-
公开(公告)号：CN117787421A
公开(公告)日：2024-03-29
申请号：CN202410201337.2
申请日：2024-02-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N5/04 , G06F40/166
Abstract: 本发明公开了一种基于思维链确定问题答案的方法和装置、电子设备，属于人工智能技术领域，所述方法包括：获取待解答问题以及多个样本数据，其中，每个所述样本数据包括：一个问题和所述问题对应的第一求解计划；将所述待解答问题与多个所述样本数据进行拼接后输入模型，得到待解答问题对应的第二求解计划；控制所述模型按照所述第二求解计划中的每个步骤执行求解，直至完成最后一个步骤，得到目标答案。本申请提供的基于思维链确定问题答案的方案，既能够赋予思维链纠错能力，又可以人为或者模型自动干预对第二求解计划中的第一步骤进行修正。
-
公开(公告)号：CN117593215A
公开(公告)日：2024-02-23
申请号：CN202410077241.X
申请日：2024-01-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明属于图像自监督预训练领域，为解决生成模型生成图像的准确性差的问题，提供一种生成模型增强的大规模视觉预训练方法及系统。其中，生成模型增强的大规模视觉预训练方法包括利用预训练的生成模型，自适应生成原始图像所对应的正视图；对原始图像和正视图进行数据增强，生成增强后的正样本对，使用预训练的图像编码器提取正样本对的特征表示；根据正样本对的特征表示，计算注意力掩码来分隔前景区域和背景区域；评估正样本对的质量来调整每个正样本对在训练生成模型过程中对整体损失的贡献，计算每个正样本对的重新加权因子，得到最终损失函数，以确定是否继续训练生成模型，其能够减轻低质量和错误图像对生成模型生成图像准确性的影响。
-
公开(公告)号：CN113723490A
公开(公告)日：2021-11-30
申请号：CN202110975883.8
申请日：2021-08-24
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于张量卷积网络的图像分类方法、装置、系统及存储介质，该基于张量卷积网络的图像分类方法包括执行以下步骤：步骤1：使用反转矩阵和变换矩阵对原始后向图执行等价替换操作，以将反向过程表示为一个卷积运算，最终得到补全张量图；步骤2：从补全张量图中提取出主干图；步骤3：依据主干图得出统一原则，以适应各种不同的张量分解形式。本发明的有益效果是：1.本发明的基于张量卷积网络的图像分类方法可以为非常复杂的 TCNN 生成适当的初始权重，使得图像分类达到更好的效果；2.本发明的基于张量卷积网络的图像分类方法给出了统一的模型，让所有的张量模型都能依据该原则进行合理高效的初始化，使得图像分类的张量网路更稳定。
-
公开(公告)号：CN115186794A
公开(公告)日：2022-10-14
申请号：CN202210549726.5
申请日：2022-05-20
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于分布重塑的图卷积神经网络正则化方法及系统，方法包括对一个多层图卷积神经网络中每个卷积层的输出结点表征进行ResNorm正则化处理，ResNorm正则化处理方法考虑了图结点度数的分布问题，即绝大多数的结点都只拥有少量的邻接结点，而少数结点拥有大量的邻接结点，ResNorm正则化处理方法将方差的分布重塑为类似正态分布，有效的提高了低度数结点的分类准确率。
-
公开(公告)号：CN112765959B
公开(公告)日：2024-05-28
申请号：CN202011645068.7
申请日：2020-12-31
Applicant: 康佳集团股份有限公司 , 苏州大学 , 哈尔滨工业大学(深圳) , 深圳哈工大科技创新产业发展有限公司
IPC: G06F40/216 , G06F40/284 , G06N3/0442
Abstract: 本发明公开一种意图识别方法、装置、设备及计算机可读存储介质，其中，所述意图识别方法包括步骤：获取文字信息，并通过词嵌入表将文字信息转化成词向量；将词向量输入双向LSTM模型，通过双向LSTM模型的编辑层输出文本向量；根据文本向量计算文字信息中所有词汇的概率；将概率中的最大值对应的词汇确定为意图词汇，实现了不需更换数据转换规则的情况下智能识别用户的意图，提高了识别效率。
-
Patent Agency Ranking
公开(公告)号：CN112434133A
公开(公告)日：2021-03-02
申请号：CN202011389237.5
申请日：2020-12-02
Applicant: 康佳集团股份有限公司 , 苏州大学 , 哈尔滨工业大学(深圳) , 深圳哈工大科技创新产业发展有限公司
