-
公开(公告)号:CN112287954B
公开(公告)日:2025-01-28
申请号:CN201910672533.7
申请日:2019-07-24
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本申请涉及人工智能领域中的图像识别技术,提供了图像分类方法、图像分类模型的训练方法及其装置。涉及人工智能领域,具体涉及计算机视觉领域。该方法包括:获取待处理图像;根据预设的全局类别特征,对所述待处理图像进行分类,得到所述待处理图像的分类结果,其中,所述全局类别特征包括根据训练集中的多个训练图像训练得到的多个类别特征,所述全局类别特征中的多个类别特征用于指示所述训练集中的所有类别的视觉特征,所述训练集中的所有类别为所述训练集中的所有训练图像所属的类别,所述训练集包括基类中的图像和新类中的图像。本申请实施例中的图像分类方法,能够更好地对图像进行分类。
-
公开(公告)号:CN119007843A
公开(公告)日:2024-11-22
申请号:CN202411108060.5
申请日:2024-08-13
Applicant: 北京大学
Abstract: 本发明公开了一种基于深度均衡模型的求解分子系统稳态方法,包括:构建数据集,所述数据集中的数据为初始构象‑稳态构象的配对数据;将数据集中的数据划分为训练样本和测试样本;对训练样本先进行时间采样,而后按照布朗桥的路径概率进行采样,得到预处理后的训练样本;构建基于图Transformer或球谐函数表示的SE(3)等变神经网络模型;利用预处理后的训练样本对SE(3)等变神经网络模型进行训练,直至SE(3)等变神经网络模型收敛,得到训练好的SE(3)等变图神经网络模型;先从初始构象分布∏0中采样,生成一个粗糙构象;再通过模拟以下SDE从联合分布Π0,1中抽样,得到t=1的X1即为所需的稳态构象。
-
公开(公告)号:CN118917427A
公开(公告)日:2024-11-08
申请号:CN202411117406.8
申请日:2024-08-15
Applicant: 北京大学
Abstract: 本发明公开了一种基于神经网络的量子蒙特卡洛算法的量子化学方法,包括:对Transformer模型进行预训练,使预训练的Transformer模型输出的轨道与使用Hartree‑Fock方法求解原子核势场中的薛定谔方程所得到的轨道匹配;利用傅里叶变换分别设计第一高频信息建模层和第二高频信息建模层;将第一高频信息建模层作为预训练的Transformer模型的输入层,将第二高频信息建模层作为预训练的Transformer模型的中间层,得到显式建模高频信息的Transformer模型,该显式建模高频信息的Transformer模型以电子位置为输入,以波函数为输出;对显式建模高频信息的Transformer模型进行训练,得到训练好的显式建模高频信息的Transformer模型;利用训练好的显式建模高频信息的Transformer模型在新的电子位置上进行预测,得到预测的波函数,实现对电子行为的建模。
-
公开(公告)号:CN117077073A
公开(公告)日:2023-11-17
申请号:CN202310847804.4
申请日:2023-07-11
Abstract: 一种多模态数据的处理方法,应用于人工智能技术领域。在该方法中,通过将不同模态的数据(即图像和点云数据)分别转换为相同格式的特征序列,并由同一个特征提取网络来处理不同模态数据对应的特征序列,能够保证基于一个特征提取网络即可实现不同模态数据的特征提取,无需部署对应于不同模态数据的多个编码器,节省了设备的存储资源;并且,基于同一个特征提取网络来处理不同模态数据对应的特征序列,使得人工智能硬件能够实现对不同模态数据的并行处理,提高数据的处理效率,有效地降低了不同模态数据的融合时长。
-
公开(公告)号:CN113742520B
公开(公告)日:2023-11-07
申请号:CN202010476330.3
申请日:2020-05-29
Applicant: 北京大学 , 北京三星通信技术研究有限公司
IPC: G06F16/732 , G06F16/78 , G06F16/783 , G06V10/774
Abstract: 本发明公布了一种基于半监督学习的密集视频描述算法的视频查询检索方法,通过半监督学习的方法训练密集视频描述网络模型,利用大量的无标注视频数据,提升密集视频描述算法的性能;实现的视频查询检索系统包括:密集视频描述网络模型、半监督学习模块和视频查询检索模块、视频数据库。采用本发明提供的技术方案,能够有效提高视频查询检索的精度。
-
-
-
-