-
公开(公告)号：CN118506063A
公开(公告)日：2024-08-16
申请号：CN202410563849.3
申请日：2024-05-08
IPC: G06V10/764 , G06V10/774
Abstract: 本说明书公开了一种图像分类模型的训练方法、装置、介质及电子设备，包括：获取旧分类任务对应的第一图像，以及确定用于执行旧分类任务的旧分类模型。将第一图像输入旧分类模型，确定第一图像的初始分类结果，再对初始分类结果进行加噪，并根据加噪后的分类结果和第一图像，对待训练的图像生成模型进行训练。根据旧分类任务对应的各旧类别，确定各旧类别分别对应的提示信息，并将各提示信息输入图像生成模型，确定各提示信息分别对应的模拟图像。获取新分类任务对应的第二图像，并根据第二图像和各模拟图像，对待训练的图像分类模型进行训练，避免训练完成的图像分类模型遗忘旧分类任务，提高图像分类模型的分类的准确性。
-
公开(公告)号：CN119206442B
公开(公告)日：2025-05-09
申请号：CN202411696214.7
申请日：2024-11-25
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于睡眠模拟的模型训练方法、装置、介质及设备。所述方法包括：获取经过训练的目标图像识别模型，目标图像识别模型为脉冲神经网络模型；输入特定信号，使网络产生纺锤波节律振荡，从而对目标图像识别模型进行非快速眼动睡眠模拟；根据目标图像识别模型中存在连接关系的各神经元节点在非快速眼动睡眠模拟的过程中的脉冲发放顺序，对各神经元节点之间的连接权重进行更新，根据更新后的各神经元节点之间的连接权重微调模型。本方案通过对训练后的模型进行非快速眼动睡眠模拟来对模型在训练过程中所学习到的知识进行强化，使得基于少量样本训练出的模型在睡眠模拟过程中对参数强化下也能够得到较高的模型性能。
-
公开(公告)号：CN119940426A
公开(公告)日：2025-05-06
申请号：CN202510428168.0
申请日：2025-04-08
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于记忆巩固的持续学习方法、装置、介质及设备。在该方法中，感觉皮层模块可以在每轮训练中依次学习不同任务的训练样本集，并将学习得到的感觉皮层模块的参数转移到海马模块。随后通过将海马模块的权重加载到前额叶皮层模块，使前额叶皮层模块叠加海马模块的权重，从而实现海马体的记忆回放。最后，通过向前额叶皮层模块输入慢波节律信号，使其可以结合海马模块权重进行调整，从而可有效缓解神经网络模型在持续学习中的“灾难性遗忘”问题，显著提高准确性。
-
公开(公告)号：CN119443093A
公开(公告)日：2025-02-14
申请号：CN202510050672.1
申请日：2025-01-13
Applicant: 之江实验室
IPC: G06F40/279 , G06V30/19 , G06V10/774
Abstract: 本发明提出了一种基于大型语言模型的酶活参数抽取方法与系统，属于文本信息处理和数据挖掘领域。本发明通过OCR技术将PDF格式文献转换为Markdown格式，随后利用大型语言模型结合优化的提示词自动提取关键数据；自动提取流程经过严格的提示词优化和后处理操作，确保数据的准确性和一致性；然后通过精确度和召回率验证自动提取的有效性，最终生成的酶数据库可供后续的研究和分析使用。本发明通过结合OCR技术与大型语言模型，突破了现有手动数据提取的局限，显著提升了文献解析和数据提取的自动化程度；通过提示词工程和优化的提示词设计，实现了复杂文献中的结构化数据自动提取，特别是对于酶动力学参数的精确识别和提取。
-
公开(公告)号：CN118334447A
公开(公告)日：2024-07-12
申请号：CN202410557147.4
申请日：2024-05-07
IPC: G06V10/764 , G06V20/70 , G06V10/774 , G06V10/82
Abstract: 本说明书公开了一种图像分类方法、装置、存储介质及电子设备。在采用本说明书提供的图像分类方法对目标模型原本无法识别的新类别图像进行分类是，可利用新类别样本图像的第一标签以及旧类别样本图像的第二标签确定出类别语义损失，引导目标模型对新类别样本图像的学习与分类。采用本方法能够在训练目标模型掌握对新类别图像进行分类的能力的同时，利用对旧类别图像的第二标签以及语义描述全程对旧类别图像保持注意，不会遗忘对旧类别图像进行分类的能力。有效减少目标模型在学习对新类别图像进行分类时需要处理的数据量。
-
Patent Agency Ranking
公开(公告)号：CN116739058A
