-
公开(公告)号：CN116991935A
公开(公告)日：2023-11-03
申请号：CN202311175361.5
申请日：2023-09-13
Applicant: 之江实验室
IPC: G06F16/26 , G06F16/2455 , G06F16/2458 , G06F16/22 , G06F16/34 , G06F18/22 , G06F18/25
Abstract: 本发明涉及一种多模态数据交互方法、设备、存储介质，包括如下步骤：输出包括节点选择界面以及数据流画布的可视化信号，获取用户选择多模态数据节点及分析节点，针对分析节点进行解析生成匹配的输出子节点，将所述数据节点、分析节点以及输出子节点添加至所述数据流画布中；获取数据流画布中节点间的连接关系并在所述数据流画布中显示，配置所述分析节点的输入参数，完成数据分析流的创建；获取用户选择的所述数据分析流中的输出子节点，输出与选择输出子节点的数据类型匹配的模态数据可视化信号。与现有技术相比，本发明能够充分挖掘多模态数据间的关联关系、交互简单、整体数据分析效率高的优点。
-
公开(公告)号：CN116843162A
公开(公告)日：2023-10-03
申请号：CN202311083864.X
申请日：2023-08-28
Applicant: 之江实验室
IPC: G06Q10/0631 , G06Q10/0639 , G06Q50/18 , G06F16/33 , G06F16/335 , G06F16/35 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0985 , G06F40/194 , G06F40/289 , G06F40/30
Abstract: 本发明公开了一种矛盾调解方案推荐与评分系统及方法，包括：矛盾案例录入模块，获取矛盾纠纷调解相关的案情描述、解决方案、处理机构、调解类型、评分等原始数据；数据清洗模块，对上述原始数据做清洗预处理操作；深度学习建模模块，基于已有预处理过的数据，训练深度学习模型；事件调解分配处理模块，根据案件复杂程度分配人工处理或自动化推荐方案，为矛盾事件当事人预分配处理窗口；矛盾纠纷解决方案推荐模块，为矛盾调解员提供纠纷解决方案推荐；解决方案评分模块，对调解人员给出的调解方案评分。本发明能够提高矛盾调解员案件处理效率，帮助案件当事人及时解决矛盾纠纷问题。
-
公开(公告)号：CN116720008A
公开(公告)日：2023-09-08
申请号：CN202311010113.5
申请日：2023-08-11
Applicant: 之江实验室
IPC: G06F16/9535 , G06F18/22 , G06F18/214 , G06F40/289 , G06F16/33
Abstract: 本说明书公开了一种机器阅读方法、装置、存储介质及电子设备。在采用本说明书提供的机器阅读方法，确定目标问题的目标答案时，可通过搜索引擎获取目标问题的候选文本，并以匹配度计算的方式确定出与目标问题匹配的匹配文本；通过预先训练的阅读模型以及生成式模型，根据目标问题与匹配文本，分别得到第一候选答案和第二候选答案；最终根据目标问题与各候选答案之间的相似度确定出最终的候选答案并回复给用户。在采用本方法时可无需预先设置具有庞大数据量的问答模板以及知识库等内容，实施成本较低，且能够适用于多种不同的场景，灵活性较强。
-
公开(公告)号：CN116612640A
公开(公告)日：2023-08-18
申请号：CN202310867386.5
申请日：2023-07-14
Applicant: 之江实验室
Abstract: 本说明书公开了一种车辆调度方法、装置、存储介质及电子设备，包括：针对待预测区域中的各子区域，将确定出的该子区域的历史出行信息按照至少两种时间周期进行提取，得到至少两种子信息。以及构建各子区域之间的距离图以及构建各子区域之间的出行需求图，并将各子区域的至少两种子信息、距离图以及出行需求图输入特征提取层，得到各子区域的至少两种时间特征、距离特征以及出行需求特征。将各子区域的至少两种时间特征、距离特征以及出行需求特征输入预测层，得到待预测区域的用户出行需求。根据用户出行需求，进行车辆调度。使得预测出的用户出行需求更加准确，从而根据用户出行需求，将车辆调度到各子区域，减少用户在各子区域的等待时间。
-
公开(公告)号：CN116030211B
公开(公告)日：2023-06-20
申请号：CN202310159660.3
申请日：2023-02-20
Applicant: 之江实验室
Abstract: 本说明书公开了一种构建仿真地图的方法、装置、存储介质及电子设备。仿真地图为位图格式，仿真地图中的每个色彩通道对应一层仿真图层。首先，获取各素材图，素材图为位图格式。其次，针对每个素材图，根据确定出的该素材图对应的图类型，确定该素材图中各位点的色值在待构建的仿真地图中所归属的色彩通道，作为该素材图对应的色彩通道。而后，根据各素材图中的各位点对应的色值以及各素材图对应的色彩通道，构建色值矩阵，色值矩阵用于表示素材图中每个位点在不同色彩通道上对应的色值。然后，根据色值矩阵，构建每个色彩通道所对应的仿真图层。最后，根据各色彩通道所对应的仿真图层，构建仿真地图。本方法可以提高构建仿真地图的效率。
