-
公开(公告)号：CN119312911A
公开(公告)日：2025-01-14
申请号：CN202411140750.9
申请日：2024-08-19
Applicant: 鹏城实验室
Abstract: 本申请实施例提供博弈对抗竞赛平台控制方法、装置、设备和存储介质，涉及人工智能技术领域。通过响应于接收到的竞赛配置参数，基于预设的参数配置模板生成博弈对抗竞赛执行单元，接收参赛用户上传的候选智能体，并对候选智能体进行校验，将校验通过的候选智能体作为竞赛智能体，根据竞赛配置参数中的赛制参数生成不同的竞赛智能体之间的对局信息，获取竞赛智能体根据对局信息进行博弈对抗得到的竞赛结果。对博弈对抗竞赛进行封装，通过交互得到不同的竞赛配置参数，实现通用的博弈对抗竞赛的创建过程，能够根据实际的对抗需求进行竞赛的实际调度，提升了博弈对抗竞赛的生成效率，并且适用于不同用户端的博弈对抗。
-
公开(公告)号：CN119158248A
公开(公告)日：2024-12-20
申请号：CN202411237695.5
申请日：2024-09-04
Applicant: 鹏城实验室
Abstract: 本申请实施例提供了一种智能体博弈方法、装置、计算机设备及可读存储介质。包括：响应于针对目标博弈环境的博弈触发操作，确定当前目标博弈环境下博弈代理智能体的调用顺序；获取目标博弈环境当前的博弈状态，根据博弈状态生成对应博弈代理智能体的博弈动作调用信息；确定每个博弈代理智能体关联的资源代理端，通过资源代理端将博弈动作调用信息发送至对应的博弈代理智能体，并获取其返回的博弈动作信息；将资源代理端接收的博弈动作信息通过连接接口反馈至目标博弈环境中，并根据目标博弈环境下的多个博弈动作信息形成博弈对局信息；基于博弈对局信息在目标博弈环境中进行智能体博弈。以此，能够提高系统在智能体博弈时的稳定性和可靠性。
-
公开(公告)号：CN119129699A
公开(公告)日：2024-12-13
申请号：CN202411196157.6
申请日：2024-08-28
Applicant: 鹏城实验室
Abstract: 本发明提供了一种博弈对局的仿真方法，该方法包括获取预置的通用交互范式数据，通用交互范式数据包含多种博弈类型的仿真环境下的交互控制逻辑；获取预置的统一接口集合，统一接口集合包含用于与多种博弈类型的仿真环境交互的接口函数；基于统一接口集合匹配生成目标博弈环境对应的仿真环境适配器；通过仿真环境适配器创建目标博弈环境对应的博弈环境实例，并创建至少一个智能体对象；按照通用交互范式数据控制至少一个智能体对象通过博弈环境实例进行博弈对局交互，以使得博弈仿真系统可以集成各种仿真环境，从而有效提高博弈仿真系统的泛化能力和灵活性。
-
公开(公告)号：CN118823429A
公开(公告)日：2024-10-22
申请号：CN202410788532.X
申请日：2024-06-18
Applicant: 鹏城实验室
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0499 , G06N3/088 , G06N3/0895 , G06N3/09 , G06N3/096
Abstract: 本申请实施例公开一种图像分类模型训练方法、装置、设备及介质。通过确定出原始图像集中每个原始图像对应的至少两个视图，将视图确定为训练图像；获取每个训练图像的图像特征向量，根据图像特征向量确定图像分类模型对应的对比学习损失；将图像特征向量输入至图像分类模型中，输出每个训练图像的图像类别概率，根据图像类别概率和已标注训练图像的标签，确定图像分类模型对应的分类损失；根据图像类别概率在未标注训练图像中确定出目标训练图像；根据目标训练图像对应的图像类别概率，确定图像分类模型对应的局部熵正则化损失；根据对比学习损失、分类损失和局部熵正则化损失确定图像分类模型的模型损失，根据模型损失对图像分类模型迭代训练。
-
公开(公告)号：CN113724359B
公开(公告)日：2024-09-24
申请号：CN202110795676.4
申请日：2021-07-14
Applicant: 鹏城实验室
IPC: G06T11/60 , G06V30/18 , G06V30/148 , G16H15/00
Abstract: 本发明公开了一种基于Transformer的CT报告生成方法，所述方法包括：获取CT图像，并基于预设的CT报告生成模型提取所述CT图像的视觉特征序列；对所述视觉特征序列进行编码，得到隐含层特征序列；对所述隐含层特征序列进行解码，得到与所述CT图像对应的单词概率，其中，所述单词概率用于表征将CT图像转换成文字时的单词识别概率；根据所述单词概率，生成CT医学报告文本。本发明通过在图像编码时建立不同对象之间的关系，在解码时对不同医学报告的相似模式进行建模和存储，从而生成准确且内容丰富的医学报告，减少放射科医生的工作量并且有助于促进临床自动化。
-
Patent Agency Ranking
公开(公告)号：CN114398949B
