-
题名基于时空图联合关系路径的行人轨迹预测框架
被引量：1
- 1
-
-
作者
孙科
鄢府
范勇强
牟利平
谢海兵
-
机构
数字泸州产业投资集团有限公司
四川省金科成地理信息技术有限公司
成都市生态环境数智治理中心
四川省烟草公司泸州市公司
中国人民解放军联勤保障部队
-
出处
《无线电工程》
北大核心
2023年第2期281-289,共9页
-
基金
四川省科技计划资助(2021JDJQ0021,2022YFG0186)。
-
文摘
时空图被广泛应用于行人轨迹预测等时间序列任务中,如何更精确地捕捉不同时间段的轨迹位置信息以及更充分地利用时空图的结构信息对于轨迹预测至关重要。传统的轨迹预测方法规则复杂、约束性强、可扩展性较差,往往只能应用于特定领域。基于学习的轨迹预测方法不依赖于专家经验的物理规则,根据观察的轨迹数据来学习不同时间段各个空间位置之间的变化规则。基于学习的方法存在一定局限性,如没有充分利用时空图的结构信息,导致轨迹预测模型的性能下降。针对上述问题,提出了一种新型基于时空图联合关系路径的行人轨迹预测框架(Spatio-Temporal Graphs with Relationship Path Trajectory Prediction Framework, STRP-TPF)。STRP-TPF主要包括EdgeRNN和NodeRNN模型。STRP-TPF基于时空图构建关系路径,基于关系路径构建因子图;构建EdgeRNN和NodeRNN模型,并将因子图作为输入;输出下一时刻行人的位置,并且预测完整的行人轨迹。STRP-TPF利用关系路径能够准确捕捉时空图的结构信息,充分学习行人在不同时间和空间点的轨迹关系。大量实验结果表明,在ETH和UCY数据集上,STRP-TPF的整体性能均优于目前最先进的方法。在平均位移误差和最终位移误差方面,STRP-TPF比目前最先进方法低32.6%和37.7%。STRP-TPF的预测轨迹能够更准确地匹配真实轨迹。
-
关键词
时空图
轨迹预测
关系路径
因子图
平均位移误差
最终位移误差
-
Keywords
spatio-temporal graph
trajectory prediction
relationship path
factor graph
average displacement error
final displacement error
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名新收入准则的变化及其对会计核算的影响研究
- 2
-
-
作者
童在兰
-
机构
数字泸州产业投资集团有限公司
-
出处
《中文科技期刊数据库（全文版）经济管理》
2023年第12期8-11,共4页
-
文摘
随着市场经济体制的不断改革,在新收入准则的完善和落实下,能有效提高企业的会计核算质量,进而在充分反应企业各项经营管理活动的不足后,可促进企业更好的实现经营发展目标。不过基于新收入准则对会计核算的多方面影响,在企业未关注收入准则的变化和新制度的落实下,容易在会计核算工作中出现较多问题,如何有效落实良好的会计核算工作,也成为新发展环境中企业需要考虑的问题。为此,本文会先阐述新收入准则的变化,然后分析变化对会计核算的影响,最后阐述对应的核算措施,以期望可以促进企业的发展。
-
关键词
新收入准则
会计核算
落实策略
-
分类号
F721
[经济管理—产业经济]
F715.5
-
-
题名人工智能在疫情防控中的应用综述
- 3
-
-
作者
孙科
肖钦引
范嗣涓
翁越男
陈琴
张桃
韩楠
-
机构
数字泸州产业投资集团有限公司
四川省计算机研究院
四川省金科成地理信息技术有限公司
成都信息工程大学软件工程学院
宜宾学院人工智能与大数据学部
成都信息工程大学管理学院
-
出处
《计算机与网络》
2022年第14期63-68,共6页
-
基金
国家自然科学基金项目(61772091,61802035,61962006)
四川省科技计划项目(2021JDJQ0021,2022YFG0186,2021YZD0009,2021ZYD0033)
+2 种基金
成都市技术创新研发项目(2021-YF05-00491-SN,2021-YF05-02414-GX,2021-YF05-02413-GX,2021-YF05-02420-GX,2021-YF05-02424-GX)
成都市重大科技创新项目(2021-YF08-00156-GX,2021-YF08-00159-GX)
成都市“揭榜挂帅”科技项目(2021-JB00-00025-GX)。
-
文摘
由SARS-CoV-2病毒引发的新冠肺炎造成了全球范围内的疫情爆发,政府、企业和科研机构都致力于遏制新冠肺炎疫情的蔓延。人工智能作为一种大数据驱动的知识学习技术,被广泛应用于疫情防控的诸多方面,如疾病检测、药物和疫苗研究以及疫情传播预测等。基于人工智能方法的模型有助于改进病毒在人群中的传播模式,识别并预测疫情在不同地理位置的爆发情况。首先,对用于抗击新冠肺炎的人工智能算法进行综述,包括机器学习算法和深度学习算法;总结了人工智能技术在后疫情时代中的各项应用;最后,讨论了人工智能技术在传染病疫情防控中所面临的主要挑战和潜在的发展方向。
-
关键词
人工智能
疫情防控
疾病诊断
药物研发
疫情传播预测
-
Keywords
artificial intelligence
epidemic prevention and control
disease diagnosis
medicine development
epidemic transmission
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
