一种基于复合非凸函数和结构回归的时空数据补全方法

    公开(公告)号:CN119357572A

    公开(公告)日:2025-01-24

    申请号:CN202411929679.2

    申请日:2024-12-26

    Abstract: 本发明属于时空数据补全技术领域,具体涉及一种基于复合非凸函数和结构回归的时空数据补全方法,步骤包括将待补全的时空数据存储为三维张量形式的目标张量;构造目标张量的WCT范数,用于捕捉变换域中时空数据的全局多维低秩特性;构造目标张量的结构回归模型,用于揭示复杂的时空数据相关模式;结合WCT范数和结构回归模型,构造时空数据补全模型,并引入辅助变量和附加约束条件,转化时空数据补全模型的目标函数;采用交替方向乘子法求解转化后的目标函数,得到目标张量的最优解,完成对时空数据的补全。本发明有效地捕捉变换域中张量的全局多维低秩属性,提升了张量恢复的效果。

    基于Mamba的动态脑网络特征学习方法

    公开(公告)号:CN119540661A

    公开(公告)日:2025-02-28

    申请号:CN202510095857.4

    申请日:2025-01-22

    Abstract: 本发明属于计算机辅助诊断技术领域,具体涉及基于Mamba的动态脑网络特征学习方法,步骤包括:进行数据处理,包括数据收集、数据预处理、动态功能网络序列构建和状态转换序列的构建;将处理后的数据作为样本数据,进行样本增强;构建包含线性嵌入层、Mamba层、线性映射层一、激活函数和损失函数的Mamba模型,作为分类模型;利用状态转换序列对Mamba模型进行训练,优化Mamba模型的超参数;基于训练后的Mamba模型,对增强后的样本数据进行预测,通过Mamba模型输出的标签来确定样本数据的分类结果。本发明能够高效捕捉动态脑网络状态转移序列中隐藏的联系,实现对每个脑网络序列的高精度分类。

    一种行人轨迹的预测方法、系统、电子设备及存储介质

    公开(公告)号:CN116935352A

    公开(公告)日:2023-10-24

    申请号:CN202310611100.7

    申请日:2023-05-29

    Abstract: 本发明公开一种行人轨迹的预测方法、系统、电子设备及存储介质,涉及车辆智能驾驶技术领域,方法包括:基于当前时间段所有行人轨迹信息,采用第一多层感知机、正弦位置编码、a1个第一entmax函数、第二多层感知机、第三多层感知机、a1个更新后的第一entmax函数、更新后的第二多层感知机、更新后的第三多层感知机、第四多层感知机、第五多层感知机、a2个第二entmax函数、第六多层感知机、第七多层感知机、a3个第八多层感知机、a3个第九多层感知机、a3个第十多层感知机、a3个第三entmax函数、第十一多层感知机、第十二多层感知机和第十三多层感知机,确定待下一时间段轨迹信息,提高了行人轨迹预测的精度。

Patent Agency Ranking