-
公开(公告)号：CN117634587A
公开(公告)日：2024-03-01
申请号：CN202311611292.8
申请日：2023-11-29
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学(深圳)高等研究院
IPC: G06N3/096 , G06N7/01 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种基于不确定性感知的持续学习轨迹预测系统，包括基模型，用于进行轨迹预测任务；不确定性感知记忆模块，采用将基模型转变为贝叶斯网络，计算轨迹样本的不确定度，计算完每个轨迹样本的不确定度后进行排序，将不确定度最高和最低的轨迹样本存储在记忆内存中作为条件样本；条件生成记忆回放模块，将当前任务的轨迹样本和条件样本编码处理后通过多头注意力模块得到注意力输出，再通过条件变分编码器进行条件变分推理生成用于重放的轨迹记忆样本。本发明避免了排练方法大量工作内存需求以及伪排练生成数据不真实且不具有鉴别性的问题，有效减少了持续学习灾难性遗忘问题，提高了自动驾驶轨迹预测系统的鲁棒性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN115694877B
公开(公告)日：2023-08-15
申请号：CN202211046374.8
申请日：2022-08-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: H04L9/40 , H04L41/08 , H04L41/14 , H04L41/147
Abstract: 本发明公开了一种基于联邦偏好学习的空间众包任务分配方法，本发明首先对存储在各平台中心的当地数据进行偏好建模。然后，本发明利用联邦学习框架，通过各平台中心的本地模型参数传递去更新中心服务器的模型参数，从而获取全局的工人偏好。最后，在考虑工人偏好的情况下，本发明将任务分配转化为二部图最大匹配问题，利用一种基于KM的双边top‑k相交的方法对所建图的边集进行过滤，并使用再分配的方法对剩余任务进行二次分配，从而实现了在加速匹配算法的同时保证了分配任务总数。能够有效地获得高任务成功率和分配任务总数，并实现了多平台工人数据非集中情况下对任务偏好感知的工人任务分配，即在一定程度上保护了工人的隐私。
-
公开(公告)号：CN115495648A
公开(公告)日：2022-12-20
申请号：CN202211046356.X
申请日：2022-08-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06F16/9535 , G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种推荐任务发布时间的空间众包方法，本发明利用交叉图神经网络提取任务请求者、任务以及任务发布时间的特征，使得其特征包含不同语义空间中的信息，丰富了特征表达。且使用的是轻量级的图卷积神经网络，取消了图的自连接以及特征变换的权重矩阵，在保证高效推荐的同时加快了模型的训练速度。在任务发布序列的多视角关系学习中，首先对任务的多视角属性进行融合，综合考量了可能对任务发布时间产生影响的因素。接着利用Transformer的多头注意力机制来计算序列中其他任务对当前任务的重要程度，从而得以进一步挖掘序列中的上下文信息。最后用一个全连接层预测任务发布的时间段能在一定程度上解决数据的稀疏性问题，提高预测的准确率。
-
公开(公告)号：CN112721929B
公开(公告)日：2022-11-22
申请号：CN202110030986.7
申请日：2021-01-11
Applicant: 成都语动未来科技有限公司 , 电子科技大学长三角研究院(衢州)
IPC: B60W30/18
Abstract: 本发明公开了一种基于搜索技术的自动驾驶车辆变道行为决策方法，该决策方法包括如下步骤：(S1)在预测了周围车辆的未来轨迹之后，自动驾驶汽车决策自己的驾驶行为；(S2)在行为决策中，分别通过行为搜索模块和行为处理模块对自动驾驶车辆的变道行为进行决策。通过上述方案，本发明达到了高效的自动驾驶目的，具有很高的实用价值和推广价值。
-
公开(公告)号：CN112634328B
公开(公告)日：2022-11-08
申请号：CN202011551018.2
申请日：2020-12-24
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于自定中心星状图和注意力机制预测行人轨迹的方法，首先，目标行人及其邻近行人的历史轨迹分别由时间和空间编码器进行编码；然后将隐藏状态输入到注意力机制中，以模拟目标行人的注意力；最后，注意力权重的加和通过自定中心星状图解码器传递，一次输出一个预测位置；同时，相邻的隐藏状态将在星状图中连续解码，从而连续计算目标行人每个未来时刻的注意力。本发明利用自定中心星状图和多头注意力机制，并结合到时空编码信息中，很好地解决了现有技术预测行人轨迹精确度低及需要花费较多计算能力的问题。
-
公开(公告)号：CN112634328A
公开(公告)日：2021-04-09
申请号：CN202011551018.2
申请日：2020-12-24
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于自定中心星状图和注意力机制预测行人轨迹的方法，首先，目标行人及其邻近行人的历史轨迹分别由时间和空间编码器进行编码；然后将隐藏状态输入到注意力机制中，以模拟目标行人的注意力；最后，注意力权重的加和通过自定中心星状图解码器传递，一次输出一个预测位置；同时，相邻的隐藏状态将在星状图中连续解码，从而连续计算目标行人每个未来时刻的注意力。本发明利用自定中心星状图和多头注意力机制，并结合到时空编码信息中，很好地解决了现有技术预测行人轨迹精确度低及需要花费较多计算能力的问题。
-
-
-
-
-
Search Results
36
records
(took 0.029 seconds)
