-
公开(公告)号:CN119129768A
公开(公告)日:2024-12-13
申请号:CN202410834572.3
申请日:2024-06-26
Applicant: 中国科学院计算技术研究所
IPC: G06N20/00 , G06F18/214 , G06F18/27 , G06F123/02
Abstract: 本发明实施例提供了一种训练学生模型的方法,包括:获取第一训练集,其包括多个未经缺失处理的原始样本和对应的标签;获取利用原始样本和标签训练得到教师模型,其包括用于从原始样本提取教师表征的特征提取器和用于根据教师表征得到教师预测结果的回归层;利用多种缺失率对每个原始样本进行处理,得到对应的缺失样本,所有缺失样本和对应的标签组成第二训练集;获取学生模型,其包括用于从缺失样本提取学生表征的特征提取器和用于根据学生表征得到学生预测结果的回归层;利用第二训练集、教师表征和教师预测结果对学生模型进行训练,训练时,基于表征损失、预测结果损失、对比损失和绝对误差损失加权的总损失更新学生模型的参数。
-
公开(公告)号:CN118094055A
公开(公告)日:2024-05-28
申请号:CN202410176786.6
申请日:2024-02-08
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种目标跟踪的容量极限估计方法,包括:根据探测定位系统的探测参数,获取该探测定位系统在指定探测场景下进行目标跟踪的目标密度上限;基于该目标密度上限及目标区域的面积,估计该探测定位系统在该目标区域进行目标跟踪任务的容量极限及跟踪难度。本发明还提出一种目标跟踪的容量极限估计系统,以及一种用于实现目标跟踪容量极限估计的数据处理装置。
-
公开(公告)号:CN112949628B
公开(公告)日:2023-04-18
申请号:CN202110168050.0
申请日:2021-02-07
Applicant: 中国科学院计算技术研究所
IPC: G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种基于嵌入‑混合的轨迹数据增强及轨迹识别方法。所述轨迹数据增强方法包括:将轨迹数据中的每条轨迹转换成相应感兴趣点的集合;基于所有感兴趣点的总集计算包含每个感兴趣点编码的嵌入矩阵;基于所述嵌入矩阵确定每一条轨迹的轨迹编码向量;对任意两条或更多条轨迹的编码向量进行加权融合,获得新的编码向量;按照步骤S3的逆过程,对所获得的编码向量进行解码获得新的轨迹数据。本发明的轨迹数据增强方法可以有效地应用在轨迹数据上,可以同时针对轨迹数据的顺序性、空间性、语义性进行数据增强工作。既不会破坏轨迹数据的顺序性,又能考虑到轨迹数据的空间性和语义性。进而可以达到提升轨迹识别模型精度的效果。
-
公开(公告)号:CN112132235A
公开(公告)日:2020-12-25
申请号:CN202011191604.0
申请日:2020-10-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于DSP加速计算板卡的无人平台目标检测识别方法,其特征在于,包括:对待检测识别的一目标图像进行灰度化;按照一比例,采用双线性插值法将灰度化的所述目标图像缩放到一指定尺寸;基于一阈值,将缩放到所述指定尺寸的所述目标图像进行二值化;提取二值化后的所述目标图像的7个对平移、尺度和旋转不变矩特征;将所述7个不变矩特征输入已训练好的SVM多类分类器中,并输出所述目标图像的类别。
-
公开(公告)号:CN111291280A
公开(公告)日:2020-06-16
申请号:CN202010160198.5
申请日:2020-03-10
Applicant: 中国科学院计算技术研究所
IPC: G06F16/9537 , G06F16/29
Abstract: 本发明实施例提供了一种大规模移动对象的轨迹快速预测方法、介质和设备,本发明通过轨迹压缩来减缓数据量大的压力,采用柔和的奖惩措施,即匹配成功后将对应的两个相邻历史规律点的高斯概率的均值作为相似度奖励来避免奖惩措施过于尖锐,从而提高轨迹预测准确性,并且本发明在获取到与压缩后的当前轨迹相似度最高的压缩后的历史规律轨迹后,还通过插值补全法来实现在不降低轨迹预测准确性的情况下提高实时性。
-
公开(公告)号:CN110225481A
公开(公告)日:2019-09-10
申请号:CN201910505590.6
申请日:2019-06-12
