增强局部感知注意力的模型训练方法、预测方法和装置

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
增强局部感知注意力的模型训练方法、预测方法和装置
申请号:CN202410721998
申请日期:2024-06-05
公开号:CN118673986A
公开日期:2024-09-20
类型:发明专利
摘要
本公开提供一种增强局部感知注意力的模型训练方法、预测方法和装置,包括:获取模型训练样本;将模型训练样本输入预设网络模型的Embedding模块,得到高维空间表征数据;将高维空间表征数据输入预设网络模型的编码器模块,得到局部感知表征数据;将局部感知表征数据输入预设网络模型的解码器模块,得到训练车辆行驶时的制动意图预测结果;采用预设损失函数,基于制动意图预测结果对预设网络模型进行训练,得到制动意图预测模型。从而,通过增强预测模型对局部数据变化趋势的敏感性,有效提升模型预测精度,大幅度提高行车安全。
技术关键词
编码器模块 制动意图 行驶状态数据 注意力机制 模型训练方法 解码器 级联 车辆 网络 输入模块 关系 数据变化趋势 电信号 模型训练装置 线性 序列
系统为您推荐了相关专利信息
价值预测方法 时序特征 网络架构 因子 物流
轨迹可视化 分类方法 骨架模型 注意力机制 转换方法
神经网络预测方法 相互作用特征 空间分布特征 不良反应风险 免疫细胞
工业大数据 模态特征 多层注意力 多模态 掩码矩阵
自然语言 注意力机制 机器人 点云信息 文本