公开(公告)日：2023-09-12
申请号：CN202310738684.4
申请日：2023-06-20
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于慢波睡眠的模型优化方法、装置、介质及设备。所述方法包括：获取待优化模型的模型数据，将待优化模型转换为脉冲神经网络模型；对脉冲神经网络模型进行慢波睡眠模拟，该慢波周期划分为上升阶段和下降阶段，其中，脉冲神经网络模型中的各神经元节点在各慢波周期的上升阶段以第一频率发放脉冲，在各慢波周期的下降阶段以第二频率发放脉冲，其中，第二频率小于第一频率；根据脉冲神经网络模型中各神经元节点对应的脉冲发放顺序，更新各神经元节点之间的连接权重，得到更新后权重；根据更新后权重，将所述脉冲神经网络模型转换为人工神经网络模型，得到优化后模型。
-
公开(公告)号：CN119206442A
公开(公告)日：2024-12-27
申请号：CN202411696214.7
申请日：2024-11-25
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于睡眠模拟的模型训练方法、装置、介质及设备。所述方法包括：获取经过训练的目标图像识别模型，目标图像识别模型为脉冲神经网络模型；输入特定信号，使网络产生纺锤波节律振荡，从而对目标图像识别模型进行非快速眼动睡眠模拟；根据目标图像识别模型中存在连接关系的各神经元节点在非快速眼动睡眠模拟的过程中的脉冲发放顺序，对各神经元节点之间的连接权重进行更新，根据更新后的各神经元节点之间的连接权重微调模型。本方案通过对训练后的模型进行非快速眼动睡眠模拟来对模型在训练过程中所学习到的知识进行强化，使得基于少量样本训练出的模型在睡眠模拟过程中对参数强化下也能够得到较高的模型性能。
-
公开(公告)号：CN118506231A
公开(公告)日：2024-08-16
申请号：CN202410563844.0
申请日：2024-05-08
IPC: G06V20/40 , G06V10/774 , G06V10/42 , G06V10/80
Abstract: 本说明书公开了一种视频分类的方法、装置、存储介质及电子设备，预先为每个子视频类别分配一个父视频类别，可获取待分类视频，提取待分类视频的整体特征。根据该整体特征，在预先存储的每个父视频类别对应的通用特征中，确定待分类视频所属的父视频类别对应的通用特征，并作为目标通用特征。基于目标通用特征以及待分类视频，通过预先训练好的视频分类模型，对待分类视频进行特征提取，得到视频特征，对视频特征以及目标通用特征进行融合，得到融合特征，基于融合特征，在待分类视频所属的父视频类别包含的子视频类别中，确定待分类视频所属的子视频类别。该方法由于新视频类别的出现，导致的模型忘记旧视频类别的问题，提高模型预测的准确度。
-
公开(公告)号：CN119204199A
公开(公告)日：2024-12-27
申请号：CN202411698421.6
申请日：2024-11-26
Applicant: 之江实验室
Abstract: 本申请涉及一种基于生成式模型的科研辅助方法、装置以及计算机设备，应用于计算机科学技术领域，通过获取用户提交的科研指令；当科研指令包括实验验证任务时，基于实验验证代理，获取与科研指令对应的知识库，基于知识库验证实验验证任务中的实验假设的正确性，生成验证结论；其中，知识库基于预存的科研资料建立，解决了针对科研任务中的实验设计缺乏自动化分析的问题，实现了将智能代理与科研实验结合，完善科研辅助的功能。
-
公开(公告)号：CN118537628A
公开(公告)日：2024-08-23
申请号：CN202410557143.6
申请日：2024-05-07
IPC: G06V10/764 , G06V20/70 , G06V10/774 , G06V10/82 , G06V10/75
Abstract: 本说明书公开了一种图像分类方法、装置、设备及可读存储介质，响应于当前图像分类任务，获取当前图像分类任务对应的样本图像和标注类型，根据获取到的与当前图像分类任务匹配的各提示子网确定当前提示网络，结合当前提示网络和已训练的历史图像分类模型得到当前图像分类模型，根据样本图像及其标注类型训练当前图像分类模型，从而响应于图像分类请求，将待分类图像输入到训练完成的当前图像分类模型，得到待分类图像的类型。可见，通过上述方案，有效应对了灾难性遗忘问题，增强了模型在学习新任务时的灵活性和准确性，同时避免了之前获得知识的丢失。另外，端到端的训练方式，使得模型的学习过程更加稳健和高效。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
