-
公开(公告)号：CN117851583A
公开(公告)日：2024-04-09
申请号：CN202410036535.8
申请日：2024-01-10
Applicant: 众数(厦门)信息科技有限公司
IPC: G06F16/338 , G06F16/335 , G06F16/31 , G06F16/34 , G06F16/33 , G06F16/332 , G06N5/022 , G06N5/04
Abstract: 本发明公开了一种用于大模型问答的内容召回智能重排方法，包括以下步骤：S1、获取知识文档，并将文档内容写入全文搜索引擎库；S2、基于上传的所述知识文档进行内容分割，将分割的知识片段做向量化并写入知识片段向量库，同时调用摘要抽取大模型从所述知识文档中抽取摘要，对抽取的知识摘要进行向量化并写入知识摘要向量库；S3、对用户问题进行意图识别并补全，生成用户真实完整意图；S4、通过所述用户真实完整意图分别依次搜索所述知识片段向量库、知识摘要向量库及全文搜索引擎库进行排序，结合新一轮搜索数据对上一轮排序结果进行重排序，并根据最终排序结果定位到对应目标文档。
-
公开(公告)号：CN115049029A
公开(公告)日：2022-09-13
申请号：CN202210395034.X
申请日：2022-04-14
Applicant: 众数(厦门)信息科技有限公司
Abstract: 本发明公开了一种基于双离线二维码的快速展码方法，包括如下步骤：S1、用户通过客户端请求服务端授予用户授权缓存；S2、客户端离线存储所述用户授权缓存；S3、客户端根据所述用户授权缓存在离线环境下生成完整的二维码；S4、终端扫码识别所述二维码，并在离线环境下利用预先存储的服务端公钥和客户端公钥对所述二维码进行校验，完成所述二维码的有效性识别。本发明的展码方法可有效排除因网络信号等不可控因素造成的问题，提高展码效率，保障客户端稳定展码，优化用户体验。
-
公开(公告)号：CN115509636A
公开(公告)日：2022-12-23
申请号：CN202211232914.1
申请日：2022-10-10
Applicant: 众数(厦门)信息科技有限公司
Abstract: 本发明公开了一种H5应用离线加速方法，包括资源预加载、资源动态注入、资源动态更新以及主备空间切换。本发明的方法，实现了在弱网或断网的情况下，H5应用无需下载资源即可打开，大大提高H5应用的加载速度，无需等待，提升用户使用体验。
-
公开(公告)号：CN120070673A
公开(公告)日：2025-05-30
申请号：CN202510532637.3
申请日：2025-04-25
Applicant: 众数(厦门)信息科技有限公司
IPC: G06T11/60 , G06V10/80 , G06V30/19 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/084 , G06N3/094 , G06Q30/0202 , G06Q30/0283 , G06F18/213 , G06F18/2431 , G06N5/01 , G06N5/04
Abstract: 本发明公开了一种基于多模态大模型的船舶与海洋工程辅助设计方法，包括以下步骤：S1、将船舶工程图纸的图像特征和文本特征作为输入，构建船舶工程的图纸和文本融合模型；S2、采用多头注意力机制计算图像特征和文本特征之间的注意力权重，并获得融合特征；S3、基于生成对抗网络对船舶设计图纸或设计方案进行优化；S4、基于神经网络对船舶的性能进行预测；S5、基于决策树对船舶的造价进行成本预测；S6、基于AI推理法规规范评估；该方法能够通过智能化手段提升工作效率，降低人为错误发生概率，有利于船舶建造项目顺利推进。
-
公开(公告)号：CN119961433A
公开(公告)日：2025-05-09
申请号：CN202510057328.5
申请日：2025-01-14
Applicant: 众数(厦门)信息科技有限公司
IPC: G06F16/334 , G06F16/335 , G06F16/338 , G06F40/186
Abstract: 本发明公开了一种基于困惑度的RAG召回内容精排方法，包括以下步骤：S1、用户输入预处理形成查询，再使用查询在检索系统中对完整的文档片段进行召回，得到召回片段；S2、对于所有召回片段，使用大模型计算包括困惑度在内的指标矩阵；S3、利用获得的指标矩阵，结合其他指标，对召回内容再次过滤重排以构造大模型的上下文；S4、将构造的上下文输入到大模型中，利用大模型生成答案；该方法利用大模型对于召回内容的困惑度，对检索召回的内容进行重排筛选，以提升最终构造上下文的内容片段的相关性，减少噪声信息对大模型的影响，从而增强模型在问答场景上的表现。
-
Patent Agency Ranking
公开(公告)号：CN119940157A
公开(公告)日：2025-05-06
申请号：CN202510426012.9
申请日：2025-04-07
Applicant: 厦门理工学院 , 众数(厦门)信息科技有限公司