IPC: G06F16/33 , G06F16/332 , G06F16/35 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种意图分类方法、装置、智能终端及存储介质，其中，上述意图分类方法包括：获取目标文本；基于上述目标文本进行命名实体识别，获取命名实体识别结果；基于上述命名实体识别结果，对上述目标文本进行规范化处理，获取规范化处理后的文本句式，作为规范化处理结果；基于上述目标文本和上述规范化处理结果进行意图分类；输出上述意图分类的结果。本发明方案不必基于模板进行意图分析，且可以结合文本的句式特征强化意图分类的性能；使得意图分类时不依赖于模板，不受数据规模以及数据质量的影响，同时可缓解进行分类时遗忘文本特征的问题，有利于提高意图分类的准确性。
-
公开(公告)号：CN112434133B
公开(公告)日：2024-05-17
申请号：CN202011389237.5
申请日：2020-12-02
Applicant: 康佳集团股份有限公司 , 苏州大学 , 哈尔滨工业大学(深圳) , 深圳哈工大科技创新产业发展有限公司
IPC: G06F16/33 , G06F16/332 , G06F16/35 , G06F40/295 , G06F40/30 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种意图分类方法、装置、智能终端及存储介质，其中，上述意图分类方法包括：获取目标文本；基于上述目标文本进行命名实体识别，获取命名实体识别结果；基于上述命名实体识别结果，对上述目标文本进行规范化处理，获取规范化处理后的文本句式，作为规范化处理结果；基于上述目标文本和上述规范化处理结果进行意图分类；输出上述意图分类的结果。本发明方案不必基于模板进行意图分析，且可以结合文本的句式特征强化意图分类的性能；使得意图分类时不依赖于模板，不受数据规模以及数据质量的影响，同时可缓解进行分类时遗忘文本特征的问题，有利于提高意图分类的准确性。
-
公开(公告)号：CN113723490B
公开(公告)日：2023-10-31
申请号：CN202110975883.8
申请日：2021-08-24
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于张量卷积网络的图像分类方法、装置、系统及存储介质，该基于张量卷积网络的图像分类方法包括执行以下步骤：步骤1：使用反转矩阵和变换矩阵对原始后向图执行等价替换操作，以将反向过程表示为一个卷积运算，最终得到补全张量图；步骤2：从补全张量图中提取出主干图；步骤3：依据主干图得出统一原则，以适应各种不同的张量分解形式。本发明的有益效果是：1.本发明的基于张量卷积网络的图像分类方法可以为非常复杂的TCNN生成适当的初始权重，使得图像分类达到更好的效果；2.本发明的基于张量卷积网络的图像分类方法给出了统一的模型，让所有的张量模型都能依据该原则进行合理高效的初始化，使得图像分类的张量网路更稳定。
-
公开(公告)号：CN115659335A
公开(公告)日：2023-01-31
申请号：CN202211276689.1
申请日：2022-10-18
Applicant: 哈尔滨工业大学(深圳) , 上海境山科技有限公司
Abstract: 本发明公开了一种基于混合模糊测试的区块链智能合约漏洞检测方法及装置，属于区块链智能合约安全检测领域，以解决现有智能合约静态检测方法中无法检测断言失败、未处理的异常等漏洞以及代码覆盖率、分支覆盖率、检测效率较低等技术问题。其中，该方法包括：获取智能合约数据集；通过智能合约漏洞检测工具处理智能合约数据集，获取存在漏洞的智能合约，并标记智能合约；指定漏洞类型进行检测，将待测智能合约输入模糊引擎中并生成接口测试用例；利用以太坊虚拟机执行接口测试用例，然后通过执行跟踪分析器跟踪并分析智能合约执行结果，根据分析结果判断是否存在漏洞。适用于智能合约漏洞检测领域。
-
公开(公告)号：CN112765959A
公开(公告)日：2021-05-07
申请号：CN202011645068.7
申请日：2020-12-31
Applicant: 康佳集团股份有限公司 , 苏州大学 , 哈尔滨工业大学(深圳) , 深圳哈工大科技创新产业发展有限公司
IPC: G06F40/216 , G06F40/284 , G06N3/04
Abstract: 本发明公开一种意图识别方法、装置、设备及计算机可读存储介质，其中，所述意图识别方法包括步骤：获取文字信息，并通过词嵌入表将文字信息转化成词向量；将词向量输入双向LSTM模型，通过双向LSTM模型的编辑层输出文本向量；根据文本向量计算文字信息中所有词汇的概率；将概率中的最大值对应的词汇确定为意图词汇，实现了不需更换数据转换规则的情况下智能识别用户的意图，提高了识别效率。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.045 seconds)
