-
公开(公告)号：CN112185395B
公开(公告)日：2021-04-27
申请号：CN202010920024.4
申请日：2020-09-04
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提出一种基于差分隐私的联邦声纹识别方法，包括一：在服务端进行通用背景模型UBM预训练得到初始通用背景模型UBM；二：客户端接收预训练后的初始通用背景模型UBM，利用本地的私有语音数据进行初始通用背景模型UBM的学习；三：客户端学习得到的统计量进行差分隐私保护；四：服务端聚合多个客户端上传的差分隐私保护后的统计量，更新初始通用背景模型UBM；五：客户端接收更新后通用背景模型UBM，借助本地私有语音数据调整得到该客户端用户的高斯混合模型GMM，利用更新后通用背景模型UBM和该用户的高斯混合模型GMM判别待验证语音是否为该客户端用户所产生。
-
公开(公告)号：CN111260040B
公开(公告)日：2020-11-06
申请号：CN202010370070.1
申请日：2020-05-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于内在奖励的视频游戏决策方法，包括以下步骤：S1、获取视频游戏模拟环境；S2、构建神经网络模型；S3、设计内在奖励模型；S4、将内在奖励模型与构建的神经网络模型结构结合；S5、通过模拟环境获取游戏的记录；S6、通过获取的游戏记录，更新神经网络模型；S7、循环训练神经网络模型直至收敛。本发明的有益效果是：较好的解决了三维场景中较为常见的缺乏环境反馈奖励值的问题。
-
公开(公告)号：CN111291890A
公开(公告)日：2020-06-16
申请号：CN202010399728.1
申请日：2020-05-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种博弈策略优化方法、系统及存储介质，该博弈策略优化方法包括建立基于最大熵的策略递度算法步骤和多智能体最优反应策略求解步骤。本发明的有益效果是：本发明采用中心化训练和分散式执行的方式，提高动作估值网络的准确性，同时引入了全局基线奖励来更准确地衡量智能体的动作收益，以此来解决人博弈中的信用分配问题。同时引入了最大熵方法来进行策略评估，平衡了策略优化过程中的探索与利用。
-
公开(公告)号：CN119849650A
公开(公告)日：2025-04-18
申请号：CN202411998642.5
申请日：2024-12-31
Applicant: 深圳量旋科技有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N10/20
Abstract: 本申请公开了一种量子操作门性能评估方法、装置及电子设备和存储介质，该方法包括：构建纯度随机基准测试序列，将纯度随机基准测试序列的量子比特初始化在|0>态，基于纯度随机基准测试序列确定纯度的第一衰减曲线，以确定第一幺正度；在纯度随机基准测试序列中的相邻Clifford门之间插入延时得到插入延时的纯度随机基准测试序列；将插入延时的纯度随机基准测试序列的量子比特初始化在|0>态，基于插入延时的纯度随机基准测试序列确定纯度的第二衰减曲线，以确定第二幺正度；基于第一幺正度和第二幺正度确定非相干误差，对量子操作门进行性能评估。本申请提高了量子操作门性能评估的准确度、量子比特环境噪声的评估准确度。
-
公开(公告)号：CN118747507B
公开(公告)日：2025-02-11
申请号：CN202410860737.4
申请日：2024-06-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于参数高效模块和多教师知识蒸馏的知识蒸馏方法，所述方法包括：获取下游任务数据集，根据预先构建的参数高效性多教师模型生成多个子教师模型，对每个子教师模型进行微调，得到多个微调子教师模型；根据下游任务数据集对待训练的学生模型进行训练，根据下游任务数据集和多个微调子教师模型生成该次训练的监督信号，根据监督信号和学生模型在该次训练过程中得到的训练结果，更新参数，当达到预设训练条件时，得到并输出训练完成的学生模型；获取目标处理数据，将目标处理数据输入到训练完成的学生模型，输出目标结果。本发明可以在训练学生模型时兼顾效率和准确率，从而通过训练好的学生模型生成准确的目标结果。
-
Patent Agency Ranking
公开(公告)号：CN119338013A
公开(公告)日：2025-01-21
申请号：CN202411887056.3
申请日：2024-12-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N5/04 , G06V10/774
