-
公开(公告)号：CN116450860A
公开(公告)日：2023-07-18
申请号：CN202310220409.3
申请日：2023-03-08
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06F16/435 , H04N21/2343 , H04N21/4402 , H04N21/466 , G06F18/214 , G06F18/25
Abstract: 本公开关于一种媒体资源推荐方法、推荐模型的训练方法及相关设备，该方法通过推荐模型，对媒体资源序列和操作反馈序列进行融合编码处理，得到初始媒体资源特征；初始媒体资源特征包括多个媒体资源子特征，每个所述媒体资源子特征包含对应的正反馈标签或负反馈标签；以及对初始媒体资源特征进行基于所述媒体资源序列对应的正反馈标签和负反馈标签相混合的编码处理，得到目标媒体资源特征；对目标媒体资源特征进行基于正反馈维度的反馈拆分处理，得到正反馈序列表征；以及基于候选资源的推荐结果确定推荐资源，从而提高了媒体资源的推荐准确率。
-
公开(公告)号：CN115203543A
公开(公告)日：2022-10-18
申请号：CN202210778190.4
申请日：2022-06-29
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06F16/9536 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本公开关于一种内容推荐方法、内容推荐模型的训练方法及装置，所述方法包括：获取待推荐对象在目标场景下的历史交互内容序列和候选内容；通过内容推荐模型分别对历史交互内容序列和候选内容进行特征提取，得到历史交互内容和候选内容的场景特征和全局特征；对历史交互内容的场景特征和全局特征分别进行编码，得到历史交互内容序列的场景序列特征和全局序列特征；对历史交互内容序列的场景序列特征进行特征提取，得到待推荐对象的群体特征；根据群体特征、场景序列特征、全局序列特征及候选内容的场景特征和全局特征得到推荐指标信息；基于推荐指标信息，从候选内容中确定出针对待推荐对象的目标推荐内容。该方法可提高跨场景的推荐内容的质量。
-
公开(公告)号：CN116361551A
公开(公告)日：2023-06-30
申请号：CN202310256862.X
申请日：2023-03-08
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06F18/214
Abstract: 本公开提供了一种内容项推荐模型的训练方法、内容项推荐方法及装置，属于计算机技术领域。方法包括：基于样本训练数据，对基于有标签的样本预训练数据预训练得到的内容项推荐模型进行无监督训练，得到所述样本训练数据的反向加权损失；基于所述反向加权损失的正向梯度和反向梯度，对所述内容项推荐模型分别进行更新，得到第一临时模型和第二临时模型；基于样本测试数据和所述样本测试数据的标签信息，对所述内容项推荐模型、所述第一临时模型以及所述第二临时模型进行训练，得到目标推荐模型。该方法能够提高内容项推荐模型的推荐内容项的准确性，提升内容项推荐模型的鲁棒性。
-
公开(公告)号：CN118644069A
公开(公告)日：2024-09-13
申请号：CN202410494398.2
申请日：2024-04-24
Applicant: 清华大学深圳国际研究生院
IPC: G06Q10/0635 , G06Q10/0639 , G06Q10/04 , G06Q50/40 , G06F18/25 , G06N3/0464 , G06N3/044 , G06N3/045
Abstract: 本发明公开了一种智能交通系统的异构终端分级管理方法及系统，该方法包括：S1：从智能交通系统的各种异构终端收集数据，并将这些数据融合成统一的信息数据集；S2：接收信息数据集中的数据，进行风险评估，识别可能的安全威胁，得到风险评估结果；S3：根据风险评估结果，动态生成和调整安全策略，以使安全策略能实时反映最新的风险评估结果S4：根据安全策略，自动调整每个异构终端的安全级别；本发明使现有智能交通系统能够适用于动态场景安全管理。
-
公开(公告)号：CN118306410A
公开(公告)日：2024-07-09
申请号：CN202410406907.1
申请日：2024-04-07
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明公开了一种基于强化学习的自动驾驶汽车改进PID横向跟踪控制方法，通过分析车辆特性和横纵解耦需求，基于横纵解耦控制策略分别建立纵向PID控制方法和横向PID控制方法；建立车辆动力学方程，获取基于横向位置误差和航向角误差的车辆状态方程；利用车辆状态信息和车辆状态方程建立强化学习的状态空间和动作空间，基于状态空间和动作空间构建Actor‑Critic网络；设计奖励函数，利用深度确定性策略梯度算法对Actor网络进行更新，实时更新横向PID控制参数；整定横纵向PID控制器参数，设计训练地图进行强化学习的训练，设计测试地图对训练好的模型进行测试，评估其在真实场景下的跟踪控制效果。该方法显著提高了控制器对不确定环境的自适应能力和跟踪控制的精度。
