-
公开(公告)号:CN114422606A
公开(公告)日:2022-04-29
申请号:CN202210249791.6
申请日:2022-03-15
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: 本申请公开了一种联邦学习的通信开销压缩方法、装置、设备及介质,包括:根据联邦学习中的模型参数在训练前后的变化幅度确定基本参数,并将基本参数所在的卷积核中的所有模型参数确定为待传输参数;基于卷积核的目标特征将卷积核中的待传输参数封装至不同数据包中;对不同数据包中的待传输参数进行二值量化,并对待传输参数对应的索引进行位置编码,如此一来,由于一个卷积核内所有待传输参数的位置信息都是固定的,因此一个索引可以反应整个卷积核中所有待传输参数的位置信息,一定程度上降低了索引的通信开销,同时,本申请通过对待传输参数进行量化,对待传输参数对应的索引进行位置编码,进一步减少了通信开销。
-
公开(公告)号:CN113553610B
公开(公告)日:2021-12-31
申请号:CN202111103182.1
申请日:2021-09-22
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同态加密和可信硬件的多方隐私保护机器学习方法,包括:将私钥sk发送给各个数据方和可信硬件R;服务器S整合各个数据方上传的密文数据得到密文数据集;服务器S在密文数据集的基础上,将普通机器学习算法中的线性运算替换为同态加法和同态乘法,在密文状态下进行机器学习建模;服务器S在完成密文下的机器学习建模后,将加密的模型密文下发给各个数据方;各个数据方利用私钥解密模型密文,得到由各个数据方的数据D训练得到的模型。本发明利用全同态加密的性质、以及依靠可信硬件实现的模拟自举和执行激活函数功能,能够获得与对未加密数据进行机器学习训练的模型一致的准确率。
-
公开(公告)号:CN111260039B
公开(公告)日:2020-08-07
申请号:CN202010369831.1
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辅助任务学习的视频游戏决策方法,包括以下步骤:S1、构建神经网格模型;S2、启动多进程视频游戏环境;S3、判断是否运行了指定轮次,如果否,则进入步骤S4,如果是,则进入步骤S6;S4、获取游戏经验,更新经验池;S5、将经验输入到神经网格模型,更新神经网格模型参数,返回步骤S3;S6、保存神经网格模型;S7、在视频游戏里利用神经网格模型决策;S8、结束。本发明的有益效果是:可以更准确地估计三维场景中的状态价值以及引起状态改变的智能体动作。
-
公开(公告)号:CN111260039A
公开(公告)日:2020-06-09
申请号:CN202010369831.1
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辅助任务学习的视频游戏决策方法,包括以下步骤:S1、构建神经网格模型;S2、启动多进程视频游戏环境;S3、判断是否运行了指定轮次,如果否,则进入步骤S4,如果是,则进入步骤S6;S4、获取游戏经验,更新经验池;S5、将经验输入到神经网格模型,更新神经网格模型参数,返回步骤S3;S6、保存神经网格模型;S7、在视频游戏里利用神经网格模型决策;S8、结束。本发明的有益效果是:可以更准确地估计三维场景中的状态价值以及引起状态改变的智能体动作。
-
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。
-
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:CN117743869B
公开(公告)日:2024-05-17
申请号:CN202410179740.X
申请日:2024-02-18
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: G06F18/22 , G06F18/213 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种内容发现方法、系统、终端及存储介质,其中,所述方法包括:获取目标品牌信息和目标用户内容生成信息;将视频内容信息输入到视频编码模型中得到视频特征向量,将文本内容信息输入到文本编码模型中得到文本特征向量,将目标品牌信息输入到品牌编码模型中得到品牌语义;采用预先训练完成的得分函数生成目标用户内容生成信息与目标品牌信息的相似度;获取相似度,根据预设的选取阈值从所有的目标用户内容生成信息中选取目标内容信息。本发明通过所述方法,解决了采用单模态的内容发现方法时存在着由于仅利用了图像资料而忽略了文本、话题标签等多模态信息或只利用神经网络提取图像特征而无法利用视频中语义信息的问题。
-
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:CN115330398A
公开(公告)日:2022-11-11
申请号:CN202211264844.8
申请日:2022-10-17
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强化学习的量化模型训练方法、系统、终端及介质,能够根据交易环境数据动态生成交易策略和交易策略的价值数据从而扩展并更新蒙特卡洛树,再根据蒙特卡洛树搜索路径评估量化目标的完成情况,将评估结果作为奖励值反向更新训练量化模型,训练后的量化模型能够根据交易环境数据动态生成交易策略。与现有技术相比,不用人为设定奖励值,而是通过蒙特卡洛树来自动生成奖励值以更新量化模型,使得量化模型优化效果好、鲁棒性高。
-
-
-
-
-
-
-
-
-