-
公开(公告)号：CN117036870B
公开(公告)日：2024-01-09
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：CN117215728A
公开(公告)日：2023-12-12
申请号：CN202311464152.2
申请日：2023-11-06
Applicant: 之江实验室
IPC: G06F9/455 , G06F18/214 , G06N3/0464
Abstract: 本说明书公开了一种基于代理模型的仿真模拟方法、装置及电子设备。所述方法包括：将历史业务数据输入仿真模型，得到每个历史业务数据对应的目标仿真结果；确定仿真模型对应的若干种代理模型，代理模型包括：高斯过程模型、神经网络模型、克里金模型以及插值模型；根据历史业务数据以及目标仿真结果，生成训练样本对各代理模型进行训练，得到各训练后代理模型，并将各训练后代理模型集成并部署在仿真环境中；在接收到仿真指令后，获取仿真数据；确定用户选择的至少一种训练后代理模型，作为目标代理模型；将仿真数据输入各目标代理模型，以通过各目标代理模型确定仿真模拟结果。
-
公开(公告)号：CN116311310A
公开(公告)日：2023-06-23
申请号：CN202310566244.5
申请日：2023-05-19
Applicant: 之江实验室
IPC: G06V30/412 , G06V30/19 , G06V30/148 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种结合语义分割和序列预测的通用表格识别方法和装置，该方法综合使用YOLO、VGG、UNet、SLANet、DBNet、SVTR深度学习模型，结合以语义分割为基础的两阶段方案与以序列预测为基础的端到端方案，可用于图片格式的各类表格识别，包括有线表、少线表和无线表。该方法可识别表格中的结构信息以及文本信息。可识别包含表格的图片类型包括扫描图片和从任意角度拍摄的图片。本发明训练一个目标检测模型同时用于表格检测和表格分类，并针对现有表格识别方法对有线表识别不准的问题，提出了一种简单有效的合并单元格的方法，在TableBank数据集上比端到端的方案在TEDS指标上提高了9.34个百分点（79.24%）。
-
公开(公告)号：CN115952364B
公开(公告)日：2023-05-23
申请号：CN202310242285.9
申请日：2023-03-07
IPC: G06F16/9537 , G06F18/23 , G06N3/0455 , G06N3/08
Abstract: 本说明书公开了一种路线推荐的方法、装置、存储介质及电子设备，获取目标轨迹，将基于预设编码器所确定出目标轨迹的时空表征对应的待优化特征向量输入到预设的解码器中，以得到基于所述待优化特征向量还原出的还原轨迹，根据还原轨迹与目标轨迹对应标准轨迹之间的偏差，确定第一损失值；并根据待优化特征向量与每个第二类簇之间相匹配的概率分布与预设的标准分布之间的偏差，确定第二损失值，以最小化第一损失值和第二损失值为优化目标，调整待优化特征向量，并对得到的目标轨迹对应的目标特征向量聚类，当向用户进行路线推荐时，根据得到的聚类结果进行路线推荐。
-
公开(公告)号：CN116030211A
公开(公告)日：2023-04-28
申请号：CN202310159660.3
申请日：2023-02-20
Applicant: 之江实验室
Abstract: 本说明书公开了一种构建仿真地图的方法、装置、存储介质及电子设备。仿真地图为位图格式，仿真地图中的每个色彩通道对应一层仿真图层。首先，获取各素材图，素材图为位图格式。其次，针对每个素材图，根据确定出的该素材图对应的图类型，确定该素材图中各位点的色值在待构建的仿真地图中所归属的色彩通道，作为该素材图对应的色彩通道。而后，根据各素材图中的各位点对应的色值以及各素材图对应的色彩通道，构建色值矩阵，色值矩阵用于表示素材图中每个位点在不同色彩通道上对应的色值。然后，根据色值矩阵，构建每个色彩通道所对应的仿真图层。最后，根据各色彩通道所对应的仿真图层，构建仿真地图。本方法可以提高构建仿真地图的效率。
-
Patent Agency Ranking
公开(公告)号：CN115952364A
公开(公告)日：2023-04-11
申请号：CN202310242285.9
申请日：2023-03-07
