-
公开(公告)号：CN116432024A
公开(公告)日：2023-07-14
申请号：CN202310226232.8
申请日：2023-03-03
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06F18/10 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明实施例提供了一种用于机动目标的轨迹观测数据去噪模型的训练方法，所述模型包括预处理单元和去噪自编码器，所述方法包括：获取训练集，训练集中每个样本包括输入数据和标签，输入数据为传感器在预定时间间隔内观测目标运动轨迹得到的多帧观测数据，标签为对应时间内目标的真实运动轨迹；利用训练集训练模型，并基于计算的损失更新模型的参数，其中，预处理单元对输入数据进行降噪预处理，去噪自编码器对降噪预处理后的输入数据进行编解码，模型基于去噪自编码器编解码后的输出得到去噪后的运动轨迹，本发明实施例通过该训练方法训练得到的模型能对观测数据进行有效去噪的能力，从而提高模型对机动目标的运动轨迹估计的准确性。
-
公开(公告)号：CN112949628A
公开(公告)日：2021-06-11
申请号：CN202110168050.0
申请日：2021-02-07
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于嵌入‑混合的轨迹数据增强及轨迹识别方法。所述轨迹数据增强方法包括：将轨迹数据中的每条轨迹转换成相应感兴趣点的集合；基于所有感兴趣点的总集计算包含每个感兴趣点编码的嵌入矩阵；基于所述嵌入矩阵确定每一条轨迹的轨迹编码向量；对任意两条或更多条轨迹的编码向量进行加权融合，获得新的编码向量；按照步骤S3的逆过程，对所获得的编码向量进行解码获得新的轨迹数据。本发明的轨迹数据增强方法可以有效地应用在轨迹数据上，可以同时针对轨迹数据的顺序性、空间性、语义性进行数据增强工作。既不会破坏轨迹数据的顺序性，又能考虑到轨迹数据的空间性和语义性。进而可以达到提升轨迹识别模型精度的效果。
-
公开(公告)号：CN112181667A
公开(公告)日：2021-01-05
申请号：CN202011192104.9
申请日：2020-10-30
Applicant: 中国科学院计算技术研究所
IPC: G06F9/50
Abstract: 本发明实施例提供了一种假设树的虚拟化管理方法，用于边缘设备中假设树的虚拟化管理，包括：在边缘设备中运行向应用程序提供假设树虚拟化管理的中间程序；响应于一个或者多个应用程序的管理请求，所述中间程序向相应的应用程序提供管理服务，其中，所述管理服务包括：在相应的假设树过大而不能放入当前的边缘设备的内存时，对加载过程进行虚拟化以提供将相应的假设树加载到该内存中的可执行方案；本发明避免了虚拟内存规模受系统限制或者无法使用虚拟内存的边缘设备上无法加载占用过大内存的假设树的问题，使得不同应用程序的假设树能够通过中间程序在边缘服务器上加载和管理。
-
公开(公告)号：CN118229179A
公开(公告)日：2024-06-21
申请号：CN202410297830.9
申请日：2024-03-15
Applicant: 中国科学院计算技术研究所
IPC: G06Q10/0835 , G06Q10/047 , G06F16/29 , G06N5/01
Abstract: 本发明提供一种基于大数据的海上航线规划系统，包括：数字地图模块，用于获取港口数据、历史海洋货运的船舶数据和海图数据，所述船舶数据包括全球海洋货运船舶的轨迹数据和船舶货运类型，港口数据包括全球港口地理位置和港口档案；海洋运输网络构建模块，用于根据所述船舶数据、港口信息数据和海图数据，以海洋交通运输中的港口作为港口节点以及以港口间存在的航路作为边，构建多种货运类型的全球海洋航运有向网络；航线创建模块，用于根据船舶的货运类型、其起始港口和目标港口，从对应货运类型的全球海洋航运有向网络中，按照预定规则规划一条最优航线和多条备用航线。本发明通过规划一条最优航线以及多条备用航线，从而提高海上航运效率。
-
公开(公告)号：CN111126563B
公开(公告)日：2023-09-29
申请号：CN201911166620.1
申请日：2019-11-25
Applicant: 中国科学院计算技术研究所
IPC: G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明提出一种基于孪生网络的时空数据的目标识别方法及系统。构建包括两个子网的孪生网络模型，获取训练样本(x1,x2,y)，x1和x2表示包括兴趣点的时空数据，y表示x1和x2是否属于相同目标；将x1和x2分别输入至孪生网络模型的子网，得到特征向量v(x1)和v(x2)，通过距离度量得到特征向量v(x1)和v(x2)间的距离，根据距离与标签y之间的损失反向传播训练孪生网络模型，得到最终网络模型；取最终网络模型的子网作为目标识别模型，将待链接目标的时空数据输入目标识别模型，得到待链接目标的时空数据的待链接向量，将已知目标的时空数据输入目标识别模型，得到已知目标的时空数据的已链接向量，根据待链接向量和已链接向量之间的相似关系，为待链接目标的时空数据链接目标。
