-
公开(公告)号:CN113312488A
公开(公告)日:2021-08-27
申请号:CN202110205667.5
申请日:2021-02-24
Applicant: 中国科学技术大学
IPC: G06F16/36 , G06F16/901 , G06F40/30 , G06K9/62
Abstract: 本发明公开了一种知识图谱处理方法及装置,获取原始知识图谱的三元组的集合;对三元组中的关系之间的语义关联进行建模,确定原始知识图谱的相关模式和相关系数;基于原始知识图谱的相关模式和相关系数,确定嵌入向量;获取三元组与三元组对应的领域连接的局部图信息;基于局部图信息确定原始知识图谱的图结构信息;基于嵌入向量和图结构信息,获取原始知识图谱中缺失链的预测信息;基于缺失链的预测信息更新原始知识图谱,获得目标知识图谱。本发明通过相关模式、相关系数和图结构信息高效利用关系之间的相关性,实现了对知识图谱的处理,使得提升了基于知识图谱的模型的处理精度。
-
公开(公告)号:CN112911615A
公开(公告)日:2021-06-04
申请号:CN202110049504.2
申请日:2021-01-14
Applicant: 中国科学技术大学
Abstract: 本申请公开了一种基于随机谣传机制的分布式状态估计方法及相关装置,其中,在该状态估计方法中,各传感器节点的控制器以及通信机制基于随机谣传机制和分布式卡尔曼滤波方法确定,仅利用自身对于系统的预估计值及其邻居节点的预估计值构建分布式估计,使得该方法具有分布式结构,因而具有较好的可扩展性和自组织性,能够提高计算效率;并且由于各传感器节点的通信机制基于随机谣传机制确定,避免了一些环境中的不可预测性,因此该方法具有较强的灵活性和适应性,实现了提高分布式状态估计方法对于拓扑变化的鲁棒性的目的。进一步的,同样由于各通信节点之间的通信机制基于随机谣传机制确定,使得该方法对于拓扑变化具有较强的鲁棒性。
-
公开(公告)号:CN112784055A
公开(公告)日:2021-05-11
申请号:CN202011215923.0
申请日:2020-11-04
Applicant: 中国科学技术大学
Abstract: 本实施例公开了一种面向张量分解型知识图谱补全的正则项确定方法及装置,方法包括:确定原始模型,原始模型为基于张量分解模型的打分函数;确定与原始模型对应的对偶模型,对偶模型为基于距离的模型打分函数;确定原始模型和对偶模型之间的对偶性;基于对偶性确定原始模型对应的第一正则项。确定了第一正则项后,后续可将其应用于面向张量分解型知识图谱补全,从而在保持基于张量分解的知识图谱补全模型表达性的同时,防止出现过拟合问题;同时该实现方案可以广泛应用于各种基于张量分解的模型,适用范围更广。
-
公开(公告)号:CN106971203A
公开(公告)日:2017-07-21
申请号:CN201710205410.3
申请日:2017-03-31
Applicant: 中国科学技术大学苏州研究院
Abstract: 本发明公开了一种基于走路特征数据的身份识别方法,包括步骤:对采集的三轴加速度数据进行分段,将一段连续的动作分解成时间连续的固定长度的数据片段;对每一数据片段分别在时域和频域中计算特征;用预先训练好的分类器对每个段的特征进行分类;对一定数量连续的数据片段的识别结果进行汇总,得出身份识别结果。可以通过随身携带的智能手机采集走路数据,提取出用于分类的特征,然后利用训练好的分类器对采集的走路数据进行分类,从而识别当前使用者的身份。有效节约了设备的成本,同时又达到了很好的识别效果。
-
公开(公告)号:CN119002288B
公开(公告)日:2025-02-11
申请号:CN202411475045.4
申请日:2024-10-22
Applicant: 中国科学技术大学
IPC: G05B13/04
Abstract: 本发明公开了一种提升离线强化学习机器人控制准确性的方法、设备及介质,属机器人控制领域,方法包括:步骤1,获取包含受损数据和未受损数据的离线数据集;步骤2,利用所述离线数据集以鲁棒的变分贝叶斯推断方法对控制机器人的离线强化学习模型进行训练,直到最大化奖励的累计值;步骤3,将步骤2训练好的离线强化学习模型部署于机器人,控制机器人完成预定的操作任务。该方法贝叶斯推断框架来捕捉离线数据集中由多样化的数据受损引起的不确定性,减少受损数据对策略的负面作用,显著提高模型在干净环境中的鲁棒性和性能,也提升了离线强化学习模型所控制机器人的准确性。
-
公开(公告)号:CN119202735A
公开(公告)日:2024-12-27
申请号:CN202311211283.X
申请日:2023-09-19
Applicant: 华为云计算技术有限公司 , 中国科学技术大学
