-
公开(公告)号：CN114418013A
公开(公告)日：2022-04-29
申请号：CN202210075749.7
申请日：2022-01-22
IPC: G06K9/62
Abstract: 本发明涉及互联网大数据技术领域，具体涉及基于数据分布的分层加权抗噪深度度量学习方法，包括：将随机合成的噪声样本加载到训练数据集中；基于数据间的距离关系刻画数据分布，随着训练进程推进数据分布的记录更新；基于数据分布的分布矩阵，去除每个训练batch中的噪声样本；基于数据分布自适应指导采样策略的学习并完成采样；最小化模型的损失函数以更新模型参数，并同步更新数据分布。本发明的深度度量学习方法能够提高模型的训练准确性和训练鲁棒性，从而能够保证模型的训练效果。
-
公开(公告)号：CN114357148A
公开(公告)日：2022-04-15
申请号：CN202111619401.1
申请日：2021-12-27
IPC: G06F16/338 , G06F16/33 , G06K9/62 , G06V30/148 , G06V10/40 , G06V30/19
Abstract: 本发明涉及图像文本检索技术领域，具体涉及一种基于多级别网络的图像文本检索方法，包括：构建具有全局级别子网络、关系级别子网络和数字级别子网络的图文检索模型；构建用于训练图文检索模型的训练数据集，训练数据集中包括图像文本对；将训练数据集中的图像文本对分别输入图文检索模型的全局级别子网络、关系级别子网络和数字级别子网络，以分别生成对应的全局级别相似度、关系级别相似度和数字级别相似度并单独训练对应的子网络；基于训练完成的图文检索模型进行图像文本检索。本发明中的图像文本检索方法能够提升图像文本的检索效率和检索准确性，从而能够提升图像文本检索的效果。
-
公开(公告)号：CN114254765A
公开(公告)日：2022-03-29
申请号：CN202210189063.0
申请日：2022-03-01
Applicant: 之江实验室
Abstract: 本发明涉及人工智能技术领域，具体涉及一种面向模拟推演的主动式序列决策方法、装置和介质，该方法包括如下步骤：步骤1，面向大规模强化学习的系统状态划分；步骤2，模拟推演环境的持续数据采集；步骤3，基于流数据的实时状态预测与判断；步骤4，启动基于多主体多目标强化学习的决策。本发明有以下优点：（1）为模拟推演系统提供主动式决策支持，可以避免或延缓未来某一异常状态的发生；（2）通过并行算法支持大规模多主体多目标强化学习。基于这些优点更好地解决了如何高效地在模拟推演环境中寻求可以避免损失的优化序列决策，从而指导现实环境中决策的问题。
-
公开(公告)号：CN114118633A
公开(公告)日：2022-03-01
申请号：CN202210090890.4
申请日：2022-01-26
Abstract: 本发明公开了一种基于先行关系的指标自优化预测方法及装置，包括：制定协同调整规则，计算时滞协同相关度形成时滞相关分析表，以及对时间序列指标进行筛选形成先行分析表；若指标时间长度远小于指标个数，则对指标集进行重抽样处理，并进行逐步回归；构造指标重要性测度公式，自优化先行指标集，形成关键先行指标集；利用关键先行指标集进行再逐步回归，开展参数估计与预测。本发明的基于先行关系的指标自优化预测算法，解决了高维数据分析过程中指标维度远高于指标数量而导致的预测失效问题。
-
公开(公告)号：CN114003815A
公开(公告)日：2022-02-01
申请号：CN202111299225.8
申请日：2021-11-04
IPC: G06F16/9535 , G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种网络舆情主题及其关注用户群体的发现方法，其步骤包括：1构建舆情文档中数据集合，2建模舆情文本话题，关注舆情文本话题的用户群体，3设计有参贝叶斯模型，4利用坍塌式吉布斯抽样算法进行参数推断。本发明在应对大规模的在线社交媒体内容以及社交用户评论行为时，一方面能够结合主题分析快速、有效、准确地发现网络中的舆情主题，有助于舆情检测，为舆情的引导和控制提供决策支持；另一方面能够识别关注每个舆情话题的用户群体，实现对社交媒体用户依据关注话题的异同进行快速精准的分类。
-
Patent Agency Ranking
公开(公告)号：CN118606480A
公开(公告)日：2024-09-06
申请号：CN202411084396.2
申请日：2024-08-08
Applicant: 之江实验室
IPC: G06F16/35 , G06F40/216 , G06F40/242 , G06F40/289
Abstract: 本发明提供了一种基于知识迁移的多领域情感分类方法及系统。本发明从每个领域挖掘出先验频数作为领域知识，并基于本地字典将挖掘出的知识保存在知识库中，再使用存储在知识库中的知识修正目标领域的模型参数，最后基于修正结果利用训练好的情感分类器模型获得面向目标领域的情感分类预测结果。本发明充分考虑了多领域评论数据中蕴含的共性情感知识，以联邦学习的方式利用其它领域的知识来帮助目标领域的分类任务，从而提高目标领域的情感分类性能，避免了对领域原始数据的访问和使用，能够有效应对样本选择偏差、领域情感特异、数据隐私等问题，保障了各领域数据的隐私性和安全性，具有复杂度低、效率高、准确度高、安全性强、可实施性强的优点。
