公开(公告)号：CN119559458A

公开(公告)日：2025-03-04

申请号：CN202411522222.X

申请日：2024-10-29

Applicant: 北京交通大学 ,  清华大学

Inventor： 景丽萍 ,  陈键飞 ,  高畅 ,  苏若愚

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06N3/084 ,  G06N3/0495

Abstract: 本发明提供一种基于梯度量化的二值化网络训练方法及装置，该方法包括：以样本图像为训练样本、以样本图像的类标签为训练标签对全精度模型进行全量化训练过程中，将全精度模型的权重和输入激活值进行量化，得到具备目标位宽的第一量化数据；在通过对具备目标位宽的第一量化数据进行反向传播并输出激活值梯度的情况下，将激活值梯度进行量化，得到具备目标位宽的第二量化数据；根据第一量化数据和第二量化数据更新激活值梯度和权重梯度，得到训练完成的二值化网络。本发明所述方法实现了二值化梯度训练，并有效降低模型的训练功耗以及内存和算力的需求，进而提高了复杂场景下的分类模型的训练效率和推理性能。

公开(公告)号：CN119004004A

公开(公告)日：2024-11-22

申请号：CN202410921550.0

申请日：2024-07-10

Applicant: 北京交通大学

Inventor： 刘华锋 ,  景丽萍 ,  师文宝

IPC: G06F18/20 ,  G06F18/2433 ,  G06F18/2136 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/045 ,  G06F18/214 ,  G06F16/9535 ,  G06Q30/0251

Abstract: 本申请提供一种基于贝叶斯最优传输的用户行为建模方法，包括：获取用户行为序列数据以及高斯混合模型的先验分布参数；利用所述先验分布参数对高斯混合模型进行初始化，并将所述用户行为序列数据输入至初始化后的高斯混合模型，利用EM算法求解获得用户兴趣表示；将所述用户兴趣表示输入至多层感知机，获得用户行为预测结果。本申请能够更灵活地对用户行为数据进行建模，并在辅助模型参数学习的同时加速了模型的训练过程，避免了过拟合或者模型退化的问题，从而提高模型的泛化能力和预测准确性，不仅可以更准确地学习用户行为模式，还可以减少噪声数据的影响，确保了模型的复杂度，使得模型能够有效地对长序列进行建模。

公开(公告)号：CN118963377A

公开(公告)日：2024-11-15

申请号：CN202410951708.9

申请日：2024-07-16

Applicant: 北京交通大学

Inventor： 刘华锋 ,  景丽萍 ,  史婧月

IPC: G05D1/46 ,  G05D109/28

Abstract: 本发明提供了一种基于物理驱动神经网络的飞行器避障轨迹规划方法。该方法包括以下步骤：首先，构建飞行器的三维质心运动模型，通过数值积分生成标称轨迹。随后，设计两个神经网络分别预测状态变化和控制角序列，并通过综合损失函数进行联合优化，使神经网络能够学习并生成满足避障约束和性能指标的优化轨迹。此外，预训练状态变量网络和采用自适应优化策略，提高了轨迹规划的效率和稳定性。本发明的方法提高了轨迹规划的效率和精度，同时增强了模型对未知场景的泛化能力，适用于复杂多变的飞行环境。

公开(公告)号：CN118898665A

公开(公告)日：2024-11-05

申请号：CN202410971418.0

申请日：2024-07-19

Applicant: 北京交通大学 ,  清华大学

Inventor： 温玉辉 ,  刘永进 ,  景丽萍 ,  景宇宸 ,  李晨光 ,  叶盛

IPC: G06T13/40 ,  G06T15/20

Abstract: 本发明提供一种体型参数可控的风格化人体动画生成方法、装置及设备，该方法包括：确定音频片段对应的音频特征；获取动画对象的体型参数，以及所述动画对象在所述音频片段下的风格语义标签；所述风格语义标签表征动画对象的动作类型；获取与所述风格语义标签对应的动作序列的形状相匹配的噪音参数；基于所述音频特征、所述体型参数、所述风格语义标签和所述噪音参数，生成所述动画对象在动画场景下的动作序列；对所述动作序列进行渲染，得到所述动画对象的动画视频，本发明能够简化生成动画视频的操作，提高生成动画视频的效率。

