-
公开(公告)号：CN117032676B
公开(公告)日：2024-01-26
申请号：CN202311298510.7
申请日：2023-10-09
Applicant: 之江实验室
IPC: G06F8/34
Abstract: 本说明书公开了一种容器自适应的方法、装置、存储介质及电子设备，低代码开发平台可响应于调整容器的尺寸的操作，确定待处理容器以及待处理容器所在的父容器，在父容器包含的所有容器中确定第一容器，并固定第一容器的尺寸。基于该操作调整待处理容器的尺寸，根据调整后的待处理容器的尺寸修改待处理容器对应的DOM节点的尺寸。根据父容器中所有容器的尺寸，确定每个容器在父容器中占据的比例，并针对每个容器，将该容器对应的DOM节点的尺寸更新为该容器在父容器中占据的比例。该方法在对某个容器进行尺寸的调整时，可实时的调整与该某个容器同级的其他容器的尺寸，从而使得容器可自适应父容器，以实现容器自适应不同尺寸的(56)对比文件叶潮流;马林山.基于HTML 5+CSS3+jQuery的响应式布局网页设计.梧州学院学报.2018,(第03期),全文.陈豪;吴健.基于Drupal 7的HTML5布局模板的二次开发.计算机时代.2013,(第12期),全文.
-
公开(公告)号：CN117390163A
公开(公告)日：2024-01-12
申请号：CN202311404467.8
申请日：2023-10-26
Applicant: 之江实验室
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06F16/36 , G06F16/28 , G06N5/022 , G06N5/04
Abstract: 本说明书公开了一种基于人工智能的事实验证方法，通过根据待验证的三元组生成搜素语句，并在预设的搜索引擎中对搜索语句进行搜索，筛选预设的搜索引擎返回的搜索结果，根据筛选出的搜索结果生成提示信息，然后再根据提示信息和待验证的三元组生成输入文本，使得人工智能对话系统可根据输入文本对待验证的三元组进行事实验证，接收人工智能对话系统返回的验证结果。根据确定提示信息对待验证的三元组进行验证，减少了人工智能对话系统编造问题答案的可能性，即解决了人工智能对话系统在进行对话时出现“幻觉”的问题，提高了事实验证任务的准确度和可信度。
-
公开(公告)号：CN117057162B
公开(公告)日：2024-01-09
申请号：CN202311307471.2
申请日：2023-10-10
Applicant: 之江实验室
IPC: G06F30/20 , G06F111/08
Abstract: 本说明书公开了一种任务执行方法、装置、存储介质及电子设备。所述任务执行方法包括：获取目标任务模型以及目标任务模型对应的专家经验数据和历史任务数据，确定历史任务数据的每个维度的值在目标任务模型的输入参数的值域中的分布，作为值分布，根据专家经验数据以及值分布，从输入参数的值域中抽样得到各补充输入参数，将各补充输入参数输入到目标任务模型，得到各补充输入参数对应的各补充输出参数，根据各补充输入参数、各补充输出参数以及历史任务数据，构建决策建议分布，根据决策建议分布，确定出最优输入参数，并根据最优输入参数进行任务执行。
-
公开(公告)号：CN117036870B
公开(公告)日：2024-01-09
申请号：CN202311298498.X
申请日：2023-10-09
IPC: G06V10/774 , G06V10/764
Abstract: 本说明书公开了一种基于积分梯度多样性的模型训练和图像识别方法。所述方法包括：将样本数据分别输入各基模型，确定每个基模型对应的图像识别结果；针对每个基模型，根据该基模型对应的图像识别结果以及样本数据的实际标签，确定该基模型对应的分类损失，以及，确定该基模型相对于样本数据的积分梯度，作为该基模型对应的积分梯度；根据每个基模型对应的分类损失，确定目标集成模型对应的目标分类损失，以及，根据各基模型对应的积分梯度之间的偏差，确定目标集成模型对应的积分梯度正则项损失；根据目标分类损失以及积分梯度正则项损失，对目标集成模型进行训练。
-
公开(公告)号：CN117036869B
公开(公告)日：2024-01-09
申请号：CN202311293176.6
申请日：2023-10-08
Applicant: 之江实验室
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/094
Abstract: 本说明书公开了一种基于多样性和随机策略的模型训练方法及装置，待训练的分类模型包含多个基模型，该待训练的分类模型又分为多层切换块，按照前向传播方向依次训练各层切换块，根据各基模型输出的分类结果和标注，确定分类损失，根据各基模型输出的分类结果和样本图像，确定多样性正则损失。在训练过程中，该层切换块的输入为该层切换块的上一层切换块中随机一子模块的输出或样本图像，输出为该层切换块中随机一子模块的输出。这样训练出的分类模型，既保证了模型输出的分类结果准确度，又使各基模型输出的分类结果中各类别对应的概率分布不同，模型的输出为随机一个基模型的输(56)对比文件US 2023206114 A1,2023.06.29WO 2022042123 A1,2022.03.03WO 2022142122 A1,2022.07.07WO 2022213846 A1,2022.10.13WO 2023077603 A1,2023.05.11陈文兵;管正雄;陈允杰.基于条件生成式对抗网络的数据增强方法.计算机应用.2018,(第11期),全文.
