一种无人机群智感知任务分配方法、系统及相关装置

    公开(公告)号:CN118780520A

    公开(公告)日:2024-10-15

    申请号:CN202410760497.0

    申请日:2024-06-13

    Applicant: 吉林大学

    Abstract: 本发明公开一种无人机群智感知任务分配方法、系统及相关装置,涉及群智感知系统优化技术领域,方法包括以下步骤:针对任一任务,遍历各无人机,并基于Lyapunov优化算法分别计算各无人机执行任务后的系统漂移函数值,以确定系统漂移函数值最低的阶段无人机;并在电量变化量小于等于电量变化量阈值时,根据阶段无人机更新任务分配矩阵,并更新阶段无人机的任务位置集合;完成任务和无人机的匹配后,根据最终的任务分配矩阵对各无人机进行任务分配,并控制各无人机根据各自的任务位置集合进行路径规划以及执行任务。本发明可在最小化感知成本和保证无人机感知队列稳定性之间找到权衡,更好地实现对无人机群智感知系统的调度。

    一种分子优化方法、装置、设备、介质及产品

    公开(公告)号:CN119560055A

    公开(公告)日:2025-03-04

    申请号:CN202411607313.3

    申请日:2024-11-12

    Applicant: 吉林大学

    Abstract: 本申请公开了一种分子优化方法、装置、设备、介质及产品,涉及分子设计领域,该方法包括:根据第一训练集,以第一损失函数最小为目标,采用对比学习对条件transformer模型进行训练,得到生成模型;第一损失函数包括对比损失函数、KL损失函数和最大似然估计函数;根据生成模型得到优化分子,并基于知识蒸馏方法根据优化分子对RNN模型进行训练得到蒸馏模型;根据蒸馏模型采用强化学习方法对智能体模型进行训练得到分子优化模型,所述分子优化模型用于对待优化分子进行优化;所述强化学习方法中的奖励函数包括结合亲和力,本申请可解决曝光偏差的问题,使得最终生成的优化分子符合要求。

    基于学习和偏好的实时智能订单调度方法

    公开(公告)号:CN118644044B

    公开(公告)日:2024-10-18

    申请号:CN202411074777.2

    申请日:2024-08-07

    Applicant: 吉林大学

    Abstract: 本发明公开了基于学习和偏好的实时智能订单调度方法,涉及空间众包、任务分配、强化学习和实时匹配技术领域,包括:确定待测城市区域,将待测城市区域进行网格划分,确定司机和可能服务的乘客的位置;基于所述司机和乘客的位置评估偏好值,确定司机偏好列表;基于所述司机偏好列表和乘客偏好列表进行基于学习的匹配,获得匹配结果;基于所述匹配结果重新调整所述偏好值,直到获得最终匹配结果。本发明通过引入一种新的实时、未来导向且平衡双方偏好的任务分配算法,以提高空间众包平台的整体性能和应对能力。

    一种基于空间位置与时间跨度的序列推荐方法

    公开(公告)号:CN117891999A

    公开(公告)日:2024-04-16

    申请号:CN202311866136.6

    申请日:2023-12-29

    Applicant: 吉林大学

    Abstract: 本发明提供一种基于空间位置与时间跨度的序列推荐方法,涉及序列推荐技术领域,本发明通过TPE模块根据兴趣点之间的时间间隔动态调整兴趣点在序列中的位置,并通过正弦变换生成位置表示,反映兴趣点之间的相对时间接近度,并利用DTW算法的输出来提供更丰富的时间位置信息,这将使时间位置编码器更加敏感于用户行为的时间动态;ISAB模块交替使用位置感知注意力层和前馈网络,将空间-时间间隔缩放后加到注意力机制中,以增加注意力机制对所有兴趣点之间的空间关系的重视程度,且引入多头注意力机制来提高对序列中多样模式的捕捉能力,缓解局部兴趣点之间关注度的不足。

