-
公开(公告)号：CN117555644A
公开(公告)日：2024-02-13
申请号：CN202410043653.1
申请日：2024-01-11
Applicant: 之江实验室
IPC: G06F9/451 , G06F16/332 , G06F40/279 , G06F18/214 , G06F9/445
Abstract: 本说明书公开了一种基于自然语言交互的前端页面构建方法及装置，响应于创建的对话流程，将目标文本和第一指令信息，输入训练完成的语言模型，确定目标文本包含的组件实体和该组件实体的嵌入向量。将嵌入向量和标准向量进行匹配，确定匹配向量，以及匹配向量对应的组件用途和组件代码，根据该组件用途、该组件代码和目标文本，生成第二指令信息，将第二指令信息，输入语言模型，确定页面代码，根据页面代码，构建前端页面。这样，在构建前端页面时，通过人机对话的方式，输入包含前端页面构建的需求的文本，明确对构成前端页面的组件实体的操作，即可得到满足构建需求的前端页面，不需再重复编写各组件的代码，提高了软件开发的效率。
-
公开(公告)号：CN117075930B
公开(公告)日：2024-01-26
申请号：CN202311344160.3
申请日：2023-10-17
Applicant: 之江实验室
Abstract: 本说明书公开了一种计算框架管理系统。所述计算框架管理系统包括：计算框架安装模块、计算框架管理模块、交互模块、调度模块，可以根据用户的需求为用户提供用户所需的交互方式与用户进行交互，使得用户不需要学习与计算框架及其依赖的计算集群的使用方式，仅通过计算框架管理系统对不同的计算框架进行安装、配置以及使用，并可以通过计算框架管理系统自动监控计算集群和计算任务的执行状态，并自动处置存在异常的计算任务，进而可以在提升用户的体验同时，有效地在异构计算集群上对计算框架进行管理。
-
公开(公告)号：CN117037913A
公开(公告)日：2023-11-10
申请号：CN202311285979.7
申请日：2023-10-07
Applicant: 之江实验室
Abstract: 本说明书公开了一种蛋白质多序列比对方法、装置、存储介质及电子设备。所述蛋白质多序列比对方法包括：获取待比对蛋白质序列的特征表示，并将待比对蛋白质序列的特征表示拆分为指定数量的子特征表示，针对每个子特征表示，确定该子特征表示和预先确定的各聚类中心特征表示中与该子特征表示相对应的每个各聚类中心特征表示之间的相似度，并根据相似度确定每个子特征表示对应的目标聚类中心，从各基础蛋白质序列中确定出与目标聚类中心相匹配的各基础蛋白质序列，作为各候选蛋白质序列，将待比对蛋白质序列与每个候选蛋白质序列进行比对，得到与待比对蛋白质相匹配的目标蛋白质序列，并根据待比对蛋白质和目标蛋白质序列进行任务执行。
-
公开(公告)号：CN116821778A
公开(公告)日：2023-09-29
申请号：CN202311103044.2
申请日：2023-08-30
Applicant: 之江实验室
IPC: G06F18/24 , A61B5/11 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 本申请涉及一种基于WIFI信号的步态识别方法、装置和可读存储介质，其中，基于WIFI信号的步态识别方法包括：通过利用不同环境下采集的训练样本对所述步态特征提取器、环境判别器以及步态识别器进行训练，以使得所述特征提取器提取的所述人体步态特征包含人体步态信息的同时不包含环境信息作为目的，得到训练完成的步态识别模型，通过将所述第一时频图输入至训练完成的步态识别模型，输出所述待测对象所对应的身份信息。解决了相关技术中步态识别模型对环境变化敏感的问题，实现了步态识别模型的跨环境应用。
-
公开(公告)号：CN116153389B
公开(公告)日：2023-07-18
申请号：CN202310431440.1
申请日：2023-04-21
Applicant: 之江实验室
Abstract: 本申请涉及人工智能领域，特别是涉及一种蛋白质语言模型的量化方法、装置、设备和存储介质，所述方法包括：采用均匀对称量化方法对蛋白质语言模型的权重值进行量化；通过校准数据集确定所述蛋白质语言模型的激活值的第一截断范围，并将所述第一截断范围划分为多个量化区间；通过分段线性量化方法分别对所述多个量化区间的激活值进行量化；基于量化后的权重值以及量化后的激活值，配置得到量化后的蛋白质语言模型。本发明提出的量化方法降低了模型量化的精度损失，在保证量化后模型预测精度的同时，减少模型的内存占用，提升模型推理速度。
-
Patent Agency Ranking
公开(公告)号：CN116384446A
公开(公告)日：2023-07-04