公开(公告)日：2024-07-26
申请号：CN202111519679.1
申请日：2021-12-13
Applicant: 鹏城实验室
Abstract: 本申请公开了一种脉冲神经网络模型的训练方法、存储介质及计算设备，方法包括：各计算节点进行前向传播确定激活值；各计算节点根据激活值计算并传输局部梯度，使得计算节点仅保存其对应的所有局部梯度；根据所有局部梯度确定目标梯度，根据目标梯度确定局部模型参数；将局部模型参数传输至其他计算节点以更新模型参数。本申请中各计算节点计算每个计算节点的局部梯度，传输并删除其他计算节点的局部梯度，使得各计算节点仅保存其对应的所有局部梯度，这样每个计算节点仅需要存放自身的局部梯度及激活值等，降低对计算节点的显示占用量，从而可以增大脉冲神经网络模型的训练批量，提高脉冲神经网络模型的训练速度。
-
公开(公告)号：CN118013821A
公开(公告)日：2024-05-10
申请号：CN202410078151.2
申请日：2024-01-18
Applicant: 鹏城实验室
Abstract: 本申请公开了引力波信号预测方法、装置、电子设备及存储介质，涉及信号探测技术领域。方法中首先获取至少一种双目标引力波信号，模拟探测器对双目标引力波信号进行探测，得到探测信号，并对探测信号进行干涉降噪，得到干涉信号。将干涉信号输入至引力波预测模型进行预测，得到预测信号，根据预测信号和干涉信号计算自回归损失，并根据自回归损失更新引力波预测模型的模型权重。直至得到训练完成的引力波预测模型，引力波预测模型用于对输入信号进行预测，生成得到预测引力波信号。由此通过至少一种类型的双目标引力波信号训练引力波预测模型，根据干涉降噪得到的干涉信号进行预测生成，可以有效提高各种类型的引力波信号预测生成的准确度。
-
公开(公告)号：CN117973469A
公开(公告)日：2024-05-03
申请号：CN202410053158.9
申请日：2024-01-12
Applicant: 鹏城实验室
Abstract: 本申请涉及人工智能技术领域，特别涉及基于文本生成模型的优化器量化方法、装置以及控制器。优化器量化方法包括读取优化器的文本输入张量，文本输入张量为第一位宽的浮点数据；确定文本输入张量的梯度信息并对梯度信息分块处理，得到多个独立块，根据归一化常数对独立块进行量化处理，得到独立块的量化结果，量化结果为第二位宽的整数数据；将量化结果进行优化预处理，得到优化量化结果，将优化量化结果作为第一优化器状态；对第一优化器状态进行反量化处理，得到第二优化器状态，并更新优化器；对第二优化器状态进行量化处理以回到第一优化器状态，存储独立块的优化量化结果，有利于降低文本生成模型中优化器的显存占用，提高显卡的利用率。
-
公开(公告)号：CN117892262A
公开(公告)日：2024-04-16
申请号：CN202311850756.0
申请日：2023-12-28
Applicant: 鹏城实验室
IPC: G06F18/28 , G06F18/214 , G06N3/0455 , G06N3/048 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 本申请实施例提供时间序列信号预测方法、装置、设备和存储介质，涉及人工智能技术领域。该方法获取由预设数量的初始采样数据构成的初始时间序列信号；将初始采样数据的数据位数降低为第二数量得到采样数据，获取基于第二数量生成的字典库，根据采样数据在字典库中的位置对时间序列信号进行位置编码得到输入矩阵；将输入矩阵对应的嵌入矩阵输入预先训练好的信号预测模型进行预测得到预测信号。将长时间序列信号进行精度剪裁，降低长时间序列信号的数据位数，再通过字典库的位置编码降低数据复杂度提升处理效率。同时在训练信号预测模型时，利用多阶加权系数确保子损失函数在整个损失函数的计算中贡献接近，提升信号预测模型的预测准确率。
-
公开(公告)号：CN117877572A
公开(公告)日：2024-04-12
申请号：CN202410046105.4
申请日：2024-01-11
Applicant: 鹏城实验室
Abstract: 本申请实施例提供基因检测结果生成方法、装置、设备和存储介质，涉及人工智能技术领域。该方法获取基因表达矩阵和细胞类型模板，计算标准表达量与待测表达量的相关系数，基于相关系数选取细胞类型作为待测细胞的目标类别，再对同一目标类别的待测细胞对应的待测表达量进行合并，得到合并表达量矩阵，基于预设细胞因子，从合并表达量矩阵中选取细胞因子训练数据，最后利用细胞因子训练数据训练用于生成待测基因表达矩阵的基因检测结果的基因检测模型。利用细胞类型模板对待测细胞进行标注获取目标类别，再根据目标类别生成细胞因子训练数据训练基因检测模型，建立细胞因子表达与基因检测结果之间的映射关系，提升基因检测结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.03 seconds)