公开(公告)号：CN118277523A

公开(公告)日：2024-07-02

申请号：CN202410308297.1

申请日：2024-03-18

Applicant: 北京交通大学

Inventor： 景丽萍 ,  刘健 ,  黄彪文 ,  姚松方 ,  张璞琦 ,  宁康云

IPC: G06F16/332 ,  G06F16/35

Abstract: 本发明提供一种基于人工智能的拟人回复生成方法、装置和电子设备，该方法包括：获取目标文本数据及目标文本数据对应的目标向量；对目标向量和多个预设向量进行聚类处理，基于聚类结果以及各预设向量分别对应的预设主题类别确定目标文本数据的主题类别；基于自然语言处理模型，根据目标文本数据的主题确定目标文本数据对应的多个字段，以及各字段分别对应的描述信息和情感倾向；基于多个字段，各字段分别对应的描述信息和情感倾向，以及用户的自定义选项生成目标文本数据对应的拟人回复，自定义选项包括身份类型。本发明确定了目标文本数据的主题类别，提升了回复的准确性。并使得用户能够选择回复的身份，提高了回复的真实性。

公开(公告)号：CN115392456B

公开(公告)日：2023-10-10

申请号：CN202211048884.9

申请日：2022-08-30

Applicant: 北京交通大学

Inventor： 景丽萍 ,  方正伟 ,  黄韬 ,  王睿

IPC: G06N3/094 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/047 ,  G06N5/04

Abstract: 本发明提供一种融合优化算法渐近正态性的高迁移对抗样本生成方法，通过数据增强的方式引入随机性，使得对抗样本的生成的随机梯度优化过程满足正态渐近特性，并通过统计迭代路径中所有样本噪声的均值和协方差用于构造噪声后验分布，用于更好地捕获优化空间的几何信息，提升对抗样本优化过程的稳定性和对抗样本的泛化能力、迁移能力；此外本方法能够从获得的正态分布中采样对抗噪声以生成不限数量的有效对抗样本。

公开(公告)号：CN116663602A

公开(公告)日：2023-08-29

申请号：CN202310775501.6

申请日：2023-06-28

Applicant: 北京交通大学

Inventor： 景丽萍 ,  吕亿林

IPC: G06N3/04 ,  G06N3/08 ,  G06N7/01

Abstract: 本发明提供一种面向持续学习的自适应平衡批归一化方法及系统，属于基于机器学习技术领域，从当前任务的数据集和内存缓冲区中抽取一个批次的样本，其中当前任务数据集中的数据是新样本，内存缓冲区中的样本是旧的任务的样本；对新样本更新内存缓冲区，以便后续任务的使用；将当前批次数据送入神经网络：对于神经网络除分类层外的每一网络层，都接着一个自适应平衡批归一化层，用于归一化网络层输出的内部表征。本发明利用基于贝叶斯的策略确定一种适当的方式来适应归一化表征中的任务贡献，能够稳定训练；加入了自适应参数调和EMA的动量，使其在训练每个任务时有足够的适应性来平衡任务统计权重，克服近因偏差带来的问题。

公开(公告)号：CN111612572A

公开(公告)日：2020-09-01

申请号：CN202010349545.9

申请日：2020-04-28

Applicant: 北京交通大学

Inventor： 景丽萍 ,  刘华锋

IPC: G06Q30/06 ,  G06Q10/06

Abstract: 本发明提供了一种基于推荐系统的自适应局部低秩矩阵近似建模方法、推荐方法及推荐系统，用以解决现有技术中大数据背景下推荐系统性能不高的问题。所述基于推荐系统的自适应局部低秩矩阵近似建模方法，首先构建评分矩阵，再生成评分子矩阵，并自适应地确定每个子矩阵的秩，生成最优空间中局部隐表示，为评分子矩阵引入指示矩阵，并引入用户/物品偏置，构建观测评分模型，从而构建近似模型。本发明捕获了用户或物品的子集中的局部关联信息，允许在簇与簇之间动态分配统计容量，通过自动关联自适应地从每个子矩阵中挖掘用户或物品的隐表示，通过缺失机制确定潜在特征的重要性，在评分预测和排序预测上都显著地提升了推荐性能。