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种车载自组织网络中车辆的使用者的注册、认证及更新方法,其中,车辆的使用者的注册方法包括:接收车辆以及所述车辆的使用者的相关信息并且核对所述相关信息的真实性,若所述相关信息不真实,则结束注册;若所述相关信息真实,则向所述车辆的信息设备发送用于认证所述车辆的使用者和登陆所述车辆的干预防护设备的参数组以进行保存,以及向所述车辆的干预防护设备发送用于认证所述车辆的信息设备和更新所述车辆的使用者的参数组以进行保存。本发明利用了人的生物特征,并且结合车辆的信息设备实现对车辆的使用者的认证,安全性较高;另外,支持车载自组织网络中一辆车具有多个使用者的情况,在实际的应用中灵活方便。
-
公开(公告)号:CN103297962A
公开(公告)日:2013-09-11
申请号:CN201310153333.3
申请日:2013-04-27
Applicant: 中国科学院计算技术研究所 , 宁波中科集成电路设计中心有限公司
Abstract: 本发明提供一种基于加密模糊关键字的机会网络路由方法及系统,方法包括:步骤1,计算所述订阅兴趣关键字集中每个兴趣关键字对应的模糊集和陷门集;步骤2,通过相似度匹配算法计算任意两个陷门集之间的相似度;步骤3,发布节点根据其发布内容提取的发布兴趣关键字集利用可信第三方计算所述发布兴趣关键字集中每个兴趣关键字对应的搜索关键字集合,并将所述搜索关键字集合作为发布内容的控制信息,利用所述控制信息以及加密的发布内容组成发布内容包,并将所述发布内容包发送给与其连接的所有转发节点;步骤4,所述转发节点接收所述订阅兴趣包后,将其路由信息作为头部,其身份标识作为尾部,组建路由表。
-
公开(公告)号:CN101285871B
公开(公告)日:2010-07-28
申请号:CN200810106261.6
申请日:2008-05-09
Applicant: 中国科学院计算技术研究所
IPC: G01R31/3185
Abstract: 本发明提供一种扫描链诊断向量生成方法和装置及扫描链诊断方法。所述诊断向量生成方法,包括如下步骤:确定扫描链的故障类型;根据扫描链的故障类型设定约束条件;在约束条件下,使扫描单元的逻辑状态通过组合逻辑形成的路径传播到的输出或伪输出数目最大,生成扫描链诊断向量。所述诊断向量生成装置,包括如下部件:故障类型判别单元,用于判别扫描链的故障类型;约束条件单元,用于根据故障类型设定约束条件;诊断向量生成单元,用于在所述约束条件下,使扫描单元的逻辑状态通过组合逻辑形成的路径传播到的原始输出或伪输出数目最大,生成扫描链诊断向量。本发明能够有效地容忍组合逻辑中的故障,且不会给电路带来硬件开销。
-
公开(公告)号:CN119669663A
公开(公告)日:2025-03-21
申请号:CN202411634098.6
申请日:2024-11-15
Applicant: 中国科学院计算技术研究所
IPC: G06F18/15 , G06F18/213 , G06F18/2131 , G06N3/0455 , G06N3/042 , G06N3/045 , G06N3/08 , G06F123/02
Abstract: 本发明提供一种用于多元时间序列分析的外插模型及其训练方法,模型包括:数据获取模块,用于获取所有传感器的待外插时序数据和元数据,待外插时序数据包括各传感器在预定时间段内的时序数据,所有传感器中包括缺失全部时序数据的目标传感器且其时序数据以预设缺失值替代;元数据图建模模块,用于基于待外插时序数据和元数据提取各传感器间的动态时空关系,根据动态时空关系构建元数据图;编码器,用于基于预定义图和元数据图编码待外插时序数据,得到编码结果;解码器,用于基于预定义图和元数据图对编码结果进行解码,得到解码结果;聚合层,用于聚合编码结果和解码结果,得到外插结果;其中,采用对抗训练方式训练得到经训练的外插模型。
-
公开(公告)号:CN119442131A
公开(公告)日:2025-02-14
申请号:CN202411430489.6
申请日:2024-10-14
Applicant: 中国科学院计算技术研究所
IPC: G06F18/25 , G06F18/214 , G06F18/213 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种基于多尺度融合的多元时间序列预测模型构建方法,所述方法包括:步骤S1、获取训练数据集,所述训练数据集包括多个预设时间段的多元时间序列数据;步骤S2、构建初始模型;步骤S3、以多元时间序列数据作为输入,多元时间序列数据的下一个时间段的多元时间序列数据作为预测输出,采用训练数据集基于预设的损失函数训练初始模型直至收敛,得到多元时间序列预测模型。本发明构建的多元时间序列预测模型不仅能够提取不同尺度下的时域和频域信息,还能对不同尺度下的时域信息和频域信息进行对齐融合,以充分利用多元时间序列数据的时域信息和频域信息实现多元时间序列数据的精准预测。
-
-
-
-
-
-
-
-
-