Abstract: 本发明涉及机器学习技术领域，公开了一种多模态模型视觉感知能力探测方法及终端，所述方法包括：获取多张检测图像，检测每张所述检测图像之中包含的对象；针对每张所述检测图像，均根据包含的对象构建正向提示答案对和负向提示答案对，以构成探测数据集；获取待探测模型，根据所述探测数据集探测所述待探测模型的性能，输出探测结果。本发明通过针对每个图像构建正向提示答案对和负向提示答案对，不仅简化了问题的构造，同时也要求模型在理解图像内容及其语境时不能仅依赖随机猜测，迫使模型需要正确理解图案和问题才能得到较好的探测结果，有效解决了在进行探测时，对部分模型无法准确的衡量模型的能力的问题。
-
公开(公告)号：CN118747507A
公开(公告)日：2024-10-08
申请号：CN202410860737.4
申请日：2024-06-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于参数高效模块和多教师知识蒸馏的知识蒸馏方法，所述方法包括：获取下游任务数据集，根据预先构建的参数高效性多教师模型生成多个子教师模型，对每个子教师模型进行微调，得到多个微调子教师模型；根据下游任务数据集对待训练的学生模型进行训练，根据下游任务数据集和多个微调子教师模型生成该次训练的监督信号，根据监督信号和学生模型在该次训练过程中得到的训练结果，更新参数，当达到预设训练条件时，得到并输出训练完成的学生模型；获取目标处理数据，将目标处理数据输入到训练完成的学生模型，输出目标结果。本发明可以在训练学生模型时兼顾效率和准确率，从而通过训练好的学生模型生成准确的目标结果。
-
公开(公告)号：CN116246699B
公开(公告)日：2024-04-26
申请号：CN202211105940.8
申请日：2022-09-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G16B20/00 , G16B40/00 , G06F16/36 , G06N3/0464
Abstract: 本发明公开了一种基于知识图谱的合成致死预测方法、设备及存储介质，该方法包括：基于知识图谱卷积网络获得第一基因特征；根据合成致死相互作用网络获得第二基因特征；计算所述第一基因特征和所述第二基因特征的向量内积，预测基因对的合成致死概率。由此解决了当前需要人工设计基因特征，以及无法通过建模合成致死相互作用背后机制的问题，在提升基因对的合成致死预测性能的同时，还提高了模型的可解释性。
-
公开(公告)号：CN117133436A
公开(公告)日：2023-11-28
申请号：CN202311346273.7
申请日：2023-10-17
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于多源数据融合的药物疾病关联预测方法、装置及设备，该方法包括：基于预设元路径在异构网络中进行随机单向游走获得源药物节点的邻域和目标疾病节点的邻域；计算邻域间的嵌入表示，确定虚拟节点之间的归一化的注意力系数；基于归一化的注意力系数确定的邻域间的相互作用表示的标准化注意力值；将标准化注意力值与虚拟节点的嵌入表示融合，将融合获得的药物疾病节点对间边的嵌入表示与对应的初始嵌入特征进行拼接，施加一个多层感知机获得药物疾病对的预测结果。如此，基于预设元路径进行随机游走取样，并基于邻域间嵌入表示、邻域内相互作用结果进行结果预测，提取了异构网络的丰富语义信息，提高模型对药物疾病的预测性能。
-
公开(公告)号：CN116451795A
公开(公告)日：2023-07-18
申请号：CN202310683102.7
申请日：2023-06-09
Applicant: 深圳量旋科技有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种量子线路图处理方法、装置及设备和介质，该方法包括：基于以第一定义格式定义的量子比特操作和以第二定义格式定义的组合量子逻辑门生成目标量子线路图的第一目标数据格式，基于第一目标数据格式对目标量子线路图进行计算和传输；第一定义格式包括描述量子比特操作开始的时间节点的参数、描述量子比特操作的操作类型的参数、描述量子比特操作包含的量子逻辑门的参数、描述量子逻辑门作用的量子比特的参数、描述量子比特操作的配置参数的参数，第二定义格式包括描述组合量子逻辑门的名称的参数、描述组合量子逻辑门作用的量子比特的参数、描述组合量子逻辑门的配置参数的参数、描述组合量子逻辑门包含的所有量子逻辑门的参数。
-
-
-
-
-
-
-
-
-
Search Results
255
records
(took 0.03 seconds)
