的动作数据,将其转换为PyTorch张量,然后加载已预训练完毕的模型,对数据集#imgabs2#中的缺失值进行插补,得到插补后的数据集#imgabs3#以及将得到的数据集#imgabs4#用于训练离线强化学习智能体,本发明有助于提高离线强化学习模型在处理不完整数据时的准确性和鲁棒性,从而增强模型在实际应用中的表现。
-
公开(公告)号:CN119149834A
公开(公告)日:2024-12-17
申请号:CN202411658282.4
申请日:2024-11-20
Applicant: 吉林大学
IPC: G06F16/9537 , G06F16/9535 , G06Q50/00 , G06N3/0455 , G06N3/084
Abstract: 本发明公开城市推荐技术领域的基于用户历史签到序列的城市POI推荐与时间戳预测方法,具体步骤为:收集用户的历史签到数据,并按照时间顺序对每位用户的签到记录进行排序,形成用户签到序列,随后将数据实时传输至服务器并存储、对数据进行预处理,然后从预处理后的用户签到序列中提取出有效的POI序列和时间戳序列,将POI序列和时间戳序列输入到构建的TAPT模型中,利用TAPT模型中高效的编码器模块和嵌入连接层,将POI嵌入与时间戳嵌入进行融合,形成联合嵌入,最终,联合嵌入输入到POI推荐模型和时间戳预测器中,实现对POI及其对应时间戳的联合预测,克服了现有技术在用户行为建模和时间信息处理方面不足的问题。
-
公开(公告)号:CN115712808A
公开(公告)日:2023-02-24
申请号:CN202211271763.0
申请日:2022-10-18
Applicant: 吉林大学
IPC: G06F17/18 , G06F30/20 , G08G1/01 , G06F119/12
Abstract: 本发明公开了一种基于BPR函数模型的城市道路交通时间的计算方法及其系统。将城市道路通行分为非拥堵路段和拥堵路段;根据非拥堵路段,对BPR函数的参数进行修改,获取非拥堵路段的交通通行时间;根据车辆轨迹数据,通过轨迹跟踪的方式标记车辆停留点;基于轨迹跟踪方法,提取道路速度值,获得拥堵路段的交通通行时间;将非拥堵路段的交通通行时间与拥堵路段的交通通行时间累加,得出改造型BPR函数模型,计算得出城市道路交通通行时间;对得到的城市道路交通通行时间,进行仿真计算,已验证改造型BPR函数模型的效果。用以解决现有的BPR模型未考虑拥堵情况的复杂情形,适用于高速公路连续流,不适用于考虑拥堵排队等待情况下的复杂城市公路网规划网。
-
公开(公告)号:CN111737870A
公开(公告)日:2020-10-02
申请号:CN202010579489.8
申请日:2020-06-23
Applicant: 吉林大学
Abstract: 一种线上线下双层网络信息传播模式的分析方法,涉及一种双层路由信息传播方法,解决现有社交网络中信息传播方法中没有考虑离线移动网络中的影响,使传播效果差等问题,本发明所述的分析方法在兼顾两种网络的特点后将两层网络压缩为一层。在单层网络中找到形成最佳集合的前k个节点,也就是关键传播者。k个节点的影响并不是简单的求每个节点的总和,而是这k个节点所组成的节点集的轮廓边的总权重。本发明提出的IMOOP算法,可以选择最佳的位于关键节点的人,以便在信息截止日期之前最大化信息影响力。本发明方法为信息传播算法带来了一个更加全面的角度,使得信息传播的准确性得到了极大程度的提高。
-
-
-