公开(公告)号：CN118673986A

公开(公告)日：2024-09-20

申请号：CN202410721998.8

申请日：2024-06-05

Applicant: 重庆大学

Inventor： 杨为 ,  姜孔明 ,  刘丙军 ,  王庆林 ,  唐小林 ,  禇志刚 ,  卢少波

IPC: G06N3/08 ,  G06N3/0455

Abstract: 本公开提供一种增强局部感知注意力的模型训练方法、预测方法和装置，包括：获取模型训练样本；将模型训练样本输入预设网络模型的Embedding模块，得到高维空间表征数据；将高维空间表征数据输入预设网络模型的编码器模块，得到局部感知表征数据；将局部感知表征数据输入预设网络模型的解码器模块，得到训练车辆行驶时的制动意图预测结果；采用预设损失函数，基于制动意图预测结果对预设网络模型进行训练，得到制动意图预测模型。从而，通过增强预测模型对局部数据变化趋势的敏感性，有效提升模型预测精度，大幅度提高行车安全。

公开(公告)号：CN118364723B

公开(公告)日：2025-01-28

申请号：CN202410696166.5

申请日：2024-05-31

Applicant: 重庆大学

Inventor： 杨为 ,  姜孔明 ,  刘丙军 ,  王庆林 ,  禇志刚 ,  卢少波

IPC: G06F30/27 ,  G06N3/047 ,  G06N3/045

Abstract: 本公开提供一种基于神经网络搜索的模型训练方法、预测方法和装置，包括：获取模型训练样本；建立参数搜索空间对应的概率分布模型，参数搜索空间中包括：多组模型结构超参数和每组模型结构超参数对应的模型损失值；基于预设代理模型和概率分布模型，确定目标模型结构；采用预设损失函数，基于模型训练样本确定目标模型结构对应的模型损失值；基于目标模型结构对应的模型损失值，更新参数搜索空间、概率分布模型和当前迭代次数，直至当前迭代次数满足模型迭代条件，则得到制动意图预测模型。从而，大幅度降低了模型设计过程中的时间成本，保证模型结构的稳定性，有效提升模型预测效率。

公开(公告)号：CN118364723A

公开(公告)日：2024-07-19

申请号：CN202410696166.5

申请日：2024-05-31

Applicant: 重庆大学

Inventor： 杨为 ,  姜孔明 ,  刘丙军 ,  王庆林 ,  禇志刚 ,  卢少波

IPC: G06F30/27 ,  G06N3/047 ,  G06N3/045

Abstract: 本公开提供一种基于神经网络搜索的模型训练方法、预测方法和装置，包括：获取模型训练样本；建立参数搜索空间对应的概率分布模型，参数搜索空间中包括：多组模型结构超参数和每组模型结构超参数对应的模型损失值；基于预设代理模型和概率分布模型，确定目标模型结构；采用预设损失函数，基于模型训练样本确定目标模型结构对应的模型损失值；基于目标模型结构对应的模型损失值，更新参数搜索空间、概率分布模型和当前迭代次数，直至当前迭代次数满足模型迭代条件，则得到制动意图预测模型。从而，大幅度降低了模型设计过程中的时间成本，保证模型结构的稳定性，有效提升模型预测效率。