-
公开(公告)号：CN118608307A
公开(公告)日：2024-09-06
申请号：CN202410800475.2
申请日：2024-06-20
Applicant: 成都信息工程大学 , 中国电子口岸数据中心成都分中心
Inventor： 乔少杰 , 李庆 , 余华 , 韩楠 , 陈权亮 , 周钰谦 , 黄萍 , 王邦平 , 何兵 , 相东升 , 樊瀚林 , 黄发良 , 彭昱忠 , 蔡宏果 , 祁飞 , 刘双侨 , 张秋燕 , 李家
Abstract: 本发明公开了一种基于时空图神经网络的进出口企业财务风险预测方法，该方法包括采集和获取不同企业的财务数据，构建企业风险指标体系得到进出口企业长期财务风险预测数据集；对获取到的企业财务数据集进行预处理及清洗，得到风险预测训练和验证数据；将风险划分为企业内部和外部风险，以企业为节点提取公司财务指标多尺度特征，构建时空图神经网络；利用粒子群算法对时空图神经网络模型的参数和权重进行优化，得到企业财务风险预测结果；基于企业财务风险预测结果，构建进出口企业风险评价模型；本发明对企业所面临的风险进行预测，有利于进出口企业及时规避航海货运风险，避免遭受财产损失，帮助企业根据财务预警风险信号及时采取有效应对措施。
-
公开(公告)号：CN116882148B
公开(公告)日：2024-01-30
申请号：CN202310800399.0
申请日：2023-07-03
Applicant: 成都信息工程大学 , 四川易方智慧科技有限公司
Abstract: 本发明公开了一种基于空间社会力图神经网络的行人轨迹预测方法，包括以下步骤：从源图像数据中捕捉行人以及周围障碍物位置信息；建立坐标轴对行人轨迹进行预处理，提取每个行人的位置坐标；利用社会力对行人之间的全域交互作用进行量化并计算行人之间的斥力；以行人为节点、社会关系为边构建行人的空间社会力图神经网络；构建基于空间社会力图神经网络的行人轨迹预测目标方程。本发明在轨迹预测过程中充分考虑环境对行人的影响以及人与人之间的相互作用，融合了行人对周围情景的全域交互作用和自身隐藏状态；利用相邻轨迹点之间加权平均距离和作为输入，可以准确预测连续轨迹点，
-
Patent Agency Ranking
公开(公告)号：CN113053122B
公开(公告)日：2022-02-18
申请号：CN202110305552.3
申请日：2021-03-23
Applicant: 成都信息工程大学 , 四川易方智慧科技有限公司
Abstract: 本发明公开了基于加权多智能体分组逆向强化学习算法——WeightedMultiagent Group Inverse Reinforcement Learning(WMGIRL)对可变交通管控方案下区域车流量分布进行预测的方法，包括：S1、对待预测区域进行城市路网建模，并采集该区域内的行车轨迹数据；S2、基于待预测区域对应的城市路网和行车轨迹数据，通过基于加权(Weighted)的最大熵逆强化学习方法提取待预测区域内的流量特征；S3、基于提取出的流量特征和当前交通管控方案下的城市路网，采用基于多智能体分组(Multiagent Group)的正向强化学习方法对其进行处理，获得待预测区域的车流量分布预测结果。
-
公开(公告)号：CN113053122A
公开(公告)日：2021-06-29
申请号：CN202110305552.3
申请日：2021-03-23
Applicant: 成都信息工程大学 , 四川易方智慧科技有限公司
Abstract: 本发明公开了基于加权多智能体分组逆向强化学习算法——WeightedMultiagent Group Inverse Reinforcement Learning(WMGIRL)对可变交通管控方案下区域车流量分布进行预测的方法，包括：S1、对待预测区域进行城市路网建模，并采集该区域内的行车轨迹数据；S2、基于待预测区域对应的城市路网和行车轨迹数据，通过基于加权(Weighted)的最大熵逆强化学习方法提取待预测区域内的流量特征；S3、基于提取出的流量特征和当前交通管控方案下的城市路网，采用基于多智能体分组(Multiagent Group)的正向强化学习方法对其进行处理，获得待预测区域的车流量分布预测结果。
-
公开(公告)号：CN112949933A
公开(公告)日：2021-06-11
申请号：CN202110305534.5
申请日：2021-03-23
Applicant: 成都信息工程大学 , 四川易方智慧科技有限公司
Abstract: 本发明公开了一种基于多智能体强化学习的交通组织方案优化方法，改进了MADDPG中的Actor网络，基于生灭过程改进了Critic网络中的经验库，使用早高峰最大车流设作为智能体回报指标，使用轨迹数据训练最大熵逆强化学习模型作为多智能体的回报机制，基于此设计出强化学习的回报函数；本发明方法实现了对当前城市交通组织方案进行优化，通过对当前交通数据进行分析，找出导致交通拥堵的原因，本方法能够很好的适应和快速找出最优方案，为交警专家提供了交通辅导意见，并为智慧城市打下基础。
-
公开(公告)号：CN112949933B
公开(公告)日：2022-08-02
申请号：CN202110305534.5
申请日：2021-03-23
Applicant: 成都信息工程大学 , 四川易方智慧科技有限公司
Abstract: 本发明公开了一种基于多智能体强化学习的交通组织方案优化方法，改进了MADDPG中的Actor网络，基于生灭过程改进了Critic网络中的经验库，使用早高峰最大车流设作为智能体回报指标，使用轨迹数据训练最大熵逆强化学习模型作为多智能体的回报机制，基于此设计出强化学习的回报函数；本发明方法实现了对当前城市交通组织方案进行优化，通过对当前交通数据进行分析，找出导致交通拥堵的原因，本方法能够很好的适应和快速找出最优方案，为交警专家提供了交通辅导意见，并为智慧城市打下基础。
-
公开(公告)号：CN116882148A
公开(公告)日：2023-10-13
申请号：CN202310800399.0
申请日：2023-07-03
Applicant: 成都信息工程大学 , 四川易方智慧科技有限公司
Abstract: 本发明公开了一种基于空间社会力图神经网络的行人轨迹预测方法，包括以下步骤：从源图像数据中捕捉行人以及周围障碍物位置信息；建立坐标轴对行人轨迹进行预处理，提取每个行人的位置坐标；利用社会力对行人之间的全域交互作用进行量化并计算行人之间的斥力；以行人为节点、社会关系为边构建行人的空间社会力图神经网络；构建基于空间社会力图神经网络的行人轨迹预测目标方程。本发明在轨迹预测过程中充分考虑环境对行人的影响以及人与人之间的相互作用，融合了行人对周围情景的全域交互作用和自身隐藏状态；利用相邻轨迹点之间加权平均距离和作为输入，可以准确预测连续轨迹点，并且采用轻量级架构执行目标轨迹预测任务，拥有更高的实时性。
-
-
-
-
-
-
Search Results
7
records
(took 0.034 seconds)
