-
公开(公告)号：CN114202065A
公开(公告)日：2022-03-18
申请号：CN202210145595.4
申请日：2022-02-17
Applicant: 之江实验室
Abstract: 本发明公开了一种基于增量式演化LSTM的流数据预测方法及装置，基于历史数据的初始LSTM预测模型构建；面向流式数据的增量式LSTM预测模型持续更新，进行增量式LSTM预测模型结构及参数演化；基于适应性粒子滤波的收敛加速；基于当前LSTM预测模型，进行流式数据的预测。本发明适应性好，基于新增数据持续对预测模型进行调整；调整速度快，基于适应性粒子滤波技术加速演化算法的收敛速度。基于上述优点更好地解决流数据预测中数据分布变化带来的预测准确度下降的问题。
-
公开(公告)号：CN117725985B
公开(公告)日：2024-05-24
申请号：CN202410171178.6
申请日：2024-02-06
Applicant: 之江实验室
Abstract: 本说明书公开了一种强化学习模型训练和业务执行方法、装置及电子设备。所述方法包括：获取用户针对指定业务场景构建的强化学习环境数据；响应于用户的指定操作，确定用户基于强化学习环境数据选择的目标智能体，并确定目标智能体的智能体配置信息；在预设算法库中确定出目标强化学习算法；基于目标智能体、智能体配置信息以及目标强化学习算法，构建强化学习模型，并对强化学习模型进行仿真，并将仿真过程中产生的数据存入经验回放池；根据从经验回放池中获取的训练数据以及奖励函数信息对强化学习模型进行训练。本方案极大的降低了用户的使用门槛，充分满足了用户对强化学习环境的多样化需求。
-
公开(公告)号：CN117036870A
公开(公告)日：2023-11-10
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：CN117033669A
公开(公告)日：2023-11-10
申请号：CN202311293175.1
申请日：2023-10-08
Applicant: 之江实验室
IPC: G06F16/36 , G06F16/29 , G06F16/904
Abstract: 本说明书公开了一种基于知识图谱的分析系统生成方法、装置及电子设备。方法包括：根据知识图谱文件，确定各实体以及各实体间的对应关系，并基于各实体以及对应关系确定图谱数据，根据与地理位置相关的实体属性，确定各实体对应的图层信息，并基于图层信息确定图层数据，图层信息包括点、线、面中的至少一种；根据图谱数据渲染知识图谱面板，根据图层数据渲染地理信息系统GIS面板，根据各实体的实体信息渲染各实体对应的实体面板，以及，根据指定统计对象与预设时间粒度之间的对应关系渲染时间轴面板；根据知识图谱面板、GIS面板、实体面板以及时间轴面板，生成知识图谱的分析系统。
-
公开(公告)号：CN116737345A
公开(公告)日：2023-09-12
申请号：CN202311010091.2
申请日：2023-08-11
Applicant: 之江实验室
IPC: G06F9/48
Abstract: 本说明书公开了一种分布式任务处理系统及方法、装置、存储介质以及设备，在对各任务进行处理的过程中，通过调度节点确定各任务的任务信息，并基于各任务信息，确定系统的负载情况，以及在负载情况过高时，确定需要终止的目标任务，将该目标任务的任务标识广播给计算节点。计算节点可根据接收到的目标任务的任务标识，判断自身是否在执行该目标任务，若是，则将该目标任务的状态更新为终止状态，并停止执行该目标任务。本说明书可对分布式处理系统的负载状态进行监控，并在监控到系统负载过高时，自动基于各任务的任务信息，确定需终止的目标任务来进行终止。在不需要增加计算资源的情况下，也可保证该系统的任务处理效率。
-
Patent Agency Ranking
公开(公告)号：CN116484768B
公开(公告)日：2023-08-18
申请号：CN202310598800.7
申请日：2023-05-25
IPC: G06F30/28 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本说明书公开了一种系统动力学模型构建方法及装置，可以将用于构建系统动力学模型的各结构组件对应的配置代码语句和处理代码语句单独分割出来，可以使用户在需要构建系统动力学模型时，仅需要对各组件的主要参数进行配置，从而可以根据用户配置的参数实时生成由用户选定的指定编程语言编写的配置代码语句和处理代码语句，并基于生成的配置代码语句和处理代码语句构建系统动力学模型，进而可以提升系统动力学模型的构建效率。
-
公开(公告)号：CN116030309A
公开(公告)日：2023-04-28
申请号：CN202310130102.4
申请日：2023-02-03
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06N3/0475 , G06N3/092 , G06N3/094
Abstract: 本说明书公开了一种对抗样本生成方法、装置、存储介质及电子设备。在本说明书提供的对抗样本生成方法中，获取原始图像以及所述原始图像的标注；将所述原始图像作为目标图像，输入预先训练的图像分类模型，得到所述图像分类模型输出的分类结果；判断所述分类结果与所述标注是否匹配；若否，则将所述目标图像确定为对抗样本图像；若是，则确定所述分类结果与所述标注的差异，根据所述差异确定状态，将所述状态输入预先训练的样本生成模型，通过所述样本生成模型输出所述状态下的动作值，根据所述目标图像与所述动作值确定扰动图像，将所述扰动图像重新确定为目标图像。
-
公开(公告)号：CN115168620A
公开(公告)日：2022-10-11
申请号：CN202211098589.4
申请日：2022-09-09
IPC: G06F16/36 , G06F40/194 , G06F40/295 , G06F40/30 , G06N3/08 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明公开一种面向知识图谱实体对齐的自监督联合学习方法，包括：步骤一，使用图像预训练深度学习模型学习实体的图像特征，通过计算图像特征之间欧氏距离来测量图像相似度，选择相似度最高的实体对作为种子对齐；步骤二，在步骤一的种子对齐的监督下，利用知识图谱的多模态信息，基于知识嵌入模型，将知识图谱嵌入到计算机低维向量空间；步骤三，基于步骤二的知识图谱的嵌入，计算实体多模态交互相似度向量，之后通过模态融合学习各模态的权重并生成最终的实体嵌入，最后，基于实体嵌入计算余弦距离以测量实体之间的对齐可能性，并输出对齐实体列表。本发明以自监督联合学习的方式进行实体对齐，全程无需人工干预，确保了其拓展性。
-
公开(公告)号：CN114943866B
公开(公告)日：2024-04-02
申请号：CN202210690666.9
申请日：2022-06-17
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/006 , G06N3/086 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种基于进化神经网络结构搜索的图像分类方法，主要解决现有技术中时间成本较高，分类精度较低的问题。本发明具体步骤如下：(1)利用标量编码对神经网络的网络块进行编码；(2)根据当前种群中的多样性和适应度情况自适应地调节交叉和变异概率；(3)通过交叉、变异操作生成子代种群；(4)利用基于衰老进化的环境选择操作，对种群进行迭代更新；(5)使用适应度最高的基因个体对应的神经网络对待分类的图像进行分类。本发明采用进化算法实现对神经网络的自动构建，具有针对图像分类问题精度高，时间成本低的优点。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.03 seconds)