-
Patent Agency Ranking
公开(公告)号：CN111488984B
公开(公告)日：2023-07-21
申请号：CN202010259417.5
申请日：2020-04-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种轨迹预测方法，包括根据用户的实时轨迹数据，使用经用于训练轨迹预测模型的方法得到的轨迹预测模型进行轨迹预测，得到轨迹预测结果，本发明将时空轨迹数据分为近期轨迹数据、短期历史数据和长期历史数据，利用第一多头注意力机制网络的编码模型捕捉长期历史数据中各轨迹点的长期时空关系，利用循环神经网络编码模型捕捉短期历史数据中各轨迹点的短期时空关系，并利用第二多头注意力机制网络的编码模型根据长期和短期时空关系的相似度对短期时空关系进行调整，实现了历史轨迹的全局依赖，用近期轨迹数据和经调整后的短期时空关系训练第三多头注意力机制网络的解码模型后将其作为轨迹预测模型，提高了轨迹预测的准确性。
-
公开(公告)号：CN111291280B
公开(公告)日：2023-04-11
申请号：CN202010160198.5
申请日：2020-03-10
Applicant: 中国科学院计算技术研究所
IPC: G06F16/9537 , G06F16/29
Abstract: 本发明实施例提供了一种大规模移动对象的轨迹快速预测方法、介质和设备，本发明通过轨迹压缩来减缓数据量大的压力，采用柔和的奖惩措施，即匹配成功后将对应的两个相邻历史规律点的高斯概率的均值作为相似度奖励来避免奖惩措施过于尖锐，从而提高轨迹预测准确性，并且本发明在获取到与压缩后的当前轨迹相似度最高的压缩后的历史规律轨迹后，还通过插值补全法来实现在不降低轨迹预测准确性的情况下提高实时性。
-
公开(公告)号：CN115688871A
公开(公告)日：2023-02-03
申请号：CN202211144325.8
申请日：2022-09-20
Applicant: 中国科学院计算技术研究所
IPC: G06N3/0455 , G06N3/088
Abstract: 本发明提出一种基于预训练增强的多元时间序列预测方法，包括：构建包括编码器和第一解码器的预训练模型；在多元时间序列中截取多个序列样本；对于每个该序列样本，将该序列样本切分为多个数据片段，随机选取部分该数据片段构建为训练集，以该训练集对该预训练模型进行训练；从完成训练的预训练模型中提取编码器，构建包括该编码器和第二解码器的预测模型，基于该多元时间序列的当前序列片段，通过该预测模型对该多元时间序列于下一时段的未来序列片段进行预测。本发明还提出一种基于预训练增强的多元时间序列预测系统，以及一种用于多元时间序列预测的数据处理装置。
-
公开(公告)号：CN112766339A
公开(公告)日：2021-05-07
申请号：CN202110029664.0
申请日：2021-01-11
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种轨迹识别模型训练方法及轨迹识别方法。本发明的模型训练方法包括：S1、通过构建基于独热编码向量的语料对的方式将目标轨迹数据编码为轨迹语义向量；S2、构建用于对轨迹语义向量进行评估的循环神经网络和用于对评估结果进行分类的分类器；S3、利用标记轨迹数据对所述循环神经网络和分类器进行训练。本发明的轨迹识别方法中,采用了新的轨迹语义向量计算方法，该方法可以将不定长的轨迹段投影到定长的向量空间中。通过采用本发明的模型训练方法可以使得网络学习到不同类别的轨迹特征，通过循环神经网络识别轨迹类别。
-
公开(公告)号：CN111488984A
公开(公告)日：2020-08-04
申请号：CN202010259417.5
申请日：2020-04-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种轨迹预测方法，包括根据用户的实时轨迹数据，使用经用于训练轨迹预测模型的方法得到的轨迹预测模型进行轨迹预测，得到轨迹预测结果，本发明将时空轨迹数据分为近期轨迹数据、短期历史数据和长期历史数据，利用第一多头注意力机制网络的编码模型捕捉长期历史数据中各轨迹点的长期时空关系，利用循环神经网络编码模型捕捉短期历史数据中各轨迹点的短期时空关系，并利用第二多头注意力机制网络的编码模型根据长期和短期时空关系的相似度对短期时空关系进行调整，实现了历史轨迹的全局依赖，用近期轨迹数据和经调整后的短期时空关系训练第三多头注意力机制网络的解码模型后将其作为轨迹预测模型，提高了轨迹预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.096 seconds)