-
Patent Agency Ranking
公开(公告)号：CN115630759A
公开(公告)日：2023-01-20
申请号：CN202211333679.7
申请日：2022-10-28
Applicant: 之江实验室
IPC: G06Q10/047 , G06Q10/0639 , G06Q30/0201 , G06Q50/26 , G06N7/01
Abstract: 本发明公开了一种面向明确目标的经济路径推演优化方法、装置及设备，基于历史数据构建初始CGE经济模型；确定需要调整的目标及相关路径，构建用于描述目标值与定量目标间差距的优化目标函数；基于已构建的CGE经济模型的模拟，通过贝叶斯算法，利用最小的代价逼近目标，利用马尔科夫链蒙特卡洛的方法对后验分布进行取样，得到最终路径内的变化幅度。本发明适应性好，可以针对不同目标和路径对方法进行调整；可行性高，可以兼顾实现目标和选择更合理的路径。基于上述优点更好地解决了为实现明确经济指标寻找可行路径的问题。
-
公开(公告)号：CN114595396B
公开(公告)日：2022-10-11
申请号：CN202210490648.6
申请日：2022-05-07
IPC: G06F16/9535 , G06N20/20
Abstract: 本发明公开了一种基于联邦学习的序列推荐方法和系统，属于个性化推荐领域和用户隐私保护领域。本发明将用户的个人信息、实时和历史数据都存放在本地，每个客户端能够根据自己的历史数据进行状态表示，捕捉用户与物品之间的交互关系，并基于深度强化学习将推荐过程看做一个序列化决策过程；本发明在联邦学习的聚合算法中引入了注意力机制，考虑到各个客户端提取特征信息的相关性，以及各个客户端的个性化带来的数据差异性，为每一个客户端制定权重系数，这是一种细粒度的重新赋权的手段，增加了数据的个性化程度，提高了推荐准确率，更加适合序列推荐领域，在保护个人数据隐私的同时，实现对用户的个性化推荐。
-
公开(公告)号：CN114327215B
公开(公告)日：2022-07-29
申请号：CN202210252339.5
申请日：2022-03-15
Applicant: 之江实验室
IPC: G06F3/04845 , G06T11/20
Abstract: 本发明属于信息可视化领域，涉及一种智能识别图表刷选目标的方法、装置和介质，该方法包括：步骤一，初始化计算图表的各类元素，根据预设的目标刷选范围，对图表进行刷选，获取刷选范围；步骤二，计算刷选范围的各类图表元素的匹配分值，其中，所述匹配分值包括数据区域的匹配分值、坐标轴的匹配分值、图例的匹配分值；步骤三，根据各类图表元素的匹配分值，提取目标元素，获取目标元素对应数据信息，后将数据信息包装为事件并发送给用户端。本发明方法支持以图表为整体来完成数据刷选，还可以支持边界值的刷选，且不受限于单个图表元素所占区域的大小。
-
公开(公告)号：CN114202065B
公开(公告)日：2022-06-24
申请号：CN202210145595.4
申请日：2022-02-17
Applicant: 之江实验室
Abstract: 本发明公开了一种基于增量式演化LSTM的流数据预测方法及装置，基于历史数据的初始LSTM预测模型构建；面向流式数据的增量式LSTM预测模型持续更新，进行增量式LSTM预测模型结构及参数演化；基于适应性粒子滤波的收敛加速；基于当前LSTM预测模型，进行流式数据的预测。本发明适应性好，基于新增数据持续对预测模型进行调整；调整速度快，基于适应性粒子滤波技术加速演化算法的收敛速度。基于上述优点更好地解决流数据预测中数据分布变化带来的预测准确度下降的问题。
-
公开(公告)号：CN114626499A
公开(公告)日：2022-06-14
申请号：CN202210508557.0
申请日：2022-05-11
Abstract: 本发明公开了一种用稀疏化注意力辅助决策的嵌入式多智能体强化学习方法，属于强化学习技术领域。初始化多智能体的效用函数网络参数、混合网络参数和目标混合网络参数；获取每一个智能体的自注意力输出和稀疏化注意力输出；使用门控循环单元模块编码当前观测输出，计算本地常规效用函数和本地稀疏效用函数，分别输入到混合网络中，各自拟合得到常规全局价值函数和稀疏全局价值函数，逐渐降低常规全局价值函数的权重，完成强化学习的训练。在决策推理阶段，各个智能体根据本地观测和自身效用函数来选择动作输出给环境，从而与环境进行交互。本发明可以嵌入到任何基于价值函数的MARL框架中，提升智能体决策的效率和精度。
-
-
-
-
-
-
-
-
-
Search Results
188
records
(took 0.055 seconds)
