公开(公告)号：CN119992844A

公开(公告)日：2025-05-13

申请号：CN202510052682.9

申请日：2025-01-14

Applicant: 河北工业大学

Inventor： 牛炳鑫 ,  余珂欣 ,  苗瑞恒 ,  杨亮 ,  贾永娜 ,  马子艺 ,  汪梦竹

IPC: G08G1/065 ,  G08G1/01 ,  G06N3/0464 ,  G06N3/042

Abstract: 本发明公开一种基于双小波变换的图卷积网络的交通流预测方法，该方法首先通过使用两种不同的小波基函数对原始交通流信号进行分析，克服单小波变换的一些局限性，缓解小波变换的边界效应问题。并且使用动态图中嵌入预定义图的方式，相比于传统的动态图卷积来说，具有更强的稳定性，收敛效果更好，预测精确度更高。使用相关图采样策略，在对模型预测效果影响不大的前提下，降低图卷积计算复杂度。而且，采用预测结果损失、预测趋势分量损失和模型参数的L2正则化项作为整体的训练损失，确保模型在进行训练时，不仅关注于减少预测误差，还能有效避免过拟合问题，也使模型在面对新数据时保持良好的表现，从而实现更为可靠的预测能力。

公开(公告)号：CN119830129A

公开(公告)日：2025-04-15

申请号：CN202411887984.X

申请日：2024-12-20

Applicant: 河北工业大学

Inventor： 牛炳鑫 ,  苗瑞恒 ,  余珂欣 ,  杨亮 ,  贾永娜 ,  马子艺 ,  汪梦竹

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/2136

Abstract: 本发明公开了基于稀疏扰动联邦学习的车路协同异构场景数据优化方法，包括以下步骤：中央服务器初始化联邦学习设置；中央服务器随机选取一组边缘节点作为本轮训练参与方，并向这些边缘节点发送当前的全局模型；参与本轮训练的边缘节点使用自身训练数据进行模型训练，期间对模型参数进行稀疏扰动实现轻量级的锐度感知最小化，并通过参数修正更新下次迭代的本地模型；将各边缘节点训练好的本地模型参数上传到中央服务器；中央服务器聚合收到的模型参数，生成新的全局模型并下发，直至完成所有轮次的训练。本发明可以在车路协同数据异构场景下提高全局模型平坦性，增强模型的泛化能力和鲁棒性，并有效控制因采用锐度感知最小化而导致的计算成本增加。