公开(公告)号：CN118765511A

公开(公告)日：2024-10-11

申请号：CN202380022351.X

申请日：2023-02-03

Applicant: 三菱电机株式会社

Inventor： 郭建林 ,  F·佩尔韦杰 ,  金耕进 ,  K·帕森斯 ,  菲利普·奥尔利克 ,  S·迪卡拉诺 ,  M·门纳 ,  K·伯恩托普

IPC: H04W4/44 ,  G06N20/00 ,  H04L67/12

Abstract: 提供一种用于使用学习服务器和连接到路边单元(RSU)的一组车辆代理来训练全局机器学习模型的计算机实施方法。该方法包括以下步骤：从连接到RSU的车辆池中选择车辆代理；基于从选定车辆代理到配置为向学习服务器提供距离的测量结果的RSU的距离分别关联选定车辆代理和RSU；将每个全局训练回合中的全局模型、选定代理集及截止期限阈值和截止期限阈值发送到配置为将全局模型和训练截止期限传送到选定车辆代理的RSU。关联的RSU计算对应的选定车辆代理的训练截止期限，并且选定车辆代理使用由选定车辆代理的车载传感器收集的本地数据集独立地本地训练全局模型，以产生本地训练模型。所述方法还包括经由相关联的RSU聚合来自选定车辆代理的本地训练模型以更新全局模型，直到全局模型达到预期的精度水平。

公开(公告)号：CN118140154A

公开(公告)日：2024-06-04

申请号：CN202280071014.5

申请日：2022-07-11

Applicant: 三菱电机株式会社

Inventor： 王璞 ,  姚罡 ,  K·伯恩托普 ,  H·曼苏尔 ,  P·布富诺斯 ,  菲利普·奥尔利克

IPC: G01S13/72 ,  G01S13/42 ,  G01S13/931 ,  G01S17/66 ,  G01S17/42 ,  G01S17/931 ,  G01S15/66 ,  G01S15/42 ,  G01S15/931 ,  G01S7/40

Abstract: 提供了一种用于跟踪目标的扩展状态的跟踪系统。所述跟踪系统在预定时间段内执行迭代地跟踪关于所述目标的扩展状态的可信度的概率过滤器，其中，使用所述目标的运动模型来预测所述可信度，并且使用所述目标的复合测量模型来更新所述可信度。在所述预定时间段之后，对更新的可信度进行平滑处理，以生成状态解耦的在线批量训练数据。所述复合测量模型包括被约束为位于目标轮廓周围并且具有到目标的中心的预定的相对几何映射的多个概率分布。使用所述在线批量训练数据对所述复合测量模型进行更新。进一步地，所述跟踪系统基于更新的复合测量模型跟踪所述目标的扩展状态。