公开(公告)号：CN115982477A

公开(公告)日：2023-04-18

申请号：CN202211552518.7

申请日：2022-12-05

Applicant: 北京电子工程总体研究所 ,  北京理工大学

Inventor： 衡勇 ,  周帆 ,  郭峰 ,  李启 ,  汤润泽 ,  礼欣

IPC: G06F16/9537 ,  G06F16/958 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于时空信息表示的下一兴趣点推荐方法，涉及推荐技术领域，包括：个性化签到时间戳的月、周、日、小时四种粒度的周期信息，采用注意力机制计算得到时刻t对于用户的时间个性化表示，根据所述时间个性化表示、时间编码表示及用户签到兴趣点的嵌入式表示，计算用户签到序列的嵌入式表示，并结合签到序列局部信息因果卷积增强后的嵌入式表示、空间关系的嵌入式表示计算新的签到序列表示，以此计算用户在时刻t对兴趣点的偏好。本发明设计了个性化的多粒度周期表示，计算签到之间的注意力时考虑时间间隔与地理距离的表示以在建模用户长期偏好时利用时空信息，利用因果卷积进行局部信息增强以提高下一兴趣点推荐性能。

公开(公告)号：CN115861711A

公开(公告)日：2023-03-28

申请号：CN202211674540.9

申请日：2022-12-05

Applicant: 北京电子工程总体研究所 ,  北京理工大学

Inventor： 衡勇 ,  周帆 ,  郭峰 ,  李启 ,  汤润泽 ,  礼欣

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明涉及一种非最优演示下基于决策置信度的模仿学习方法，属于自动驾驶强化学习技术领域。包括：从有标注示例数据集Dc和未标注示例数据集Du中分别进行采样，进行分类器g估计；利用所述Dc的置信度得分构成正则项，修正分类器g的损失函数L(g)，对分类器g进行梯度下降优化；利用优化后的分类器g计算所述Du中状态动作对对应的置信度得分，并将标注置信度得分后的数据合并得到合并后的D′c；将D′c中的状态动作对的置信度得分转化为鉴别器与策略网络的权重φ，结合基于生成对抗的模仿学习方法，学习智能体专家策略。本发明能够学习得到一个为状态动作对赋置信分的分类器，为非最优专家演示得到的数据集赋予合适的权重进行模仿学习，并得到用于智能体自动驾驶任务的策略网络。

公开(公告)号：CN119068058A

公开(公告)日：2024-12-03

申请号：CN202410953519.5

申请日：2024-07-16

Applicant: 北京理工大学

Inventor： 杨毅 ,  杨殿一 ,  高宇 ,  周帆

IPC: G06T7/80 ,  G06N3/084

Abstract: 本发明提供了一种动作捕捉系统下的单目相机内参标定方法，棋盘格标定法即使增加额外机械结构，使得相机光心和刚体中心对齐，也会存在微小误差，影响最终标定结果。而本方法利用动作捕捉系统提供的高精度位姿数据，实现动作捕捉系统下相机刚体内参的准确标定；无需额外机械结构设计，通过粘贴标定点和使用特定模板设计方法，简化了标定过程，降低了系统的成本和复杂度；本方法中的数学优化公式使用梯度下降法，借助计算机能快速准确收敛。

公开(公告)号：CN115952355A

公开(公告)日：2023-04-11

申请号：CN202211674562.5

申请日：2022-12-05

Applicant: 北京电子工程总体研究所 ,  北京理工大学

Inventor： 衡勇 ,  周帆 ,  郭峰 ,  李启 ,  汤润泽 ,  礼欣

IPC: G06F16/9535 ,  G06F16/9537 ,  G06N3/044

Abstract: 本发明公开了一种基于时空幂律注意力的下一兴趣点推荐系统，涉及推荐系统领域，本发明包括：短期偏好模块：利用循环神经网络，捕获用户签到序列的短期偏好ht；长期偏好模块，计算时间间隔幂律分布、地理距离幂律分布及时空幂律注意力，结合所述短期偏好ht计算用户的长期偏好下一兴趣点推荐模块：结合所述短期偏好ht、所述长期偏好及用户表示pu，通过神经网络预测下一兴趣点并推荐。有益效果是：所述系统利用各次签到之间的时间间隔和地理距离的幂律衰减性质提出时空幂律注意力建模用户的长期偏好，在建模中考虑非连续签到之间的时空关系，提高了下一兴趣点推荐的效果。