-
公开(公告)号:CN117271838A
公开(公告)日:2023-12-22
申请号:CN202311099808.5
申请日:2023-08-29
Applicant: 厦门大学
IPC: G06F16/901 , G06F9/48 , G06N3/042 , G06N3/048 , G06N3/092
Abstract: 本发明公开了一种车载有向无环图任务调度方法及系统,其中方法包括:构建车载任务有向无环图模型,获取各个子任务对应的拓扑结构信息;利用图神经网络对当前子任务对应的拓扑结构信息进行双向聚合,以得到当前子任务对应的高维特征表示;构建车辆通信网络,获取历史子任务的调度策略、所有待执行任务车辆的计算能力和实时位置信息,以得到车辆通信网络的手工特征表示;将当前子任务对应的高维特征表示和手工特征拼接后输入到深度强化学习网络以得到当前子任务的调度策略,以根据调度策略对当前子任务进行调度分配;由此,不仅能够利用图神经网络提高传统深度强化学习算法面对新有向无环图车载任务的泛化能力,还能够实时调度车载任务。
-
公开(公告)号:CN116842380A
公开(公告)日:2023-10-03
申请号:CN202310686128.7
申请日:2023-06-09
Applicant: 厦门大学
IPC: G06F18/214 , G06F18/211
Abstract: 本发明公开了一种根据本发明实施例的基于客户端成簇的混合联邦分割学习的模型训练方法,包括每个学习客户端根据成簇策略与其周围的辅助客户端进行分簇,以得到多个学习簇;根据簇头选定策略在每个学习簇中选择一个特殊的客户端作为簇头,以便本地基站根据基站带宽分配策略为簇头分配带宽;簇头根据本地基站分配的带宽获取本地基站下发的全局模块,簇头根据模型切分和分配策略将全局模型切分为多个模型段,并分发给所有簇成员进行协作训练;簇头收集簇内的所有簇成员训练好的本地模型并将其上传至本地基站,以便本地基站将簇头上传的本地模型进行聚合,不仅用户计算、存储和通信负载小,而且用户并行度、对用户非独立同分布数据敏感度高。
-
公开(公告)号:CN116805371A
公开(公告)日:2023-09-26
申请号:CN202310664647.3
申请日:2023-06-06
Applicant: 厦门大学
IPC: G06V10/75 , G01S17/06 , G01S17/931 , G06V20/56 , G06V10/26 , G06V20/70 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/42 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0985
Abstract: 本申请的实施例提供了一种激光点云和视觉图像的跨模态场景匹配方法、装置及设备。该方法包括:对目标车辆在行驶过程中拍摄得到的待处理图像进行语义分割,得到语义图像;对所述语义图像进行聚类,得到对应的视觉图节点;获取预先构建的离线点云图节点地图库;基于图卷积神经网络,分别提取所述视觉图节点对应的视觉图节点聚合特征以及各帧点云图节点数据对应的点云图节点聚合特征;对所述视觉图节点聚合特征以及所述点云图节点聚合特征进行拼接,并将拼接后的特征输入至全连接网络中,以使所述全连接网络输出两种模态对应的匹配程。本申请实施例的技术方案降低跨模态匹配计算的复杂度,并保证跨模态匹配的计算结果的准确性。
-
-