-
Patent Agency Ranking
公开(公告)号：CN118276338A
公开(公告)日：2024-07-02
申请号：CN202410692636.0
申请日：2024-05-31
Applicant: 深圳清华大学研究院
Abstract: 本发明公开了一种双层菲林耦合编码的光场显示系统及显示方法，其包括有光源模块和控光阵列模块，所述光源模块与所述控光阵列模块之间设有双层菲林编码模块和频率选择模块，所述双层菲林编码模块包含第一菲林和第二菲林，所述第一菲林和第二菲林均设有多个呈阵列式分布的单位透遮光区域，通过设置遮光透光面积比而设定所述单位透遮光区域的透光比例，进而对透过所述第一菲林和第二菲林不同位置的光束进行强度控制，所述频率选择模块内布设有RGB颜色频率选择透过区域，相邻RGB颜色频率选择透过区域的颜色不同。本发明不受打印设备DPI限制，可提升光场信息排布密度以及提高光场显示效果。
-
公开(公告)号：CN118261766A
公开(公告)日：2024-06-28
申请号：CN202410408764.8
申请日：2024-04-07
Applicant: 清华大学深圳国际研究生院
Abstract: 一种基于地铁的乘客拓扑轨迹建模方法，包括以下步骤：S1、构建地铁网络的路网拓扑图，包括站点集合和连接站点的线路集合；S2、利用地铁自动售检票系统收集的乘客进出站数据，通过客流分配算法，获取乘客个体出行路径；S3、进行列车分配处理，清除无关站点和非载客列车，对于换乘和非换乘乘客分别确定乘客轨迹点时间，寻找合理的对应列车；S4、结合路网拓扑图、客流分配结果以及列车分配结果，生成代表乘客在地铁网络中移动的拓扑轨迹模型。相比GPS、手机信令等方法，本方法在表达、存储、观测等方面都具有较强的优势，对提升地铁运营效率、规划新线路或调整现有线路具有重要意义。
-
公开(公告)号：CN108736103B
公开(公告)日：2024-06-21
申请号：CN201810842034.3
申请日：2018-07-27
Applicant: 清华大学深圳研究生院
IPC: H01M10/613 , H01M10/625 , H01M10/6554 , H01M10/6563 , H01M10/653 , H01M10/6552
Abstract: 本发明公开了一种用于电动车电池的散热装置及电动车电池组件，所述散热装置包括：第一均热板、第二均热板、热管、散热片和风扇，所述热管的第一段安装在所述第一均热板中，所述热管的第二段安装在所述第二均热板中，并在所述热管的第二段的末端安装有所述散热片，所述风扇安装在所述散热片上。本发明的散热装置可以非常有效的防止电动车在夏季高温时段行驶和充放电过程中出现电池温度过高而影响正常使用的情况，可以占用最小的空间的前提下最大程度地提高散热效率。
-
公开(公告)号：CN117254869A
公开(公告)日：2023-12-19
申请号：CN202311165550.4
申请日：2023-09-11
Applicant: 清华大学深圳国际研究生院
IPC: H04J3/06
Abstract: 本发明公开了一种时间敏感网络主时钟纳管方法及设备，该方法包括：S1：获得网络中各个设备的时钟性能参数；S2：根据时钟性能参数计算出网络中时钟性能最优的参数，将时钟性能最优的参数归属的设备设置为主时钟设备；S3：各个设备接入网络时发起注册，判断各个设备的注册标识符，将主时钟标识携带在注册应答中发送至主时钟设备；S4：监控主时钟设备的状态；S5：判断主时钟设备的状态，若状态正常，则重复步骤S4；否则删除主时钟设备的时钟性能参数，在剩余设备中重新计算出时钟性能最优的参数，将时钟性能最优的参数归属的设备重新设置为新主时钟设备，并向从时钟发起时钟同步；本发明能够使保障网络时钟同步的快速启动与异常时重建。
-
公开(公告)号：CN116630528A
公开(公告)日：2023-08-22
申请号：CN202310265437.7
申请日：2023-03-20
Applicant: 清华大学深圳国际研究生院
IPC: G06T17/00 , G06T7/80 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 一种基于神经网络的静态场景重建方法，其中，采集周围环境视觉图像，并可输入车载激光雷达采集的位姿已知的激光点云数据；基于多视图立体视觉算法为各帧图像预测深度信息，利用视觉语义分割算法识别图像中的动态区域，在多视图融合重建阶段将动态区域予以剔除，获得静态区域的三维重建结果；对激光雷达点云的稀疏深度和视觉图像进行特征融合并输出稠密深度；对输入的视觉图像进行像素级语义类别分类，可用于识别行人车辆等动态区域；利用预测的深度图进行多视图深度融合，进行多视图几何一致性校验并输出最终的静态区域三维点云结果。本凤方法可应用于仅有视觉图像输入和同时具有视觉图像和激光雷达输入的情况，实现更加稠密准确的场景重建效果。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.051 seconds)