    一种时间间隔感知的多模态序列推荐方法

    公开(公告)号:CN119415780B

    公开(公告)日:2025-04-22

    申请号:CN202510033253.7

    申请日:2025-01-09

    Applicant: 吉林大学

    Abstract: 本发明公开了推荐系统技术领域的一种时间间隔感知的多模态序列推荐方法,步骤如下:提取项目中模态的文本特征、图片特征以及嵌入,并提取用户在模态上的交互序列的时间间隔表征,将时间间隔表征加到模态表征上以得到时间间隔感知的模态表征,建立用户基于模态学习得到的用户表征以及将用户在每个模态上的偏好分数聚合在一起得到总体偏好分数,根据总体偏好分数进行推荐,本发明通过引入时间间隔编码方法和灵活的两阶段融合策略,不仅为多模态推荐系统提供了更为丰富的用户偏好表示,还在很大程度上提高了推荐性能。

    一种基于辅助信息学习不变和环境偏好的无偏推荐方法

    公开(公告)号:CN119441628A

    公开(公告)日:2025-02-14

    申请号:CN202510037762.7

    申请日:2025-01-10

    Applicant: 吉林大学

    Abstract: 本发明公开了因果不变性和无偏推荐技术领域的一种基于辅助信息学习不变和环境偏好的无偏推荐方法,步骤如下:根据因果关系图得到用户和项目交互的数据、把数据里的辅助信息输入到环境分类器里,通过辅助信息作为指导对输入的辅助信息进行环境划分、基于环境划分分别学习不变偏好和环境特定偏好以捕捉用户的不变偏好和环境特定偏好以及基于学习到的用户的不变偏好和用户所属环境的环境特定偏好输出最终的预测结果,本发明通过辅助信息作为指导来获得更可靠的环境划分,克服了以往学习不变偏好时环境划分的不准确性,并且在此基础上加入了环境特定偏好,把环境中用户偏好的动态变化考虑在内,提高了无偏推荐的准确性以及环境偏好的动态性。

    一种时间间隔感知的多模态序列推荐方法

    公开(公告)号:CN119415780A

    公开(公告)日:2025-02-11

    申请号:CN202510033253.7

    申请日:2025-01-09

    Applicant: 吉林大学

    Abstract: 本发明公开了推荐系统技术领域的一种时间间隔感知的多模态序列推荐方法,步骤如下:提取项目中模态的文本特征、图片特征以及嵌入,并提取用户在模态上的交互序列的时间间隔表征,将时间间隔表征加到模态表征上以得到时间间隔感知的模态表征,建立用户基于模态学习得到的用户表征以及将用户在每个模态上的偏好分数聚合在一起得到总体偏好分数,根据总体偏好分数进行推荐,本发明通过引入时间间隔编码方法和灵活的两阶段融合策略,不仅为多模态推荐系统提供了更为丰富的用户偏好表示,还在很大程度上提高了推荐性能。

    一种可解释的任务特定跨城市迁移学习方法

    公开(公告)号:CN119294613A

    公开(公告)日:2025-01-10

    申请号:CN202411813422.0

    申请日:2024-12-11

    Applicant: 吉林大学

    Abstract: 本发明公开智慧城市和跨城市迁移技术领域的一种可解释的任务特定跨城市迁移学习方法,步骤如下:基于深度矩阵分解算法,动态提取源城市的CTS区域、利用城市POI和路网数据的辅助信息计算源城市与目标城市之间的相似性,选择出相似度最高的CTS区域、将选择出相似度最高的CTS区域的数据迁移至目标城市,并通过深度矩阵分解技术对目标城市的数据进行补全,本发明有效克服了现有跨城市知识迁移技术中的计算开销大,迁移效果低和可解释性差等问题,显著减少了计算复杂度,并提升了对目标任务的适应性和迁移的准确性。此外,能够清楚识别哪些区域对目标城市有利,并在数据稀缺的情况下,实现了高效的数据补全。

Patent Agency Ranking