-
公开(公告)号：CN118395245B
公开(公告)日：2024-09-27
申请号：CN202410865965.0
申请日：2024-07-01
Applicant: 湘江实验室
IPC: G06F18/24 , G06F17/10 , G06F18/10 , G06F18/213
Abstract: 本发明实施例提供了一种基于黎曼流形的实时脑电信号自适应分类方法及系统，其方法包括：采集多个试次的原始脑电信号，对所有原始脑电信号进行预处理操作；对初始样本脑电信号进行滤波处理，并计算样本协方差矩阵；采用黎曼切空间映射方法提取所有样本协方差矩阵中的样本协方差特征；利用样本协方差特征离线训练预设的分类器模型；基于运动想象任务采集多个试次的实时脑电信号，结合多个试次的实时脑电信号和样本协方差矩阵，并采用黎曼切空间映射方法自适应提取得到实时脑电信号对应的待分类协方差特征；将待分类协方差特征输入至分类器模型中，通过分类器模型输出标签预测结果。本发明具有准确提取脑电信号的信号特征的效果。
-
公开(公告)号：CN118097989A
公开(公告)日：2024-05-28
申请号：CN202410516556.X
申请日：2024-04-28
Applicant: 湘江实验室
Abstract: 本发明提供一种基于数字孪生的多智能体交通区域信控方法，包括由感知检测模块收集交通数据；由数据语义提取模块将收集得到的数据进行语义挖掘；由数字孪生模块为路网搭建数字孪生体；由孪生决策模块利用提取的交通数据在数字孪生虚拟空间内进行策略迭代训练来近似最优策略，同时将最优策略运用到实际交通信号灯控制中，并得到新的环境状态用于更新交通数字孪生平台进行新的模型训练，形成交互式训练闭环。本发明提供的所述基于数字孪生的多智能体交通区域信控方法，通过现实交通环境与数字孪生路网的交互式模型训练，实现一种更安全，更智能化的大规模多路网交通信号灯的动态调控方法。
-
公开(公告)号：CN117009095B
公开(公告)日：2024-01-02
申请号：CN202311284796.3
申请日：2023-10-07
Applicant: 湘江实验室
Abstract: 本申请适用于隐私数据处理技术领域，提供了一种隐私数据处理模型生成方法、装置、终端设备及介质，包括获取目标数据中心的网络资源信息和地理位置信息；计算目标数据中心的综合评价分数；确定候选聚合中心；根据聚合中心选择概率，确定多个目标聚合中心；将部分非聚合中心加入目标聚合中心的局部组，并对局部组中所有目标数据中心的初始本地模型参数进行聚合，得到目标聚合中心的局部模型参数；根据校对权重，对每个目标聚合中心的局部模型参数进行校对；根据贡献比例，构建全局循环模型；将全局循环模型部署到每个目标数据中心，得到最终本地模型，利用最终本地模型对患者隐私数据进行处理。本申请能提高多源数据间的协同学习效率。
-
公开(公告)号：CN118397581B
公开(公告)日：2025-04-25
申请号：CN202410409934.4
申请日：2024-04-07
Abstract: 本申请适用于智能车辆研究技术领域，提供了一种基于类脑感知的智能驾驶方法及相关设备。包括分别获取目标车辆的鸟瞰图和测量向量，并对鸟瞰图进行语义划分，得到多通道灰度图；采集人脑对多通道灰度图的刺激响应；分别构建类脑感知网络和类脑决策网络；根据刺激响应，将类脑感知网络和类脑决策网络与人脑进行对齐；将多通道灰度图和测量向量输入对齐后的类脑感知网络，得到目标车辆的环境特征；将环境特征输入对齐后的类脑决策网络，得到目标车辆的驾驶决策；驾驶决策包括目标车辆的多个驾驶动作；分别计算每个驾驶动作对应的评价分数，并根据最高评价分数对应驾驶动作，控制目标车辆的行驶，实现智能驾驶。本申请能提高智能驾驶方法的可解释性。
-
公开(公告)号：CN118097989B
公开(公告)日：2024-08-27
申请号：CN202410516556.X
申请日：2024-04-28
Applicant: 湘江实验室
Abstract: 本发明提供一种基于数字孪生的多智能体交通区域信控方法，包括由感知检测模块收集交通数据；由数据语义提取模块将收集得到的数据进行语义挖掘；由数字孪生模块为路网搭建数字孪生体；由孪生决策模块利用提取的交通数据在数字孪生虚拟空间内进行策略迭代训练来近似最优策略，同时将最优策略运用到实际交通信号灯控制中，并得到新的环境状态用于更新交通数字孪生平台进行新的模型训练，形成交互式训练闭环。本发明提供的所述基于数字孪生的多智能体交通区域信控方法，通过现实交通环境与数字孪生路网的交互式模型训练，实现一种更安全，更智能化的大规模多路网交通信号灯的动态调控方法。
-
Patent Agency Ranking
公开(公告)号：CN118397581A
公开(公告)日：2024-07-26
申请号：CN202410409934.4
申请日：2024-04-07
