-
公开(公告)号：CN118573422A
公开(公告)日：2024-08-30
申请号：CN202410626033.0
申请日：2024-05-20
Applicant: 河南大学
Abstract: 本发明提出了一种基于先验信息的量子安全联邦学习客户端选择方法，包括从客户端的先验信息中采用因果推理筛选出客户端的重要先验信息，采用LSTM网络预测客户端未知信息；基于获取的客户端信息以及自身的参与意愿设计双向选择机制，把服务器和客户端之间的双向选择建模为双方效用最大化问题，设计主从博弈算法找到最优的客户端选择策略以及奖励分发策略，引入量子密钥分发技术并设计动态密钥管理策略。本发明能根据客户端的先验信息预测其未知信息，有效降低预测复杂度，充分考虑到客户端的自主性以及奖励机制在客户端选择中的作用，从而有效找到客户端选择策略以及服务器定价策略，缩短模型训练时间，提高模型训练精度，并具有更好的适用性，还引入量子密钥分发技术保证本地模型参数传输过程中的安全性。
-
公开(公告)号：CN117116048A
公开(公告)日：2023-11-24
申请号：CN202311088919.6
申请日：2023-08-28
Applicant: 河南大学
IPC: G08G1/01 , G06F18/213 , G06F18/15 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06Q10/04 , G06Q50/26
Abstract: 本发明提出了一种基于知识表示模型和图神经网络的知识驱动交通预测方法，步骤为：对采集到的交通数据进行预处理，根据传感器节点的位置构建交通路网拓扑图；将交通路网拓扑图中知识图谱中的实体和关系转换为低维向量，通过门控特征融合模块根据外部因素的重要性自适应且动态地将外部因素与交通特征进行融合并更新；将更新后的交通特征和邻接矩阵输入图卷积GCN；通过时空联合捕捉模块的扩张因果卷积对时间级与空间级上的交通特征联合捕捉生成预测速度；根据损失函数训练交通预测模型，进行测试得到预测的交通速度。本发明根据外部因素的重要性，自适应地对交通特征进行融合并动态更新，从而更好地反映交通特征的变化，提高了预测模型的准确性。
-
公开(公告)号：CN117095546A
公开(公告)日：2023-11-21
申请号：CN202311053702.1
申请日：2023-08-21
Applicant: 河南大学
IPC: G08G1/081 , G06F30/27 , G06N3/0499 , G06N3/042 , G06N3/084 , G06N3/092 , G06Q10/0639
Abstract: 本发明提出了一种基于图变换网络的多路口交通信号控制方法，S1：构建交通路网环境，并构建道路网络图；S2：读取道路网络图信息，建立车辆状态集合，获取各个路口观测的原始数据；S3：对原始数据进行初始化编码，得到路口当前的状态信息；S4：将路口当前的状态信息输入图变换网络层中，利用图变换网络层捕捉道路网络图的空间相关性，更新路口状态信息并输出；S5：将更新后的路口状态信息输入到深度强化学习模型中优化的深度Q网络中，确定最优的信号控制策略，得到交通信号控制模型；S6：将训练完毕的交通信号控制模型进行测试，并选取评估指标评估交通信号控制模型的性能。本发明实现路口交通信号的自适应控制，能够实时高效响应动态交通场景。
-
公开(公告)号：CN114371728B
公开(公告)日：2023-06-30
申请号：CN202111525070.5
申请日：2021-12-14
Applicant: 河南大学
IPC: G05D1/10
Abstract: 本发明的目的是提供一种基于多智能体协同优化的无人机资源调度方法，优化多无人机系统的协同调度能力，首先以任务环境中智能体状态st作为多智能体系统输入，然后通过策略网络输出动作at并由评价网络评估，最后输出由连续动作组成的调度策略π；针对连续覆盖和持续性服务两个目标，提出了特殊状态空间和动作空间，通过动作评估机制确定最优调度策略，构造了合理的动作奖励函数rt，使低能耗和连续覆盖的策略成为多智能体系统更好的选择，在算法中设置的经验回放单元随状态和动作空间的更新而改变，通过误差和损失函数L(θQ)来训练输出高评估值动作at，并以此方式共同更新其他智能体，对任务环境中其他智能体的策略进行联合评估，提高多无人机系统的协同调度能力。
-
-
-
Search Results
14
records
(took 0.015 seconds)