-
Patent Agency Ranking
公开(公告)号：CN117009252B
公开(公告)日：2024-01-02
申请号：CN202311285981.4
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06F11/36
Abstract: 本说明书公开了一种基于函数替换的故障注入测试方法及装置，可以获取待测试代码，并基于所述待测试代码，确定函数调用链，根据该函数调用链，确定待替换函数，而后，对该待替换函数的函数代码进行修改，以将需要注入的故障代码添加到该待替换函数中，得到修改后函数，并生成修改后函数对应的动态链接库，进而，将动态链接库注入到待替换函数所在的进程，以将进程中的待替换函数替换为修改后函数，最后，响应于预设的触发规则，触发修改后函数以完成故障触发，根据故障触发后得到的系统相关信息，完成故障注入测试，从而达到了灵活、安全的进行故障注入。(56)对比文件史毅龙;薛长斌.基于“龙芯”的VxWorks系统函数在轨更新研究.电子设计工程.2015,(第21期),全文.
-
公开(公告)号：CN117312703A
公开(公告)日：2023-12-29
申请号：CN202311481131.1
申请日：2023-11-08
Applicant: 之江实验室
IPC: G06F16/957 , G06F16/9537 , G06F16/29 , G06F16/587
Abstract: 本申请提供了一种基于Mapbox GL的图层数据自适应渲染方法、装置、存储介质及电子设备。在本申请提供的基于Mapbox GL的图层数据自适应渲染方法中获取地图对应的地理数据；针对所述地理数据中的每个地理要素，根据不同的地图缩放等级，对该地理要素在不同地图缩放等级下是否需要被客户端渲染进行标识；当接收到客户端发送的获取地理数据的请求时，根据所述请求，确定所述客户端渲染所述地图所需的地图缩放等级，作为目标等级；根据所述目标等级以及所述标识，确定渲染所述目标等级的地图所需渲染的地理要素，作为目标地理要素；将所述目标地理要素对应的地理数据发送至客户端，以使客户端完成渲染。
-
公开(公告)号：CN116992034B
公开(公告)日：2023-12-22
申请号：CN202311245716.3
申请日：2023-09-26
Applicant: 之江实验室
IPC: G06F16/35 , G06F16/383 , G06F40/194 , G06N3/048 , G06N3/0499 , G06N3/09 , G06Q50/26
Abstract: 本发明涉及一种智能事件打标方法、装置及存储介质，其中方法包括：S1、获取事件反馈文本，并利用多分类模型预测事件一级标签；S2、将一级标签与事件专家规则库进行碰撞比对，确定分类难度，若为易分类标签则转S3，否则转S4；S3、构建层次分类模型确定多层次事件标签结果；S4、构建检索模型，根据每条事件对应向量与标签向量的相似度得分输出多个相似标签向量，若相似度得分至少一个不小于预设阈值，则根据用户选择的其中之一标签作为事件标签结果，否则，执行S5；S5、构建生成模型，以事件反馈文本作为输入，输出推荐标签，存入事件打标结果表。与现有技术相比，本发明具有自动化打标、确定标签准确性高等优点。
-
公开(公告)号：CN117215728A
公开(公告)日：2023-12-12
申请号：CN202311464152.2
申请日：2023-11-06
Applicant: 之江实验室
IPC: G06F9/455 , G06F18/214 , G06N3/0464
Abstract: 本说明书公开了一种基于代理模型的仿真模拟方法、装置及电子设备。所述方法包括：将历史业务数据输入仿真模型，得到每个历史业务数据对应的目标仿真结果；确定仿真模型对应的若干种代理模型，代理模型包括：高斯过程模型、神经网络模型、克里金模型以及插值模型；根据历史业务数据以及目标仿真结果，生成训练样本对各代理模型进行训练，得到各训练后代理模型，并将各训练后代理模型集成并部署在仿真环境中；在接收到仿真指令后，获取仿真数据；确定用户选择的至少一种训练后代理模型，作为目标代理模型；将仿真数据输入各目标代理模型，以通过各目标代理模型确定仿真模拟结果。
-
公开(公告)号：CN117172316A
公开(公告)日：2023-12-05
申请号：CN202311126132.4
申请日：2023-09-01
Applicant: 之江实验室
IPC: G06N5/022
Abstract: 本说明书公开了一种基于实体对齐所得到的知识图谱进行任务执行的方法，具体包括：获取包含第一和第二知识图谱的知识图谱对，通过筛选第一知识图谱的实体信息，选取出各目标实体，根据各目标实体和各目标实体的邻接实体，以及各目标实体与第二知识图谱中部分实体的对齐概率确定各目标实体的中心度和不确定度，然后根据各目标实体的中心度和不确定度构建各样本实体对，利用各样本实体对对实体对齐模型进行训练，最后，利用训练后的实体对齐模型对各知识图谱进行实体对齐，并利用实体对齐后的知识图谱执行目标任务。本方法大幅降低了训练过程中的样本标注成本，提高了模型训练过程效率的同时，也显著提高了整体任务执行的效率。
-
-
-
-
-
-
-
-
-
Search Results
188
records
(took 0.038 seconds)