IPC: G06F18/22 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/0475 , G06N3/094
Abstract: 一种数学规划实例生成的方法、系统和电子设备,方法包括:获取至少一个数学规划实例;将至少一个数学规划实例中的第一数学规划实例转化为第一二部图,第一数学规划实例包括第一约束向量、第一变量系数向量和第一关系矩阵;使用概率生成模型,根据第一二部图进行生成得到第二二部图;根据第二二部图按照连接关系填充数据,生成第二数学规划实例,数据包括至少一个数学规划实例中的数据。本申请采用概率生成模型对数学规划问题进行自适应生成与增广,为求解器的调优提供满足数量要求和同分布要求的测试实例集。
-
公开(公告)号:CN119002288A
公开(公告)日:2024-11-22
申请号:CN202411475045.4
申请日:2024-10-22
Applicant: 中国科学技术大学
IPC: G05B13/04
Abstract: 本发明公开了一种提升离线强化学习机器人控制准确性的方法、设备及介质,属机器人控制领域,方法包括:步骤1,获取包含受损数据和未受损数据的离线数据集;步骤2,利用所述离线数据集以鲁棒的变分贝叶斯推断方法对控制机器人的离线强化学习模型进行训练,直到最大化奖励的累计值;步骤3,将步骤2训练好的离线强化学习模型部署于机器人,控制机器人完成预定的操作任务。该方法贝叶斯推断框架来捕捉离线数据集中由多样化的数据受损引起的不确定性,减少受损数据对策略的负面作用,显著提高模型在干净环境中的鲁棒性和性能,也提升了离线强化学习模型所控制机器人的准确性。
-
公开(公告)号:CN118939812A
公开(公告)日:2024-11-12
申请号:CN202411429343.X
申请日:2024-10-14
Applicant: 中国科学技术大学
Abstract: 本发明公开一种基于大语言模型的领域知识图谱构建方法、设备及介质,属领域知识图谱构建领域,方法包括:步骤1,按指定实体,从对应文本领域语料库中检出最相关上下文;步骤2,从开源百科知识图谱中检出三元组示例;步骤3,按预定输入模板连接指定实体、最相关上下文、三元组示例作为大语言模型输入,存储大语言模型输出的三元组;步骤4,检测三元组错误类型;步骤5,若错误类型数量低于阈值,给出相关提示,提示大语言模型生成并输出经纠正后三元组,并存储,反之,从存储器删除;步骤6,判断三元组若无需下一层次生成,将三元组合到领域知识图谱新层次中,反之,重复步骤1至步骤5直到构建完成。该方法能提升领域知识图谱构建的精确率。
-
公开(公告)号:CN118500835A
公开(公告)日:2024-08-16
申请号:CN202410531990.5
申请日:2024-04-29
Applicant: 中国科学院合肥物质科学研究院 , 中国科学技术大学 , 安徽智农网络科技有限公司
IPC: G01N1/22 , G01N1/10 , G01N15/0205
Abstract: 本发明公开了雾滴采样器,本发明涉及雾滴采样技术领域,包括第一管道、第二管道、第三管道、第四管道、第五管道和第六管道,所述第一管道设置为雾滴采样系统的进气口,所述第一管道的形状设置为圆柱形或者喇叭形,所述第二管道的形状设置为圆柱形,所述第三管道用于对气流进行加速,所述第三管道的型面设置为平滑型面,且设置为维氏曲线型面。该雾滴采样器通过将第一管道的形状设置为喇叭状,第四管道的尺寸设置为25mm的六段式结构,能够有效提高采集效率和准确性,通过将采样流量设置为1000L/min时既能保证采样系统有较高的采样效率,也能减少雾滴粒子粒径的变化幅度。
-
公开(公告)号:CN117114078B
公开(公告)日:2024-02-23
申请号:CN202311374772.7
申请日:2023-10-23
Applicant: 中国科学技术大学
IPC: G06N3/092 , G06N3/0455 , G06F18/2131
Abstract: 本发明公开了一种提升连续控制机器人训练效率的方法、设备及存储介质,方法包括:步骤1,经与机器人通信连接的传感器获取状态数据;步骤2,用多层密集连接的特征编码器对状态数据编码得百维向量作为状态表征数据;步骤3,用多层感知的傅里叶函数预测器将状态表征数据映射为傅里叶函数,以傅里叶函数逼近真实状态序列的频域变换方式优化更新特征编码器和傅里叶函数预测器;步骤4,将优化更新后的特征编码器输出的状态表征数据作为多层感知决策模型的输入,再用传统强化学习中的训练方法更新优化多层感知决策模型。步骤5,重复步骤1至步骤4直至训练结束。该方法能增强机器人从序列数据中的信息提取能力,进而提升机器人训练效率。
-
-
-
-
-
-
-
-
-