返回搜索
档案
一种基于多任务学习的汽车充电桩布局优化方法
发明专利未知
8权利要求 · 1 独立
§ Ⅰ
卷宗概要
IPC 分类
G06F 18/25 (2023.01)G06F 18/24 (2023.01)G06F 18/214 (2023.01)G06N 5/04 (2023.01)G06N 5/025 (2023.01)G06N 3/096 (2023.01)G06Q 10/04 (2023.01)G06Q 50/06 (2024.01)
本发明公开了一种基于多任务学习的汽车充电桩布局优化方法,具体包括:构建GSEM,每条因果路径为一个子任务;获取个体数据与ARIMAX生成的区域时序预测数据,嵌入GSEM;将GSEM似然函数分解为多个子任务似然函数,每个子任务含共享参数;计算各子任务似然对共享参数的梯度,得到子任务梯度向量;将梯度向量映射到观测变量残差构成的Medusa令牌空间;在令牌空间中计算梯度余弦相似度,判定冲突梯度,减去冲突分量;将调制梯度逆映射回参数空间,更新共享参数,迭代至收敛,输出标准化效应值以调整充电桩布局参数。本发明融合GSEM与Medusa令牌空间梯度调控,消除多路径梯度冲突,提升布局决策精度。
登录后阅读全文
已显示权利要求 1。免费注册即可阅读全部 8 项权利要求、说明书全文、全部附图、翻译和法律状态。
- 全部权利要求
- 技术领域
- 背景技术
- 发明内容
- 附图说明
- 具体实施方式