申请号：CN202310235078.0
申请日：2023-03-06
Applicant: 之江实验室
IPC: G06N3/0464 , G06N3/092 , G06N3/086
Abstract: 一种基于变异器的神经网络架构搜索方法。包括：用户定义超级网络搜索空间，实例化超级网络；获取实例化超级网络的搜索策略的分支选择，使用突变器保存策略选择结果；利用突变器对超级网络算法的逻辑计算图进行转换；训练超级网络，并根据反馈信息调整搜索策略。本发明利用变异器抽象和控制流优化，实现计算加速和显存占用优化。该技术通过分析和优化现有网络计算图逻辑，对原有计算逻辑进行优化，以减少冗余算子执行开销并且提升设备显存资源利用率，从而实现多网络整体推理训练的优化。
-
公开(公告)号：CN116151355A
公开(公告)日：2023-05-23
申请号：CN202310422202.4
申请日：2023-04-19
Applicant: 之江实验室
IPC: G06N3/08 , G06N3/0455 , G06N3/0442 , G06F40/295
Abstract: 本说明书公开了一种模型训练和业务执行的方法、装置、介质及设备。所述模型训练和业务执行的方法包括：将样本语句输入待训练业务模型，确定样本语句对应的初始语义特征，并对初始语义特征进行处理，基于第一膨胀系数和第二膨胀系数对所述处理后特征进行卷积处理，得到中间特征，基于第三膨胀系数和第四膨胀系数对所述中间特征进行卷积处理，得到目标特征，根据目标特征，确定头尾指针矩阵以及字间关系矩阵，根据头尾指针矩阵以及字间关系矩阵，确定目标特征矩阵，基于目标特征矩阵，识别样本语句中包含的实体对象，以最小化识别出的实体对象与样本语句中实际包含的实体对象之间的偏差为优化目标，对业务模型进行训练。
-
公开(公告)号：CN115908955A
公开(公告)日：2023-04-04
申请号：CN202310202396.7
申请日：2023-03-06
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/778 , G06V40/10
Abstract: 本发明公开了基于梯度蒸馏的少样本学习的鸟类分类系统、方法与装置，通过构建鸟类图像分类数据集；在训练阶段，从鸟类图像分类数据集抽取支撑集s和预测集q，经教师网络后，分别输出的特征向量进行匹配，得到预测集q的类别预测结果，并利用所述预测结果与预测集q的类别真值构建教师网络交叉熵损失函数，训练教师网络；获取鸟类图像经过教师网络、学生网络各个网络层的特征，并利用各层特征的和，作为损失值反向传播，得到输入的鸟类图像基于损失值的梯度信息，构建梯度损失函数，使教师网络和学生网络输入的鸟类图像的梯度信息相匹配；梯度损失函数叠加学生网络交叉熵损失函数，训练学生网络，用于鸟类图像分类。
-
公开(公告)号：CN115080750A
公开(公告)日：2022-09-20
申请号：CN202210980846.0
申请日：2022-08-16
Applicant: 之江实验室
IPC: G06F16/35 , G06F40/289 , G06K9/62
Abstract: 本发明公开了一种基于融合提示序列的弱监督文本分类方法、系统和装置，包括如下步骤：步骤1：获取待标注文本和类别标签集合；步骤2：对待标注文本增加提示序列，提示序列中引入占位符，所述占位符表示需后序处理以预测该位置单词；本发明基于更符合现实应用的弱监督文本分类场景，极大地减少了文本分类任务中人工的介入，降低了不可避免的人工误差，极大地节约了标注成本，提高了标注效率；在不获得任何标注信息的情况下，通过对文本数据进行有效的预处理，以及充分利用预训练模型输出特征，在不微调超大预训练模型的情况下，实现自动标注精度的大幅度提升。
-
公开(公告)号：CN114494981B
公开(公告)日：2022-08-05
申请号：CN202210357179.0
申请日：2022-04-07
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多层次运动建模的动作视频分类方法及系统，对段内和段间的运动信息进行多层次综合建模，其包含两个神经网络分支：段间分支对各视频段中采样得到的视频帧进行处理，用于提取前景目标的表观信息和段间运动信息；段内分支对各视频段中相邻视频帧的差值进行处理，用于提取前景目标的段内运动信息。段内分支所提取的帧差特征被用来对段间分支特征进行按通道加权，最后两个分支的卷积特征融合起来并共同输入到分类器中进行视频分类。本发明实现方法简便，手段灵活，在动作视频数据集上取得了显著的分类效果提升。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.038 seconds)