IPC: G06F16/9537 , G06F18/23 , G06N3/0455 , G06N3/08
Abstract: 本说明书公开了一种路线推荐的方法、装置、存储介质及电子设备，获取目标轨迹，将基于预设编码器所确定出目标轨迹的时空表征对应的待优化特征向量输入到预设的解码器中，以得到基于所述待优化特征向量还原出的还原轨迹，根据还原轨迹与目标轨迹对应标准轨迹之间的偏差，确定第一损失值；并根据待优化特征向量与每个第二类簇之间相匹配的概率分布与预设的标准分布之间的偏差，确定第二损失值，以最小化第一损失值和第二损失值为优化目标，调整待优化特征向量，并对得到的目标轨迹对应的目标特征向量聚类，当向用户进行路线推荐时，根据得到的聚类结果进行路线推荐。
-
公开(公告)号：CN113988203A
公开(公告)日：2022-01-28
申请号：CN202111298174.7
申请日：2021-11-01
IPC: G06K9/62
Abstract: 本发明涉及数据挖掘领域，具体涉及一种基于深度学习的轨迹序列聚类方法，包括以下步骤：步骤1，预训练层：使用序列到序列的自编码器模型，学习轨迹数据的低维特征表示；步骤2，初始聚类层：对预训练层获得的轨迹特征表示执行多次K‑Means聚类算法，并选择最优聚类结果中的聚类中心作为初始的簇中心。步骤3，联合训练优化层：联合轨迹聚类和深度特征提取方法，提出结合序列到序列自编码器模型重构误差和聚类误差的优化损失函数，将轨迹特征表示映射到更加适合聚类的特征空间。
-
公开(公告)号：CN117494068A
公开(公告)日：2024-02-02
申请号：CN202311546925.1
申请日：2023-11-17
Applicant: 之江实验室
IPC: G06F18/27 , G06F18/241 , G06F18/2321 , G06N7/01 , G06N3/045 , G06N3/08 , G06T11/20
Abstract: 本说明书实施例提供的一种结合深度学习与因果推断的网络舆情分析方法及装置，确定目标事件，确定与所述目标事件相关的待分析事件和影响所述目标事件的网络舆情的相关事件，根据所述相关事件，构建所述相关事件的时间序列数据集，获取所述目标事件的网络舆情数据，将所述网络舆情数据输入到预先训练的分析模型，得到所述网络舆情的情感倾向表征值，根据所述时间序列数据集和所述情感倾向表征值，拟合所述情感倾向表征值关于所述时间序列数据集的曲线，根据所述待分析事件的发生时刻以及所述曲线，确定所述待分析事件对网络舆情的影响。通过该方法，在对网络舆情进行分析的基础上，确定了所述待分析事件是否对所述网络舆情产生影响。
-
公开(公告)号：CN117032903B
公开(公告)日：2024-01-26
申请号：CN202311285975.9
申请日：2023-10-07
Applicant: 之江实验室
Abstract: 本说明书公开了一种仿真调试方法、装置、存储介质及电子设备。仿真调试方法包括：对目标业务场景进行建模，得到用于实现业务场景模型的仿真程序，并确定所述仿真程序中包含的各逻辑块；确定预设的各监控变量以及各逻辑断点；接收前端发送的调试指令，针对每个逻辑块，若执行针对该逻辑块的调试动作过程中触发逻辑断点，则暂停对后续的逻辑块进行调试，并将该逻辑块所触发的逻辑断点处对应的各监控变量值发送给前端；在用户根据各监控变量值判断调试未出现异常后，接收用户通过前端发送的继续调试指令，以继续执行针对后续逻辑块的调试动作，直至所有逻辑块均被调试完成，得到调试后的仿真程序。
-
公开(公告)号：CN117079479B
公开(公告)日：2024-01-16
申请号：CN202311344089.9
申请日：2023-10-17
Applicant: 之江实验室
Abstract: 本说明书公开了一种时空预测的后继强化学习的交通信号控制方法及装置，通过引入显示的基于时空特性的交通状态预测，采用LSTM及GAT网络分别基于时间相关性、空间相关性预测未来的微观状态，智能体使用当前和预测状态进行最优决策，可以充分利用交通数据的时空相关性，提高路网的通行效率。同时，将后继特征与深度强化学习相结合，把任务的估计奖励和任务的预期特征进行分离，可以更方便地进行交通灯控制任务的转移，提升交通灯控制模型的训练速度，以及提高了交通信号灯控制的准确性和智能化。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.025 seconds)
