-
公开(公告)号：CN118586470A
公开(公告)日：2024-09-03
申请号：CN202410539239.X
申请日：2024-04-30
Applicant: 清华大学
IPC: G06N3/082 , G06N3/0499
Abstract: 本申请涉及一种用于伊辛机的多层前馈神经网络训练方法及系统。该方法包括：将多层前馈量化神经网络的监督学习建模为二次有约束二值优化问题；基于二次有约束二值优化问题构造增广拉格朗日函数，对增广拉格朗日函数降次，转化为二次无约束二值优化问题；在伊辛机上对二次无约束二值优化问题进行求解，基于求解结果更新增广拉格朗日函数中的系数，转化得到新的二次无约束二值优化问题并求解，待约束满足且目标函数收敛后，得到二次有约束二值优化问题的最优解；对最优解进行解码，得到训练后的多层前馈神经网络的参数。根据本实施例，减少了自旋数使用，简化了问题求解难度，使得真机求解更加容易，能够解决大规模问题。
-
公开(公告)号：CN114312811B
公开(公告)日：2023-11-07
申请号：CN202210102104.8
申请日：2022-01-27
Applicant: 清华大学
Abstract: 本申请涉及一种自动驾驶汽车的自车状态近似最优估计方法、装置及设备，方法包括：获取自动驾驶车辆的当前行驶环境并识别实际行驶工况；利用训练后的近似最优估计器获取其自车状态的近似最优估计结果，其中，近似最优估计器是迭代类型估计器，其将迭代估计过程转化为马尔可夫决策过程。由此，解决了在建立车辆系统状态空间方程后还需结合实车实验数据反复检验、校正模型并调整系统参数以及设计有效的基于模型的估计算法，耗费大量时间与精力等问题，通过把车辆状态迭代估计问题转化为马尔可夫决策问题，利用自学习技术训练后得到的策略网络作为近似最优估计器，从而减轻建模、调参负担，减小估计器设计难度。
-
公开(公告)号：CN116957052A
公开(公告)日：2023-10-27
申请号：CN202310680341.7
申请日：2023-06-09
Applicant: 清华大学
IPC: G06N3/09 , G06N3/0455 , G06F18/214 , G06F18/22 , G06F18/21 , G06F18/213
Abstract: 本申请涉及一种基于构造样本相似度的风险评估模型的训练方法及装置、乘员损伤风险评估方法及装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取真实样本和反映关键特征信息与乘员损伤信息的相关关系的构造样本；通过真实样本训练第一风险评估子网络；通过真实样本和构造样本训练特征提取子网络；将碰撞特征信息输入训练后的第一风险评估子网络，获取第一编码信息；将真实样本输入训练后的特征提取子网络，获取第二编码信息；将第一和第二编码信息输入第二风险评估子网络，得到乘员损伤评估信息，根据损伤评估信息和损伤真值信息训练得到风险评估模型。采用本方法训练得到的风险评估模型可以提高乘员损伤风险评估结果的可靠性。
-
公开(公告)号：CN114407895B
公开(公告)日：2023-08-29
申请号：CN202210180226.9
申请日：2022-02-25
Applicant: 清华大学
IPC: B60W30/14 , B60W10/06 , B60W10/10 , B60W30/188
Abstract: 本公开提供的车辆预测巡航控制方法、装置、电子设备和存储介质，本公开建立了考虑道路坡度信息，且以车辆速度、发动机转矩和车辆纵向位置作为状态变量，以发动机目标转矩作为控制变量的车辆动力学模型，并建立了以车辆速度、发动机转矩作为状态变量的油耗模型；基于综合考虑了车辆驾驶经济性、目标车速跟随和舒适性为代价函数的最优控制问题，以深度神经网络为载体，通过离线学习训练获得最优的控制策略，并在线应用最优控制策略，实现节能型预测巡航控制。本公开能够满足不同预测时域的求解实时性，保证行程时效性的同时改善了燃油经济性，并改善了求解方法对不同行驶速度和道路工况的适用范围。
-
公开(公告)号：CN116485012A
公开(公告)日：2023-07-25
申请号：CN202310320169.4
申请日：2023-03-29
Applicant: 清华大学
Abstract: 本公开提供的一种交通参与者运行轨迹时空分布包络的预测计算方法，包括以下步骤：S1：筛选可行运行路径；S2：计算纵横向不确定性参数；S3：确定预测终点状态；S4：拟合待预测交通参与者的运行轨迹；S5：计算预测轨迹的时空分布包络。本公开充分利用地图拓扑信息和历史轨迹信息，采用规则式方法，提供了用于交通参与者运行轨迹预测及时空分布包络的计算方法框架，具有强泛化能力、计算快速、部署便捷的特征，实现了交通参与者时空占位预测的快速计算。
