-
公开(公告)号：CN119672962A
公开(公告)日：2025-03-21
申请号：CN202510179747.6
申请日：2025-02-19
Applicant: 浙江大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于跨模态特征关联的交通子区划分方法、设备、介质，所述方法具体包括：获取历史时间段内经过每相邻的两个初始卡口设备的第一车辆数量，然后根据第一车辆数量和预设的车辆数量，获取到若干个关键卡口设备簇，当簇中的关键卡口设备的数量大于预设的关键卡口数量阈值时，获取这一簇中的每相邻两个关键卡口设备的第二车辆数量，并根据第二车辆数量和经过若干个依次相接的关键卡口设备的车辆数量，划分出初始交通子区，最终划分出目标交通子区；本发明能够提高交通子区划分的合理性，有利于为交通管理人员提供有效的交通子区划分参考。
-
公开(公告)号：CN113111241B
公开(公告)日：2022-12-06
申请号：CN202110378191.5
申请日：2021-04-08
IPC: G06F16/9032 , G06F16/908 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种博弈对话中基于对话历史和强化学习的多轮对话方法，属于智能体和强化学习模型领域。该方法包括如下步骤：首先将多轮对话作为一个有限重复博弈的过程，存储已经结束的完整多轮对话，构建既往对话历史信息库；然后在一个新的多轮对话中，基于记忆网络构建对手行动估计模型，用当前对话已经进行的轮次去检索对话历史信息库，通过多步估计产生对手下一步策略的估计向量；最后基于编码‑解码模型融合当前对话的信息和估计向量，做出下一步的应答。本发明在多轮对话过程中，将既往对话历史的估计向量和当前对话历史的回应向量进行融合，能够更充分地利用了历史信息，使得对话机器人(智能体)具备更高的适应性、做出更好的应答。
-
公开(公告)号：CN112016293B
公开(公告)日：2021-01-19
申请号：CN202011137036.6
申请日：2020-10-22
Applicant: 浙江大学
IPC: G06F40/20 , G06F40/295 , G06N3/08
Abstract: 本发明公开了一种基于多实例协同对抗训练的远程监督关系抽取方法，以解决远程监督关系抽取任务中传统多实例学习框架存在的较低的数据使用效率的问题。数据使用率较低的问题是由多实例学习框架倾向于只关注包内的高质量语句，而忽视大量的潜在噪声语句造成的。而本发明的方法协同虚拟对抗训练和对抗训练，分别约束包内的噪声样本和包级的准确特征，在解决数据利用率问题的同时进一步强化模型性能。该方法在效果上优于近些年来一些主流的相关算法。
-
公开(公告)号：CN112036170B
公开(公告)日：2025-04-29
申请号：CN202010918084.2
申请日：2020-09-03
Applicant: 浙江大学
IPC: G06F40/279 , G06F16/353 , G06F18/22 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于类型注意力的神经零样本细粒度实体分类方法，具体为：基于目标实体文本中各单词对应的单词向量，计算目标实体文本表示向量；基于句子中目标实体文本两侧各单词分别对应的语境单词向量，获取目标实体文本的基础语境向量；基于目标实体文本中各实体对应的类型，构建实体类型向量；基于目标实体类型向量及基础语境向量，计算两侧单词分别对应的相关注意力值；基于相关注意力值及基础语境向量，计算目标实体文本的相关语境向量；合并目标实体文本的实体表示向量和相关语境向量，获取整个句子的表示向量，利用已创建的实体类型分类器模型，获取目标实体文本属于各给定类别的分值，并有效改善实体细粒度分类的效果。
-
公开(公告)号：CN118711379B
公开(公告)日：2025-01-24
申请号：CN202411196354.8
申请日：2024-08-29
Applicant: 每日互动股份有限公司 , 浙江大学
Abstract: 本申请涉及交通技术领域，特别是涉及一种卡口设备位置校正方法、装置、设备及介质，该方法包括：获取目标卡口设备对应的若干个目标车辆的车辆位置信息，将若干个目标车辆的车辆位置信息按照预设聚簇数量进行聚类处理，获取到若干个第二车辆位置信息簇，从若干个第二车辆位置信息簇中确定出目标车辆位置信息簇，当目标车辆位置信息簇的中心点表征的位置与目标卡口设备的位置信息表征的位置之间的距离大于预设的第二距离时，将目标车辆位置信息簇的中心点对应的位置信息确定为目标卡口设备对应的目标位置信息；本发明能够获得更接近于目标卡口设备真实位置的位置信息，进而提高对目标卡口设备的位置预测精准度。
-
