一种云边端协同联邦学习智能优化方法及装置

    公开(公告)号:CN116579441A

    公开(公告)日:2023-08-11

    申请号:CN202310601084.3

    申请日:2023-05-26

    Abstract: 本发明公开一种云边端协同联邦学习智能优化方法及装置,涉及人工智能领域。本发明方法通过轻量级训练器合理构建基于云边端的联邦学习框架拓扑结构,并基于模型参数、训练时间、训练功耗、通讯时间构建本轮环境的状态,通过智能体决策模型生成包括边缘聚合频率和终端训练轮次数的动作,边缘和终端设备按照该动作进行训练,同时采集信息构成下一轮状态,联邦学习框架和决策模型不断交互产生大量决策轨迹信息,用于决策模型的更新直至模型收敛,训练好的智能体决策模型能够根据每个设备的计算速度、训练功耗、通信时间分配不同的联邦学习训练轮次数,进而达到平衡计算异构与数据异构以及减少能耗开销的目的。

    多交叉口的交通信号协同控制方法、装置、介质及产品

    公开(公告)号:CN118379891A

    公开(公告)日:2024-07-23

    申请号:CN202410495632.3

    申请日:2024-04-24

    Abstract: 本发明公开一种多交叉口的交通信号协同控制方法、装置、介质及产品,涉及交通控制技术领域,所述方法包括:获取多交叉口交通信号协同系统中各交叉口的观察状态;将多交叉口交通信号协同系统中的任一交叉口确定为当前交叉口,将当前交叉口的观察状态确定为当前观察状态;利用当前交叉口的交叉口Q值模型,基于当前观察状态和各动作,计算当前交叉口在当前观察状态下选择对应动作时的交叉口Q值;基于当前交叉口在当前观察状态下选择各动作时的交叉口Q值,确定当前交叉口在当前观察状态下的目标动作。本发明提高了多交叉口信号控制的效率和效果。

    一种基于渐进式条件域对抗网络的轴承故障诊断方法

    公开(公告)号:CN117194983A

    公开(公告)日:2023-12-08

    申请号:CN202311157472.3

    申请日:2023-09-08

    Abstract: 本发明公开了一种基于渐进式条件域对抗网络的轴承故障诊断方法,引入渐进式领域适应提出了一种渐进式条件对抗网络,通过源域和中间域上进行条件对抗训练,得到中间域的伪标签,将其作为新的源域迁移至下一个中间域,直到完成对目标域的迁移,将源域和目标域间较大的转移划分为多个较小的转移,解决了传统迁移学习在源域和目标域之间距离较大、分布差异较大时预测结果性能下降的问题,增强了算法的泛化性,提升故障诊断准确率。

    一种基于驾驶意图与轨迹预测的实时碰撞检测方法

    公开(公告)号:CN119611356A

    公开(公告)日:2025-03-14

    申请号:CN202411815426.2

    申请日:2024-12-11

    Abstract: 本发明公开了一种基于驾驶意图与轨迹预测的实时碰撞检测方法,构建了不需要深度学习的基于意图的轨迹预测框架,基于非路口场景和路口场景分别提取的特征构建驾驶意图预测模型,并采用基于树形Parzen估计(Tree‑structured Parzen Estimator,TPE)的贝叶斯优化算法完成对驾驶意图预测模型的训练,采用训练得到的驾驶意图预测模型预测受控车辆周围障碍车辆的驾驶意图,再针对非路口场景和路口场景分别预测受控车辆周围障碍车辆的驾驶轨迹,通过对受控车辆与障碍车辆的驾驶轨迹的比较计算判断受控车辆与障碍车辆是否会发生碰撞,有效地提高了碰撞检测的计算实时性。

Patent Agency Ranking