“李子烁”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]一种获取路段通行时长的方法、装置、电子设备及存储介质-CN202111075689.0有效
发明人： 李子烁;杨玲玲;张岩;李成洲;武治 -专利权人：北京百度网讯科技有限公司
申请日： 2021-09-14 - 公布日： 2023-10-13 - 主分类号： G06F16/2458 文献下载
摘要：本公开提供了一种获取路段通行时长的方法、装置、电子设备及存储介质，涉及人工智能领域，进一步涉及智能交通技术领域，以至少解决现有方案中对于路段通行时长的预测精度低下的技术问题。具体实现方案为：获取目标路段的道路属性信息、时间属性信息、空间属性信息以及待预测目标时刻；采用目标神经网络模型对道路属性信息、时间属性信息和空间属性信息进行特征融合，确定待预测目标时刻对应的目标路段的通行时长，其中，目标神经网络模型使用多组数据通过机器学习训练得到，多组数据中的每组数据均包括：预设地理区域内不同路段的多维度属性信息和每个路段对应的实际通行时长。
一种获取路段通行方法装置电子设备存储介质

[发明专利]速度的预估方法、装置、电子设备及存储介质-CN202310413031.9在审
发明人：刘莹;李子烁;武治;白红霞;张岩 -专利权人：北京百度网讯科技有限公司
申请日： 2023-04-18 - 公布日： 2023-07-28 - 主分类号： G08G1/01 文献下载
摘要：本公开提供了速度的预估方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体涉及数据处理、深度学习和智能交通技术。其中方法包括：获取多种模态的行驶数据；对所述多种模态的行驶数据进行特征提取，得到多种模态的行驶特征数据；将不同模态的所述行驶特征数据进行交互融合，得到多种融合模态的行驶特征融合数据；以及根据所述多种融合模态的行驶特征融合数据进行速度预估，得到目标速度预估值。本公开采用多模态融合的方式，融合不同模态的行驶特征数据，将不同模态的行驶特征数据交互，从而获得更具表示性的行驶特征融合数据，进而可以实现更为精准的速度预估以及整体通行时间预估。
速度预估方法装置电子设备存储介质

[发明专利]路段通行时长的确定方法、装置、电子设备和介质-CN202211686073.1在审
发明人： 李子烁;武治;刘莹;张岩;白红霞 -专利权人：北京百度网讯科技有限公司
申请日： 2022-12-27 - 公布日： 2023-06-09 - 主分类号： G08G1/01 文献下载
摘要：本公开提供了一种路段通行时长的确定方法、装置、电子设备和介质，涉及智能交通、深度学习等领域。实现方案为：获取目标路段的多个目标交通规律特征，及目标路段在目标时刻的目标交通状态，并根据目标交通状态，确定多个目标交通规律特征的权重；根据多个目标交通规律特征的权重，对多个目标交通规律特征进行融合，以得到融合交通规律特征；对融合交通规律特征进行通行时长预测，以得到目标路段在目标时刻对应的预期通行时长。由此，基于目标路段的多种交通规律特征，来预测目标路段的通行时长，可以提升预测结果的准确性。并且，多种交通规律特征的融合权重，是根据目标路段在预测时刻的实时交通状态确定的，可进一步提升预测结果的准确性。
路段通行确定方法装置电子设备介质

[发明专利]预测模型获取及通行时长预测方法、装置、设备及介质-CN202211720619.0在审
发明人：武治;李子烁;刘莹;张岩;白红霞 -专利权人：北京百度网讯科技有限公司
申请日： 2022-12-30 - 公布日： 2023-06-09 - 主分类号： G06Q10/04 文献下载
摘要：本公开提供了预测模型获取及通行时长预测方法、装置、设备及介质，涉及深度学习、大数据处理、知识图谱以及地图导航等人工智能领域。其中的通行时长预测方法可包括：获取待预测的导航路线；将待预测的导航路线中的各路段作为基础路段，分别获取各基础路段的扩展路段，根据所述基础路段以及所述扩展路段生成待预测的导航路线对应的拓扑图；分别获取所述基础路段以及所述扩展路段的特征信息，根据所述拓扑图、所述特征信息以及预先训练得到的预测模型，确定出待预测的导航路线的通行时长。应用本公开所述方案，可提升预测结果的准确性等。
预测模型获取通行方法装置设备介质

[发明专利]一种建立多孔介质自发渗吸量与时间关系数学模型的方法-CN202110265631.6有效
发明人：姚艳斌;李子烁;刘大锰;孙晓晓;刘永 -专利权人：中国地质大学（北京）
申请日： 2021-03-11 - 公布日： 2022-02-01 - 主分类号： G01N15/08 文献下载
摘要：本发明提供一种建立多孔介质自发渗吸量与时间关系数学模型的方法，包括：选取预定尺寸的两个岩样进行清洗烘干，对第一个岩样先抽真空后注水形成饱水样品，对其进行离心处理以获取核磁共震饱水与离心T2谱图；此后使用第二个岩样开展自发渗吸实验，并利用核磁共震连续获取渗吸过程孔隙分布T2谱图；根据前述两个岩样的数据计算出岩样的渗吸渗透率、平均毛管压力和表面弛豫率；将得到的参数代入Handy方程并替换相应的参数，得到基于核磁共震原理的适用于多孔介质自发渗吸过程渗吸量与时间关系的数学模型。本发明能够克服现有Handy方程中渗透率和毛管力不适用于自发渗吸研究过程的局限性，以及其在页岩等致密储层中不易获取渗透率和毛管力精确值的缺陷。
一种建立多孔介质自发渗吸量时间关系数学模型方法

[发明专利]基于线性自学习网络的缺失值填补方法、存储介质及系统-CN202011052819.4在审
发明人：赵国帅;白凌南;李子烁;钱学明 -专利权人：西安交通大学
申请日： 2020-09-29 - 公布日： 2020-12-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于线性自学习网络的缺失值填补方法、存储介质及系统，获取没有缺失值的原始时序数据，对原始时序数据进行预处理，以随机概率构造缺失数据集，将新生成的缺失数据集和相对应的原始数据作为新的数据集；构建基于线性自学习网络模型，利用生成的新数据集进行训练；利用训练后的基于线性自学习网络模型，使用反向传播算法进行缺失值填补，将缺失值填补完成后的时间连续完整数据集用于循环神经网络的本质特征与缺失规律的模型训练中，提高下游分类和回归任务性能。本发明利用线性自学习网络能够深度挖掘数据内部及相互关系的特点，能同时提高填充精度和填充效率。
基于线性自学习网络缺失填补方法存储介质系统