Invention Grant
- Patent Title: 基于时空超图学习的智能汽车测试场景关键性量化方法
-
Application No.: CN202311847645.4Application Date: 2023-12-29
-
Publication No.: CN117725387BPublication Date: 2025-04-25
- Inventor: 朱冰 , 黄殷梓 , 赵健 , 薛经纬
- Applicant: 吉林大学
- Applicant Address: 吉林省长春市前进大街2699号
- Assignee: 吉林大学
- Current Assignee: 吉林大学
- Current Assignee Address: 吉林省长春市前进大街2699号
- Agency: 长春市恒誉专利代理事务所
- Agent 梁紫钺
- Main IPC: G06F18/20
- IPC: G06F18/20 ; G06F18/213 ; G06N3/0442 ; G06N3/084 ; G06F18/2431 ; G06F18/22 ; G01M17/007
Abstract:
本发明涉及一种基于时空超图学习的智能汽车测试场景关键性量化方法，利用超图模型构建多维度场景要素之间内在关系的空间特征，并利用门控循环单元学习智能汽车测试场景中全要素时序信息，进而实现面向全维度复杂测试场景要素的关键性量化。可以提高测试效率，降低测试成本。本发明构建的超图结构考虑了图的动态性、有向性、时空性和异质性。
Public/Granted literature
- CN117725387A 基于时空超图学习的智能汽车测试场景关键性量化方法 Public/Granted day:2024-03-19
Information query
