摘要
本发明公开了一种基于双注意力时空图卷积的飞行器4D轨迹预测方法及系统,属于工智能时序预测技术领域。本申请利用自注意力机制对预定义邻接矩阵进行重构,并随着网络的训练不断进行优化以提高其泛化性。这有效解决了基于距离的预定义邻接矩阵无法充分反应动态场景中飞行器之间潜在关系的问题。在基于自注意力机制的可学习邻接矩阵的基础上,本申请利用图注意力网络进一步聚合节点之间的相关性,基于图注意力网络强大的全局信息汇聚能力对时空图进行额外的特征提取,使得模型能够捕捉节点之间更多的潜在联系,改善了传统图卷积运算无法有效聚合节点之间相关性的问题。进一步提升了飞行器未来轨迹预测的精确性。
技术关键词
轨迹预测模型
飞行器
网络
注意力机制
轨迹预测方法
重构模块
节点特征
时序预测技术
序列
轨迹预测系统
协方差矩阵
输出特征
数据
动态场景
传感器
系统为您推荐了相关专利信息
图像修复模型
随机森林模型
踏板车
婴儿车
训练集
场景生成方法
互联设备
状态转移模型
多设备
拉丁超立方采样
总线拓扑结构
通信优化方法
退避算法
资源分配
数据
内存配置方法
节点
资源配置信息
管理器
电子设备