一种基于Transformer-WGAN的车辆跟驰行为建模方法(高校公示15天)(不包年费滞纳金)(需要二变)
一种基于Transformer‑WGAN的车辆跟驰行为建模方法,包括:获取跟驰场景中多组跟驰车和其前车的状态序列数据,将数据进行预处理使其符合模型输入的数据格式的步骤;建立Transformer网络模型,利用多头自注意力机制学习跟驰场景中车辆状态序列数据中复杂的时序依赖关系,提取驾驶数据中潜在时间特征的步骤;构建生成对抗网络WGAN,使用时间特征数据实现跟驰场景中车辆未来状态预测;将预测结果和真实结果作为由全连接网络构成的判别器的输入,判别器的目的是将预测结果和真实结果区分开,将预测的结果判断为假;通过生成器与判别器的对抗训练后,使判别器难以判定预测的结果为假,使得最小化预测结果和真实结果之间的误差,实现模型准确预测跟驰场景中车辆未来状态。
《一种基于Transformer-WGAN的车辆跟驰行为建模方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022111133622,当前法律状态为已下证,由浙江工业大学提出申请,发明人为徐东伟;高光燕;李呈斌;厉江鹏,申请日期为2022-09-14,公开(公告)日期为2026-02-27,国际专利分类号(IPC)为 G06N 3/0455 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:一种基于Transformer‑WGAN的车辆跟驰行为建模方法,包括:获取跟驰场景中多组跟驰车和其前车的状态序列数据,将数据进行预处理使其符合模型输入的数据格式的步骤;建立Transformer网络模型,利用多头自注意力机制学习跟驰场景中车辆状态序列数据中复杂的时序依赖关系,提取驾驶数据中潜在时间特征的步骤;构建生成对抗网络WGAN,使用时间特征数据实现跟驰场景中车辆未来状态预测;将预测结果和真实结果作为由全连接网络构成的判别器的输入,判别器的目的是将预测结果和真实结果区分开,将预测的结果判断为假;通过生成器与判别器的对抗训练后,使判别器难以判定预测的结果为假,使得最小化预测结果和真实结果之间的误差,实现模型准确预测跟驰场景中车辆未来状态。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