Patent Agency Ranking
公开(公告)号：CN119666011B
公开(公告)日：2025-05-09
申请号：CN202510186731.8
申请日：2025-02-20
Applicant: 浙江大学
IPC: G01C21/34 , G01C21/30 , G06Q10/047
Abstract: 本发明提供了一种基于数据融合的目标路径确定方法、电子设备、介质，包括：获取待处理区域的路网拓扑图，以此获取目标车辆对应的初始路段ID列表集合A={A1，…，Ai，…，Am}；其中，Ai为目标车辆对应的第i条初始路径对应的初始路段ID列表，i∈[1，m]，m为目标车辆对应的初始路径的数量；获取目标车辆按照初始路段ID列表行驶对应的预测通行时长列表B；获取目标车辆按照初始路段ID列表行驶对应的预测停车次数列表C；对预测通行时长列表B、预测停车次数列表C进行归一化处理，得到路径优先级列表D；将路径优先级列表D中最小路径优先级对应的初始路径为目标路径。
-
公开(公告)号：CN119666011A
公开(公告)日：2025-03-21
申请号：CN202510186731.8
申请日：2025-02-20
Applicant: 浙江大学
IPC: G01C21/34 , G01C21/30 , G06Q10/047
Abstract: 本发明提供了一种基于数据融合的目标路径确定方法、电子设备、介质，包括：获取待处理区域的路网拓扑图，以此获取目标车辆对应的初始路段ID列表集合A={A1，…，Ai，…，Am}；其中，Ai为目标车辆对应的第i条初始路径对应的初始路段ID列表，i∈[1，m]，m为目标车辆对应的初始路径的数量；获取目标车辆按照初始路段ID列表行驶对应的预测通行时长列表B；获取目标车辆按照初始路段ID列表行驶对应的预测停车次数列表C；对预测通行时长列表B、预测停车次数列表C进行归一化处理，得到路径优先级列表D；将路径优先级列表D中最小路径优先级对应的初始路径为目标路径。
-
公开(公告)号：CN118711385A
公开(公告)日：2024-09-27
申请号：CN202411174542.0
申请日：2024-08-26
Applicant: 每日互动股份有限公司 , 浙江大学
Abstract: 本申请涉及交通技术领域，特别是涉及一种交叉路口车流量获取方法、装置、设备及介质，该方法包括：获取给定的交叉路口对应的初始长度和初始宽度，对初始长度和初始宽度进行调整，确定出目标被摄区域的目标长度和目标宽度，并结合监控摄像机设备信息，确定出所述监控摄像机设备的预安装高度，当预安装高度不大于预设的安装高度阈值时，获取所述监控摄像机设备在预设时间段内的拍摄视频，根据监控摄像机设备在预设时间段内的拍摄视频中每一车辆的实时行驶轨迹，获取到目标被摄区域中的任一车道对应的车流量信息；本发明能够提高监控设备的安装效率，还能为获取每一车道的关联度提供依据，从而有利于对交通区域的划分和管理。
-
公开(公告)号：CN112016293A
公开(公告)日：2020-12-01
申请号：CN202011137036.6
申请日：2020-10-22
Applicant: 浙江大学
IPC: G06F40/20 , G06F40/295 , G06N3/08
Abstract: 本发明公开了一种基于多实例协同对抗训练的远程监督关系抽取方法，以解决远程监督关系抽取任务中传统多实例学习框架存在的较低的数据使用效率的问题。数据使用率较低的问题是由多实例学习框架倾向于只关注包内的高质量语句，而忽视大量的潜在噪声语句造成的。而本发明的方法协同虚拟对抗训练和对抗训练，分别约束包内的噪声样本和包级的准确特征，在解决数据利用率问题的同时进一步强化模型性能。该方法在效果上优于近些年来一些主流的相关算法。
-
公开(公告)号：CN119672962B
公开(公告)日：2025-05-09
申请号：CN202510179747.6
申请日：2025-02-19
Applicant: 浙江大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于跨模态特征关联的交通子区划分方法、设备、介质，所述方法具体包括：获取历史时间段内经过每相邻的两个初始卡口设备的第一车辆数量，然后根据第一车辆数量和预设的车辆数量，获取到若干个关键卡口设备簇，当簇中的关键卡口设备的数量大于预设的关键卡口数量阈值时，获取这一簇中的每相邻两个关键卡口设备的第二车辆数量，并根据第二车辆数量和经过若干个依次相接的关键卡口设备的车辆数量，划分出初始交通子区，最终划分出目标交通子区；本发明能够提高交通子区划分的合理性，有利于为交通管理人员提供有效的交通子区划分参考。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.019 seconds)
