公开(公告)号：CN119047509A

公开(公告)日：2024-11-29

申请号：CN202411165159.9

申请日：2024-08-23

Applicant: 东北大学秦皇岛分校

Inventor： 孙慢 ,  张国敬 ,  王哲 ,  王海芳 ,  崔玉洁

IPC: G06N3/008 ,  H04W16/22 ,  H04W24/02

Abstract: 本发明提供一种基于神经网络的ACML模型下多智能体通信信息预测方法，涉及多智能体通信领域。建立小球环境；定义小球环境中智能体的动作、本地观察和智能体团队联合奖励；建立ACML模型；不限定通信预算，训练ACML模型中的Actor网络、Critic网络、信息协调网络和信息生成网络；不限定通信预算，得到若干条多智能体通信记录，得到关于通信预算限制的信息预测网络数据集；利用关于通信预算限制的信息预测网络数据集训练ACML模型中的信息预测网络；施加通信预算限制，执行ACML模型得到智能体运行轨迹和团队奖励。本发明通过预测在禁止通信时刻智能体的信息，实现了在小球环境中多智能体任务完成时间的缩短和团队奖励的明显提高。

公开(公告)号：CN119182123A

公开(公告)日：2024-12-24

申请号：CN202411247536.3

申请日：2024-09-06

Applicant: 东北大学秦皇岛分校

Inventor： 孙慢 ,  王哲 ,  张国敬 ,  崔玉洁 ,  王海芳

IPC: H02J3/00 ,  G06N3/045 ,  G06N3/082 ,  G06F17/14 ,  G06F17/16

Abstract: 本发明公开一种基于改进Autoformer模型的电力负载时序预测方法，涉及时序预测领域。获取电力负载数据集；对电力负载数据集进行预处理，得到预处理后的电力负载数据集；所述预处理包括最大‑最小归一化和Z‑score归一化；将预处理后的电力负载数据集按照设定比例划分为训练集和测试集；构建Double FFTAutoformer模型；利用训练集对构建的Double FFT Autoformer模型进行训练，并利用验证集对Double FFTAutoformer模型的参数进行调整，得到训练完成的Double FFT Autoformer模型；将测试集输入到训练完成的Double FFT Autoformer模型，得到预测的时间序列。本发明为通过将Auto‑Correlation函数重新推导成一个循环对称矩阵和一个向量的乘积的形式，使其能使用FFT算法加速计算，使得模型能完整地利用信息，并且在保持计算的时间复杂度的前提下提高预测的准确度。