公开(公告)号：CN115056829A

公开(公告)日：2022-09-16

申请号：CN202210533015.9

申请日：2022-05-16

Applicant: 北京理工大学

Inventor： 潘丽敏 ,  杨得山 ,  罗森林 ,  刘晓双

IPC: B61L27/60 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及多车型连续学习的列车运动状态估计方法，属于计算机与人工智能技术领域。首先通过特征抽取方法确定列车运行数据的基础特征集合，针对每一特征的样本关系构建单层图结构，根据特征关联关系组合单层图为多重图；其次，基于神经气体网络学习多重图的拓扑结构，并使用多车型运行数据对拓扑结构迭代更新；然后，对多重图的层内与层间关系进行数据聚合，并根据多车型知识拓扑结构生成样本的关系编码；最后，通过非线性变换组合基础特征，并与样本的关系编码结合，用于预测列车的运动状态。本发明将单一车型运行数据与多车型知识拓扑相结合，实现在真实运行数据有限的条件下多车型运行数据的连续建模与运动状态估计。

公开(公告)号：CN115056829B

公开(公告)日：2024-09-20

申请号：CN202210533015.9

申请日：2022-05-16

Applicant: 北京理工大学

Inventor： 潘丽敏 ,  杨得山 ,  罗森林 ,  刘晓双

IPC: B61L27/60 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/2135

Abstract: 本发明涉及多车型连续学习的列车运动状态估计方法，属于计算机与人工智能技术领域。首先通过特征抽取方法确定列车运行数据的基础特征集合，针对每一特征的样本关系构建单层图结构，根据特征关联关系组合单层图为多重图；其次，基于神经气体网络学习多重图的拓扑结构，并使用多车型运行数据对拓扑结构迭代更新；然后，对多重图的层内与层间关系进行数据聚合，并根据多车型知识拓扑结构生成样本的关系编码；最后，通过非线性变换组合基础特征，并与样本的关系编码结合，用于预测列车的运动状态。本发明将单一车型运行数据与多车型知识拓扑相结合，实现在真实运行数据有限的条件下多车型运行数据的连续建模与运动状态估计。

公开(公告)号：CN115759282A

公开(公告)日：2023-03-07

申请号：CN202211322834.5

申请日：2022-10-27

Applicant: 北京理工大学

Inventor： 罗森林 ,  徐泽豪 ,  潘丽敏 ,  杨得山 ,  崔成钢

IPC: G06N20/00 ,  G06F9/50 ,  G06F9/54 ,  G06F21/62

Abstract: 本发明涉及应用多代价函数的系统异构联邦学习效率提升方法，属于计算机与信息科学技术领域。本发明首先根据建模任务设置初始训练参数，确定参与客户端并进行联邦训练；其次，在新一轮训练前根据客户端数据量、计算性能及通信性能、在当前服务器等待时间内训练完成情况动态构建客户端空闲代价函数和终止代价函数；然后，遍历服务器等待时间的可能取值，最小化所有客户端总代价得到最优等待时间，进而更新训练参数并调整参与客户端；最后，通过多轮联邦训练达到全局模型准确率要求。本发明提出参与客户端的空闲代价和终止代价函数计算方法，将服务器固定的等待时间进行动态调整，有效提升了联邦学习训练效率。