-
公开(公告)号：CN114429219A
公开(公告)日：2022-05-03
申请号：CN202111502142.4
申请日：2021-12-09
IPC: G06N20/00
Abstract: 本发明公开了一种面向长尾异构数据的联邦学习方法包括如下步骤：步骤一、服务器端随机初始化全局模型w并将模型参数发给各个客户端，各个客户端利用收到的模型参数进行模型更新，并将更新后的模型参数上传至服务器端；步骤二、服务器端对收到的本地模型参数后进行聚合得到教师模型和学生模型；步骤三、服务器端对步骤二中得到的教师模型进行校准，让教师模型在无偏知识上进行学习，以此教出好的学生模型；步骤四、使用知识蒸馏将教师模型的无偏知识传递给学生模型，随后将学生模型发给各个客户端开始下一轮联邦训练。
-
公开(公告)号：CN114413882A
公开(公告)日：2022-04-29
申请号：CN202210317515.9
申请日：2022-03-29
Applicant: 之江实验室
Abstract: 本发明属于全局初定位技术领域，涉及一种基于多假设跟踪的全局初定位方法和装置，该方法首先采集场景的点云数据和其对应的全局位姿数据，构建数据库，将采集的数据经过预处理存入数据库，同时生成点云地图，然后对当前帧点云数据与数据库中的数据进行匹配，得到匹配的候选结果，接着利用连续帧之间的约束关系对候选结果进行过滤，直到候选结果收敛后，利用当前帧数据和其对应的数据库中的数据进行平移和旋转的计算，从而得到全局初定位的初始值后与点云地图匹配得到精确的初定位结果。本发明的方法结合全局描述以及多帧数据进行场景初定位，采用多假设跟踪的方法对结果进行筛选，保证了定位的效率，同时提高了定位的鲁棒性。
-
公开(公告)号：CN113821452B
公开(公告)日：2022-03-18
申请号：CN202111405653.4
申请日：2021-11-24
Applicant: 之江实验室
IPC: G06F11/36 , G06F30/27 , G06K9/62 , G06F111/10
Abstract: 本发明公开一种根据被测系统测试表现动态生成测试案例的智能测试方法，该方法通过生成n个仿真训练案例，并通过测试得到被测代理在这n个案例中的表现，通过构建多棵决策树，使算法准确预测不同案例下的被训练代理的表现，学习到仿真测试中会导致不同结果的各变量的空间划分，从而在下一轮测试中可以更精确有效地生成案例。本发明实现方法简便且具有通用性，适用于多种场景中的虚拟仿真训练，提升了智能测试中生成案例的有效性。
-
公开(公告)号：CN114021629A
公开(公告)日：2022-02-08
申请号：CN202111248749.4
申请日：2021-10-26
Abstract: 本发明公开了一种基于均值动态时间规整的车辆轨迹运动模式提取方法。该方法先对原始轨迹进行初始化和重采样，获取重采样轨迹集合；根据重采样轨迹，计算基于均值动态时间规整的轨迹间距离；基于均值动态时间规整的轨迹间距离度量方法，并运用聚类算法进行聚类，得到聚类簇集合；最后为每个簇分别提取特征运动模式，得到特征运动模式集合。本发明通过采用限定的技术，可以准确地度量相似轨迹间距离，对长序列轨迹间距离度量更精准，适用于长序列轨迹的车辆行为分析，还可以从车辆轨迹数据集中提取特征运动模式；每一条提取的特征运动模式轨迹都可以直观地反映车辆的运动模式，更易于赋予运动模式语义赋予和可视化展示。
-
公开(公告)号：CN113989325A
公开(公告)日：2022-01-28
申请号：CN202111216075.X
申请日：2021-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于矩阵“最大数”的多目标匹配算法，首先将A*B个匹配分数转换为A*B的二维相似度矩阵M并维护一个结果容器R；然后找到二维相似度矩阵M的“最大数”Nij；再将二维相似度矩阵M中“最大数”Nij所在第i行和第j列的数值全部删除，形成新的二维相似度矩阵M*，并将“最大数”Nij以及其行列值形成匹配对，输出到结果容器R中；最后当新的二维相似度矩阵的行列数小于等于1或者容器R中的匹配对数等于K时，则完成多目标匹配。本发明首先解决了基于相似度的多目标匹配问题，并相对于其他多目标匹配方法提升了效率。
-
