一种路径生成方法及装置
    43.
    发明授权

    公开(公告)号:CN110823228B

    公开(公告)日:2021-04-02

    申请号:CN201911130105.8

    申请日:2019-11-18

    Abstract: 本发明实施例公开了一种路径生成方法及装置,第一方面,将缩放图像上规划得到的路径中的节点映射到子目标图中,这样,子目标图中保留了与欺骗路径有关的较多细节,在子目标图中进行路径规划,减少了失真的情况,提高了路径规划准确性。第二方面,在缩放图像和子目标图中进行路径规划,相比于在原图像中进行路径规划,减少了计算量。第三方面,生成子目标图的方式为:以原图中的凸角落为子目标,并将满足预设条件的子目标相连接,这种方式计算量较小,进一步降低了计算量。

    一种用于对话系统评估的语句生成方法

    公开(公告)号:CN111737146B

    公开(公告)日:2020-11-13

    申请号:CN202010702253.9

    申请日:2020-07-21

    Abstract: 本发明公开了一种用于对话系统评估的语句生成方法,通过对对话历史中的上下文进行编码,获取每个词的隐藏表示,通过每个词的隐藏表示选择合适的子目标,追踪选择的子目标,计算子目标追踪结果,并基于该追踪结果,使用标准的记忆网络进行下一轮子目标选择,依据该目标选择,重用对话历史中的语句生成句子,可以通过在模拟对话过程中重用关键字词和短语,根据对话系统的回复动态地生成适当的用户语句,以自然的语言与对话系统进行交互,这减轻了用户模拟器在生成句子时的负载,有助于更稳定的传递用户目标。

    一种欺骗路径生成方法及装置

    公开(公告)号:CN110852521A

    公开(公告)日:2020-02-28

    申请号:CN201911128934.2

    申请日:2019-11-18

    Abstract: 本发明实施例公开了一种欺骗路径生成方法及装置,方法包括:确定起始节点、真实目标节点、预设虚假目标节点和多个中间节点;基于最短路径规划模型和识别方行为模型,获取给定观测情形下的候选节点集合在每个中间节点位置处的后验概率分布,候选节点集合包括真实目标节点和预设虚假目标节点;基于后验概率分布,评估中间节点的欺骗量级;根据中间节点的欺骗量级,求解预设目标函数下的候选子路径;将候选子路径组合成欺骗路径,欺骗路径以起始节点为起始点;可见,本方案提供了一种自动规划出欺骗路径的方案,不依赖人工经验。

    大规模联邦多视图聚类方法、系统、设备和介质

    公开(公告)号:CN120086634A

    公开(公告)日:2025-06-03

    申请号:CN202510590725.9

    申请日:2025-05-08

    Abstract: 本申请涉及一种大规模联邦多视图聚类方法、系统、设备和介质。方法包括:客户端基于视图数据的线性核矩阵生成本地数据表示;服务器集成各客户端的本地数据表示并聚类得到一致标签和聚类中心,将一致标签作为各客户端的伪标签,正交化聚类中心得到一致中心矩阵再进行分割,将分割结果作为各客户端的中心矩阵;以最大化各客户端本地数据表示与线性核矩阵的一致性、本地数据表示与伪标签和中心矩阵的一致性以及服务器集成数据表示与一致中心矩阵和一致标签的一致性为目标,本地数据表示正交约束和中心矩阵正交约束为约束条件,构建目标函数;根据循环优化策略求解目标函数得到聚类结果。采用本方法能够提高联邦多视图聚类的效率和精度。

    基于大模型的ROS机器人智能教学辅助系统、方法、设备、介质及产品

    公开(公告)号:CN119862882A

    公开(公告)日:2025-04-22

    申请号:CN202411934536.0

    申请日:2024-12-25

    Abstract: 本申请公开了一种基于大模型的ROS机器人智能教学辅助系统、方法、设备、介质及产品,涉及教学辅助领域,该系统包括用户输入模块,用于根据用户使用场景选择输入模式,并按照所述输入模式,输入文本信息;大模型模块,用于基于大模型,根据所述文本信息以及大模型提示信息,生成用户所需文本信息;关键词匹配模块,用于根据所述用户所需文本信息进行关键词匹配,确定关键词匹配信息;ROS机器人模块,用于根据所述关键词匹配信息控制ROS机器人执行对应的ROS程序,并动态修改所述ROS程序的参数信息,辅助完成教学任务,本申请能够全方位辅助教师引导学生快速理解教学内容。

    基于线性核的大规模多视图张量聚类方法、装置和设备

    公开(公告)号:CN119540589A

    公开(公告)日:2025-02-28

    申请号:CN202510098250.1

    申请日:2025-01-22

    Abstract: 本申请涉及一种基于线性核的大规模多视图张量聚类方法、装置和设备。所述方法包括:获取多视图数据以及每一视图数据对应的线性核矩阵,对线性核矩阵进行核对齐,以生成对应的潜在数据表示;将每一视图数据对应的潜在数据表示堆叠成三维张量,对三维张量实施基于张量奇异值分解的核范数最小化约束,以构建目标函数;采用预先设置的线性优化策略求解目标函数,得到每一视图数据的最佳潜在数据表示,对多视图数据的最佳潜在数据表示进行拼接,得到聚类表示,对聚类表示进行聚类得到多视图数据的聚类结果。采用本方法能够在保持无监督学习框架的前提下提高多视图聚类的准确性。

Patent Agency Ranking