公开(公告)号：CN117729520A

公开(公告)日：2024-03-19

申请号：CN202311651617.5

申请日：2023-12-04

Applicant: 南京邮电大学

Inventor： 黄耿俊 ,  姚美琪 ,  李洋 ,  徐小龙

IPC: H04W4/40 ,  H04W84/18 ,  H04W4/08 ,  G06N20/00 ,  G06Q10/04 ,  G06F21/62

Abstract: 本发明提供一种基于有效性的半异步联邦学习的车辆轨迹预测方法，包括：路侧单元内车辆节点的动态自组织；路侧单元与车辆节点收集数据，路侧单元聚合更新数据；车辆节点基于泛化因子，结合有向无环图，利用组播机制与点对点机制，进行基于泛化研究的异步合作联邦学习算法，获得最终模型；引入动态比例因子计算模型权重，并将其与模型上传给服务器；服务器利用有效性感知的联邦学习算法，聚合路侧单元上传的模型，再将最终全局模型分发给各个路侧单元，多次迭代得到性能良好的模型。本发明使用社会长短期记忆网络模型在车辆轨迹数据集中验证了本方法的有效性，有效减少距离误差，提高准确率，同时在预测的稳定性上也具有不错的表现。

公开(公告)号：CN116307187A

公开(公告)日：2023-06-23

申请号：CN202310273462.X

申请日：2023-03-20

Applicant: 南京邮电大学

Inventor： 谢铭佳 ,  姚美琪 ,  李睿瑶 ,  吴家皋

IPC: G06Q10/04 ,  G06Q50/20 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提供了一种平均学分绩点预测方法，包括：首先提取学生运动轨迹图像特征向量，接着通过对由问卷调查形式获得的文本数据和社交音频数据进行分析，并提取相应的特征向量，然后利用低秩多模态融合模型对轨迹图像、文本、音频这三种不同数据模态的特征向量进行融合，得到预测结果。最后通过损失函数训练网络，并用训练好的模型进行学生平均学分绩点的预测。本发明运用多种神经网络模型结合多模态特征对学生平均学分绩点进行综合预测分析，提高了预测的准确性，降低了模型在面对较大数据量时产生过拟合的可能性，提高了模型有效性和学习效率。