Abstract: 本申请适用于智能车辆研究技术领域，提供了一种基于类脑感知的智能驾驶方法及相关设备。包括分别获取目标车辆的鸟瞰图和测量向量，并对鸟瞰图进行语义划分，得到多通道灰度图；采集人脑对多通道灰度图的刺激响应；分别构建类脑感知网络和类脑决策网络；根据刺激响应，将类脑感知网络和类脑决策网络与人脑进行对齐；将多通道灰度图和测量向量输入对齐后的类脑感知网络，得到目标车辆的环境特征；将环境特征输入对齐后的类脑决策网络，得到目标车辆的驾驶决策；驾驶决策包括目标车辆的多个驾驶动作；分别计算每个驾驶动作对应的评价分数，并根据最高评价分数对应驾驶动作，控制目标车辆的行驶，实现智能驾驶。本申请能提高智能驾驶方法的可解释性。
-
公开(公告)号：CN118395245A
公开(公告)日：2024-07-26
申请号：CN202410865965.0
申请日：2024-07-01
Applicant: 湘江实验室
IPC: G06F18/24 , G06F17/10 , G06F18/10 , G06F18/213
Abstract: 本发明实施例提供了一种基于黎曼流形的实时脑电信号自适应分类方法及系统，其方法包括：采集多个试次的原始脑电信号，对所有原始脑电信号进行预处理操作；对初始样本脑电信号进行滤波处理，并计算样本协方差矩阵；采用黎曼切空间映射方法提取所有样本协方差矩阵中的样本协方差特征；利用样本协方差特征离线训练预设的分类器模型；基于运动想象任务采集多个试次的实时脑电信号，结合多个试次的实时脑电信号和样本协方差矩阵，并采用黎曼切空间映射方法自适应提取得到实时脑电信号对应的待分类协方差特征；将待分类协方差特征输入至分类器模型中，通过分类器模型输出标签预测结果。本发明具有准确提取脑电信号的信号特征的效果。
-
公开(公告)号：CN118280107A
公开(公告)日：2024-07-02
申请号：CN202410375178.8
申请日：2024-03-29
Applicant: 湘江实验室
IPC: G08G1/01 , G06T19/00 , G06T17/05 , G06F8/30 , G06N3/0455 , G06N3/0475 , G06N3/096 , G10L15/22 , G10L15/26 , G10L17/22 , G10L17/02
Abstract: 本发明公开了一种智慧交通三维数字孪生方法、装置及介质，所述方法包括：获取对话音频，并将对话音频转换为文本指令；基于所述文本指令生成对应的代码指令；根据所述代码指令生成交通场景；将所有交通场景集成后用虚幻引擎创建，得到Carla场景，以模拟自动驾驶车辆在不同场景下的行为和决策。本发明利用AIGC将语音识别的文字转换为代码指令，再通过对静态、动态数据的感知，可以对应的创建数字孪生模型，实现基于孪生数据的情景再现。本发明在智慧交通领域有很大的应用前景，它不仅可以提高规划、设计、施工、运营、安全方面管理水平，实现交通管理决策协同化和智能化，还可以大幅度降低使用成本，利于普遍推广。
-
公开(公告)号：CN117725965B
公开(公告)日：2024-05-14
申请号：CN202410169410.2
申请日：2024-02-06
Applicant: 湘江实验室
IPC: G06N3/0455 , G06N3/098 , G06F21/62
Abstract: 本发明公开了一种基于张量掩码语义通信的联邦边缘数据通信方法，用于道路交通卡口的数据通信处理，在卡口边缘端分布式训练深度学习模型；利用训练好的深度学习模型对卡口监控数据进行实时分析和处理；采用语义通信技术，利用掩码自编码机提取深度学习模型的张量语义，用于提升联邦边缘学习无线通信过程中的传输效率和抗干扰能力，本发明利用联邦边缘学习训练卡口端的深度学习模型，实现了交通状态和交通事件的边缘端识别，避免了卡口监控数据的大规模传输，既保护了卡口数据隐私，又实现了对交通数据的快速分析，张量掩码语义通信方法，将通信系统的各个模块进行了神经网络建模，实现了语义通信系统的端到端学习。
-
公开(公告)号：CN117725965A
公开(公告)日：2024-03-19
申请号：CN202410169410.2
申请日：2024-02-06
Applicant: 湘江实验室
IPC: G06N3/0455 , G06N3/098 , G06F21/62
Abstract: 本发明公开了一种基于张量掩码语义通信的联邦边缘数据通信方法，用于道路交通卡口的数据通信处理，在卡口边缘端分布式训练深度学习模型；利用训练好的深度学习模型对卡口监控数据进行实时分析和处理；采用语义通信技术，利用掩码自编码机提取深度学习模型的张量语义，用于提升联邦边缘学习无线通信过程中的传输效率和抗干扰能力，本发明利用联邦边缘学习训练卡口端的深度学习模型，实现了交通状态和交通事件的边缘端识别，避免了卡口监控数据的大规模传输，既保护了卡口数据隐私，又实现了对交通数据的快速分析，张量掩码语义通信方法，将通信系统的各个模块进行了神经网络建模，实现了语义通信系统的端到端学习。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.025 seconds)