Patent Agency Ranking
公开(公告)号：CN113918507A
公开(公告)日：2022-01-11
申请号：CN202111497148.7
申请日：2021-12-09
Applicant: 之江实验室
Abstract: 本发明的一种深度学习框架适配AI加速芯片的方法和装置，具体分为三个阶段：芯片类型定义、芯片类型注册、芯片内存支持，所述芯片类型定义就是把需要支持的芯片的类型以一个枚举值的形式定义到proto文件中去，从而使得框架内部可以正确识别该芯片类型；芯片类型注册是把该芯片所需的基础设施注册到哈希表中去，便于框架在需要的时候可以根据芯片类型方便地找到相应的内容；芯片内存支持是把该芯片内存相关的操作放到框架中去，使得框架可以对芯片的存储空间进行统一管理。本发明简化了深度学习框架适配AI加速芯片的工作。
-
公开(公告)号：CN113824802A
公开(公告)日：2021-12-21
申请号：CN202111398769.X
申请日：2021-11-24
Applicant: 之江实验室
Abstract: 本发明公开了一种去中心化分布式训练拓扑结构，包括：所述拓扑结构为n维超方形拓扑结构，是封闭的、紧致的、凸的无向图，所述拓扑结构由有限非空节点集合和有限边集合组成，所述拓扑结构的1维骨架是由一群在其所在空间对准每个维度整齐排列的等长的线段组成的，其中相对的线段互相平行，而相交于一点的线段则互相正交，本发明聚焦于去中心化分布式性能训练，将训练任务“均匀化”，将训练任务负荷均匀地分配到分布式训练系统中各个训练节点上，系统性能不再取决于单一训练节点性能，具有迭代耗时短，数据本地化，通信有效性高的优点。
-
公开(公告)号：CN113283547A
公开(公告)日：2021-08-20
申请号：CN202110826171.X
申请日：2021-07-21
Applicant: 之江实验室
Abstract: 本发明涉及到智能电网领域，提出了一种基于多任务深度学习的最优潮流计算方法，步骤如下：获取电网在某一调度时刻的状态数据，通过采样方式对采集到的数据样本进行扩增，得到训练数据；应用最优化方法获得不同采样状态下的电网调度方案，得到训练数据的标签信息；设计深度学习神经网络模型，对最优潮流计算问题的可行性、最优解分别进行学习，输出可行性判断和最优解预测；基于多任务学习框架，对最优潮流计算问题中的可行性判断与最优解预测两个任务同时训练；根据多任务深度学习模型的输出结果，判断是否存在可行的调度方案，输出最优调度方案或预警信息。本发明不仅能够更高效地求解调度方案，而且能够对不存在可行调度方案的场景进行预警。
-
公开(公告)号：CN112489215A
公开(公告)日：2021-03-12
申请号：CN202011361600.2
申请日：2020-11-27
Applicant: 之江实验室
Abstract: 本发明公开了单一绘制批次的具有路面标志的三维道路参数化建模方法，包括S1，对一段包括n种类型和m个交通标志的道路路面进行参数化建模，输出与标志无关的道路纹理T、与标志无关的道路网格G、记录了n种交通标志集合的含不透明通道的纹理I、交通标志参数化编码数据结构F；S2，将G、T、I、F传输至显存；S3，调用图形绘制接口，绘制网格G，在顶点着色阶段进行投影计算和顶点三维坐标传输，在像素着色阶段根据三维坐标判断是否属于某个交通标志，若属于则采样I进行混合绘制。
-
公开(公告)号：CN111624583A
公开(公告)日：2020-09-04
申请号：CN202010750633.X
申请日：2020-07-30
Applicant: 之江实验室
Abstract: 本发明公开一种考虑速度因素的激光雷达测距的快速数值仿真方法，该方法在仿真过程中充分考虑激光雷达自身和周围环境中物体的运动，其中激光雷达自身的运动不仅包括其装置的整体运动，还包括其激光器的旋转扫描运动，提供了数值仿真的准确度，同时通过引入采样点集合简化了计算量，达到了使用较少计算量来提高了仿真的准确度的效果。该方法特别适用于场景中激光雷达自身和/或周围物体都处于高速运动状态时，此时该方法能实现的仿真精度较现有方法有显著提高。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.023 seconds)