-
Patent Agency Ranking
公开(公告)号：CN116259039A
公开(公告)日：2023-06-13
申请号：CN202310249358.7
申请日：2023-03-15
Applicant: 清华大学
IPC: G06V20/58 , G06V10/774 , G06V10/764
Abstract: 本公开提供的一种自动驾驶汽车行驶风险模型的参数标定方法，包括：设计包含低、中、高三种复杂度类型的动态交通场景，构建包含交通元素状态信息的动态交通场景数据库；搭建驾驶员认知风险捕捉系统，用于播放动态交通场景数据库内的视频、记录用于反映驾驶员认知风险的时变信号捕捉设备的反馈数据并将两者在时间上对齐；进行驾驶员认知风险捕捉实验，利用时间同步的交通元素状态信息和所述反馈数据形成实验数据集；通过控制变量方法，逐步利用低、中、高复杂度场景数据对行驶风险模型的参数进行标定。本公开将动态交通场景信息与驾驶员风险感知的时变信号相匹配，能够提升行驶风险模型的准确性。
-
公开(公告)号：CN115356923A
公开(公告)日：2022-11-18
申请号：CN202210897910.9
申请日：2022-07-28
Applicant: 清华大学
IPC: G05B13/04
Abstract: 本申请公开了一种部分可观测马尔科夫决策问题的双循环式应用方法及系统，其中，方法包括：获取汽车的观测数据；在部分可观测马尔科夫决策过程中，基于观测数据以极大似然估计的方法构建历史信息表征的同时，将隐状态模型的梯度信息作为内在奖励函数，激励最优策略学习到环境中的不确定性，求解部分可观测马尔科夫决策的最优策略；以及基于部分可观测马尔科夫决策的最优策略生成汽车的最优控制策略。由此，能够满足在部分可观测及观测中带有噪声的不确定性场景中，求解最优策略，并满足相应的驾驶性能，提升了求解方法对观测不确定性的鲁棒性。
-
公开(公告)号：CN111209838B
公开(公告)日：2022-11-18
申请号：CN201911422483.3
申请日：2019-12-31
Applicant: 清华大学
IPC: G06V20/56 , G06V10/771 , G06V10/764
Abstract: 本发明公开了一种基于驾驶意图识别的周车换道行为识别方法，包括：构建训练样本集；将周车与所在车道中心线的横向偏离、速度和加速度作为周车基本特征，利用历史同步时间滑动窗和统计指标对周车基本特征进行扩展得到候选特征；利用基于条件互信息的最大似然度方法，对训练样本集中各周车换道行为类别，根据候选特征之间的共同信息及其关联程度，得到优选特征；通过随机森林分类器得到对训练样本识别的各时刻周车换道行为类别的概率；利用DS证据理论，将各时刻相同周车换道行为类别的概率进行融合，计算各周车换道行为类别的信度函数，由此确定最终的周车换道行为类别。本发明方法具有更好的识别准确度和时效性。
-
公开(公告)号：CN111815160B
公开(公告)日：2022-05-24
申请号：CN202010647385.6
申请日：2020-07-07
Applicant: 清华大学
Abstract: 本发明公开了一种基于越野环境态势场模型的行车风险评估方法，该方法包括：S1，根据智能车周边的环境信息，采用人工势能场方法建立评估越野环境风险用的多层次环境态势场模型；S2，通过随机采样生成越野环境空间中的节点，建立越野环境空间拓扑图，生成越野环境态势场中节点之间路段的多维度越野环境行车风险评估模型；多维度越野环境行车风险评估模型包括：连通评估矩阵，用于评估节点之间路段连通可行性；通行代价矩阵，用于评估节点之间路段通行代价；本发明能够根据车辆周边多维度越野环境信息输出其环境态势场势能值，并在此基础上采用随机采样方法建立越野环境空间拓扑图，并评估拓扑图中节点之间的越野环境行车风险，该风险为生成优化路径，以及达到可行、安全、高效的智能车辆行驶目标提供有利条件。
-
公开(公告)号：CN113110359B
公开(公告)日：2022-05-03
申请号：CN202110536117.1
申请日：2021-05-17
Applicant: 清华大学
IPC: G05B19/418
Abstract: 本发明公开了一种约束型智能汽车自主决策系统在线训练方法及装置，该方法在每轮优化中，以车辆驾驶性能作为优化的目标，通过计算约束函数的梯度投影矩阵，将更新梯度投影至可行且安全的区域中，并利用安全护盾检测执行策略的绝对安全行。可以保证智能汽车在线优化目标时的安全性，从而降低了对仿真器的要求，应用范围不受场景限制，能够达到安全在线训练的目标。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.046 seconds)
