Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中科华创(杭州)科技有限公司钱塘文获国家专利权

中科华创(杭州)科技有限公司钱塘文获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中科华创(杭州)科技有限公司申请的专利一种跨尺度自监督的时空轨迹基础模型训练方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121051506B

龙图腾网通过国家知识产权局官网在2026-02-10发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511596335.9,技术领域涉及:G06F18/24;该发明授权一种跨尺度自监督的时空轨迹基础模型训练方法是由钱塘文;王飞;贠利君;李俊禾;孙涛;许彬;陈昭;徐勇军设计研发完成,并于2025-11-04向国家知识产权局提交的专利申请。

一种跨尺度自监督的时空轨迹基础模型训练方法在说明书摘要公布了:本发明公开一种跨尺度自监督的时空轨迹基础模型训练方法,包括以下步骤:S1、对原始GPS数据进行预处理,获取不同空间粒度的轨迹数据;S2、分别对各空间粒度轨迹数据进行编码,得到各空间粒度对应的轨迹表征;S3、基于各空间粒度的轨迹表征分别随机选择一部分元素进行执行掩码操作,并计算预测轨迹数据与真实轨迹数据之间的差异作为掩码重建损失;S4、将所述正样本对和负样本对进行对比学习训练以构建对比学习损失;S5、将各空间粒度的轨迹表征与重要性权重进行动态融合,得到轨迹融合后的统一表征;S6、通过权重超参数将所述掩码重建损失与对比学习损失加权求和训练得到模型的总训练损失,并采用梯度下降算法更新模型参数至收敛,生成预训练模型。

本发明授权一种跨尺度自监督的时空轨迹基础模型训练方法在权利要求书中公布了:1.一种跨尺度自监督的时空轨迹基础模型训练方法,其特征在于:包括以下步骤: S1、对原始GPS数据进行预处理,获取不同空间粒度的轨迹数据; 步骤S1具体为: S11、采集原始GPS数据,并进行去噪处理,得到点级轨迹数据,其中分别表示轨迹点的纬度、经度及时间戳,表示原始轨迹数据中轨迹点的数量,表示去噪后轨迹点的数量; S12、通过地图匹配算法将原始GPS数据匹配至路网,得到路段级轨迹数据,其中表示路段ID,表示在该路段上的比率,表示路段级轨迹中路段的数量; S13、通过网格划分将原始GPS数据映射至地理网格,并融入兴趣点语义信息,得到区域级轨迹数据,其中表示网格ID,表示在该网格中的语义信息,表示区域级轨迹中网格单元的数量; S2、分别对各空间粒度轨迹数据进行编码,得到各空间粒度对应的轨迹表征; S3、基于各空间粒度的轨迹表征分别随机选择一部分元素进行执行掩码操作,通过训练模型对被掩码的轨迹数据进行预测,并计算预测轨迹数据与真实轨迹数据之间的差异作为掩码重建损失; S4、基于同一轨迹在不同空间粒度的轨迹表征构建正样本对,基于不同轨迹的任意空间粒度的轨迹表征构建负样本对,并将所述正样本对和负样本对进行对比学习训练以构建对比学习损失; S5、通过注意力机制分别对各空间粒度的特征进行加权,得到各空间粒度的重要性权重,并将各空间粒度的轨迹表征与重要性权重进行动态融合,得到轨迹融合后的统一表征; S6、通过权重超参数将所述掩码重建损失与对比学习损失加权求和训练得到模型的总训练损失,并采用梯度下降算法更新模型参数至收敛,生成预训练模型。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中科华创(杭州)科技有限公司,其通讯地址为:311100 浙江省杭州市余杭区仓前街道仓兴街669号11幢502室;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。