公开(公告)号：CN112634328B

公开(公告)日：2022-11-08

申请号：CN202011551018.2

申请日：2020-12-24

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 陈旭 ,  苏涵 ,  刘顺程 ,  郑凯 ,  曾凯

IPC: G06T7/246 ,  G06T7/73 ,  G06N3/04

Abstract: 本发明公开了一种基于自定中心星状图和注意力机制预测行人轨迹的方法，首先，目标行人及其邻近行人的历史轨迹分别由时间和空间编码器进行编码；然后将隐藏状态输入到注意力机制中，以模拟目标行人的注意力；最后，注意力权重的加和通过自定中心星状图解码器传递，一次输出一个预测位置；同时，相邻的隐藏状态将在星状图中连续解码，从而连续计算目标行人每个未来时刻的注意力。本发明利用自定中心星状图和多头注意力机制，并结合到时空编码信息中，很好地解决了现有技术预测行人轨迹精确度低及需要花费较多计算能力的问题。

公开(公告)号：CN112634328A

公开(公告)日：2021-04-09

申请号：CN202011551018.2

申请日：2020-12-24

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 陈旭 ,  苏涵 ,  刘顺程 ,  郑凯 ,  曾凯

IPC: G06T7/246 ,  G06T7/73 ,  G06N3/04

Abstract: 本发明公开了一种基于自定中心星状图和注意力机制预测行人轨迹的方法，首先，目标行人及其邻近行人的历史轨迹分别由时间和空间编码器进行编码；然后将隐藏状态输入到注意力机制中，以模拟目标行人的注意力；最后，注意力权重的加和通过自定中心星状图解码器传递，一次输出一个预测位置；同时，相邻的隐藏状态将在星状图中连续解码，从而连续计算目标行人每个未来时刻的注意力。本发明利用自定中心星状图和多头注意力机制，并结合到时空编码信息中，很好地解决了现有技术预测行人轨迹精确度低及需要花费较多计算能力的问题。

公开(公告)号：CN116476861A

公开(公告)日：2023-07-25

申请号：CN202310191784.X

申请日：2023-03-02

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 郑凯 ,  苏涵 ,  刘顺程 ,  夏宇阳 ,  余泉霖 ,  胡锐 ,  许志 ,  陈旭

IPC: B60W60/00

Abstract: 本发明公开了一种基于多模态感知和分层动作的自动驾驶决策系统，包括数据预处理模块、状态表征模块、演员评论家模块、混合奖励函数模块和多进程训练模块；通过并行训练来加快模型的训练速度和提升模型的训练表现。本发明的适用性更好，运用了多种传感器和深度学习算法来对周围环境信息进行一个全面的感知，从而让自动驾驶车能够更好的应对一些突发情况，分车道的跨模态聚合模型让自动驾驶车能够更快更好地提取有用的特征。基于分层动作的强化学习模型更好地优化自动驾驶车的车道保持行为和变道行为。满足自动驾驶车每一次决策的安全性、效率性和舒适性，并减少由于自动驾驶车急剧的变速和变道引发的车流波动，提升整个车流的交通效率和车流稳定。

公开(公告)号：CN117874071A

公开(公告)日：2024-04-12

申请号：CN202311829394.7

申请日：2023-12-28

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 李婉儿 ,  陈旭 ,  梁子博 ,  叶润繁 ,  郑凯 ,  苏涵

IPC: G06F16/2453 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/08 ,  G06F18/214

Abstract: 本发明公开了一种基于机器学习的数据库查询优化器代价模型，涉及数据库技术领域，该数据库查询优化器代价模型在跨越若干数据库的多个数据集上进行训练，其框架包括编码器模块、Tree‑LSTM模型和预测模块，其训练过程包括预训练阶段和微调阶段；预测模块基于残差连接构建，且包括五个线性层，其第一、四线性层组成适配器；在预训练阶段，提取节点特征，并对节点特征的算子类型、基数和代价进行编码，之后转换为向量；Tree‑LSTM模型将向量转化为隐藏状态；预测模块根据隐藏状态生成成本估算；在微调阶段，冻结预训练的Tree‑LSTM模型的参数，以及第二、三、五线性层，然后根据目标数据库的本地知识调整适配器的参数。本模型在面对不同数据库时能保持准确性并进行快速推理。

公开(公告)号：CN114782493A

公开(公告)日：2022-07-22

申请号：CN202210426595.1

申请日：2022-04-21

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 刁宇鹏 ,  苏涵 ,  苏艺腾 ,  曾曦霂 ,  陈旭 ,  刘顺程

IPC: G06T7/246 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自编码器的不定长行人轨迹预测方法，包括：S1、采用自编码器提取不定长行人轨迹特征，并将不同的历史轨迹在编码阶段扩充到相同的维度；S2、计算目标行人对周围每一个行人编码后的向量的注意力得分，并将这些注意力得分经过权重矩阵合并求值，得到每个行人对于目标行人的注意力权值，并以此作为输出传递给LSTM进行最终的轨迹预测；S3、利用迁移学习方法对自编码器进行模型训练；S4、循环步骤S1～S3。本发明通过利用历史轨迹以及行人之间的相互作用使得目标行人的未来轨迹预测更加接近其真实的未来轨迹。