-
公开(公告)号：CN118332135B
公开(公告)日：2024-08-16
申请号：CN202410748710.6
申请日：2024-06-12
Applicant: 之江实验室
Abstract: 本发明涉及一种基于neo4j与jena的知识图谱构建方法、装置及存储介质，其中方法包括：构建neo4j模块的链接池；接收到图谱操作请求，提取图谱操作请求中的图谱项目ID，并判断图谱项目ID是否与任一有效链接匹配，若为是，则通过neo4j模块处理图谱操作请求，反之则通过jena模块处理图谱操作请求；当图谱项目ID与所有的有效链接均未匹配时，判断是否存在空闲的有效链接，若为是，则为图谱项目ID匹配一个空闲的有效链接，并执行数据迁移步骤，若为否，将所述图谱项目ID添加至等待队列中；当图谱操作请求被执行后，在与图谱操作请求中的图谱项目ID对应的日志文件中创建一条日志记录，其中，日志文件与图谱项目ID一一对应。与现有技术相比，本发明可以实现neo4j的超卖问题。
-
公开(公告)号：CN117764165A
公开(公告)日：2024-03-26
申请号：CN202311546843.7
申请日：2023-11-17
Abstract: 本公开提供一种成绩的预测方法、装置、电子设备及存储介质，包括：获取目标用户的用户信息，其中所述用户信息包括若干实体信息和所述若干实体信息间的关系信息；基于所述若干实体信息和所述关系信息生成知识图谱；基于所述知识图谱确定所述目标用户的实体向量以及成绩向量；基于所述实体向量以及所述成绩向量对所述目标用户的成绩进行预测，并得到预测结果。本公开中，首先获取了用户的实体信息以及实体间的关系信息，之后基于此实体信息以及关系信息生成了知识图谱，然后又在此知识图谱中确定了用户的实体向量以及成绩向量，最后通过实体向量以及成绩向量，并使用预设的神经网络模型对用户的成绩进行了预测，并得到了预测结果。
-
公开(公告)号：CN117574982A
公开(公告)日：2024-02-20
申请号：CN202410060305.5
申请日：2024-01-16
Applicant: 之江实验室
IPC: G06N3/08 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/0499 , G06V10/82 , G06V10/774 , G06V10/764
Abstract: 一种基于线性变换的预训练模型微调方法和装置，其方法包括：收集与下游任务的相关图像数据，对图像数据划分训练集、验证集，并进行适当的预处理，选择合适的预训练模型，修改该模型的任务头，以适配下游任务，并冻结预训练模型的骨干部分；在相邻层间插入线性变换模块，所述线性变换模块用于对特征的缩放和平移；利用下游任务的数据微调预训练模型，保存在验证集上表现最优的模型权重；利用重参数技术将线性变换模块的参数融入到相邻层中，最后部署模型，完成下游任务。本发明引入的待学习参数少，在多种下游任务上，能够实现更高的准确率，并且，在模型推理阶段采用重参数技术将引入的参数融入了模型骨干层中，极大地简化了模型的部署。
-
公开(公告)号：CN117237744B
公开(公告)日：2024-01-30
申请号：CN202311497032.2
申请日：2023-11-10
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
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：获取各样本图像，以及确定各样本图像分别在预设的各目标类别中所属的类别，并作为各样本图像分别对应的标注。基于各样本图像以及各标注，对预先训练的第一模型进行训练，得到第二模型。融合各样本图像中不同类别的样本图像，得到训练样本。根据训练样本以及第二模型，确定训练样本对应的标准特征。将训练样本输入第一模型，确定训练样本对应的样本特征。至少根据样本特征以及标准特征，对第一模型进行训练，并将训练完成的第一模型作为图像分类模型，增强图像分类模型的表征能力，提高图像分类模型的输出结果的准确性。(56)对比文件Thangarajah Akilan et al..Fusion oftransfer learning features and itsapplication in image classification《.2017IEEE 30th Canadian Conference onElectrical and Computer Engineering(CCECE)》.2017,第1-5页.
-
-
-
-
-
-
-
-
-
Search Results
188
records
(took 0.049 seconds)