IPC: G06F30/27 , G06F30/15 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06F40/295 , G06N3/045 , G06N3/0464 , G06N3/044 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于文本与图关系的船舶外观及内装概念图设计方法，包括以下步骤：S1、对船舶外观及内装图像进行实体识别与关系抽取；S2、基于文本图建模神经网络架构，将图像特征表示与标记对应的文本特征表示进行拼接融合，生成融合特征表示；S3、将变分自编码器自学习的潜在空间表示和生成对抗网络图像生成能力融合，通过联合训练优化二者参数，并基于递归性模型的规则的变换或可微分生成船舶外观及内装概念设计图。
-
公开(公告)号：CN119714297A
公开(公告)日：2025-03-28
申请号：CN202510214333.2
申请日：2025-02-26
Applicant: 众数(厦门)信息科技有限公司
IPC: G01C21/20 , G06N3/045 , G06N3/0499 , G06N3/084 , G06F18/15 , G06F18/213 , G06F18/25 , G06N3/048
Abstract: 本发明公开了一种基于大模型技术的船舶导航决策方法，包括以下步骤：S1、获取船端感知信息和岸端辅助信息，并创建包括各类型及量级的船舶特征数据集；S2、基于Transformer模型框架并结合所述船舶特征数据集构建船舶行为研判模型；S3、采用损失函数进行船舶行为研判模型训练优化，分别各个对船舶未来航行行为信息的预测结果进行误差衡量，然后求和得到总的损失函数，并通过优化算法来最小化损失函数，不断更新调整模型参数，逐渐减小损失函数；S4、基于多层感知机制和Transformer架构大模型来处理局部和全局特征构建船舶行为决策模型，综合考虑局部和全局特征，对船舶航行环境全面分析，制定最优的航线规划和航速优化决策。
-
公开(公告)号：CN119646720A
公开(公告)日：2025-03-18
申请号：CN202510168127.2
申请日：2025-02-17
Applicant: 众数(厦门)信息科技有限公司
IPC: G06F18/2433 , G06F18/2415 , G06F18/25 , G06N3/0442 , G06N5/04 , G06Q50/40 , G08B31/00
Abstract: 本发明公开了一种基于大模型的船舶异常行为预测方法，包括以下步骤：S1、利用5G‑A通感协同感知能力，感知水域目标对象和环境信息，实现船舶的定位、测距和测速，实时对船舶进行识别跟踪；S2、基于船舶的定位、测距和测速信息，构建船舶异常行为检测模型；S3、采用船舶异常行为检测模型对船舶的异常行为进行预测；该方法利用5G‑A通感技术实现对船舶行为的感知，结合大模型推理提高船舶异常行为识别的准确率，实现智能预警和决策支持，可增强对船舶异常行为进行监管和预测的协同性和有效性。
-
公开(公告)号：CN118520845B
公开(公告)日：2024-11-15
申请号：CN202410974663.7
申请日：2024-07-19
Applicant: 众数(厦门)信息科技有限公司 , 厦门众数寻知人工智能有限公司
IPC: G06F40/126 , G06F17/16 , G06N3/045 , G06N3/0442 , G06N3/092
Abstract: 本发明公开了一种对于文本嵌入模型的优化方法，包括以下步骤：S1、在文本嵌入模型中，将K参数矩阵和V参数矩阵联合为一个大KV矩阵，再采用低秩矩阵分解将大KV矩阵分解替换为两个维度更低的矩阵；S2、在文本嵌入模型中，将Q参数矩阵分解替换为两个维度更低的矩阵；S3、采用稀疏混合专家模型，使用由多个专家模块与一个专家选择门结合，以最优的选择嵌入维度输出；该方法在原通用Embedding模型的基础结构上，针对编码层中的注意力主要计算模块进行优化，以在保留模型最大性能的前提下提升推理效率；针对中间计算模块做出改进，扩充模型的学习维度、增强学习能力，进一步提升输出嵌入对离散数据的表达能力。
-
公开(公告)号：CN118520845A
公开(公告)日：2024-08-20
申请号：CN202410974663.7
申请日：2024-07-19
Applicant: 众数(厦门)信息科技有限公司 , 厦门众数寻知人工智能有限公司
IPC: G06F40/126 , G06F17/16 , G06N3/045 , G06N3/0442 , G06N3/092
Abstract: 本发明公开了一种对于文本嵌入模型的优化方法，包括以下步骤：S1、在文本嵌入模型中，将K参数矩阵和V参数矩阵联合为一个大KV矩阵，再采用低秩矩阵分解将大KV矩阵分解替换为两个维度更低的矩阵；S2、在文本嵌入模型中，将Q参数矩阵分解替换为两个维度更低的矩阵；S3、采用稀疏混合专家模型，使用由多个专家模块与一个专家选择门结合，以最优的选择嵌入维度输出；该方法在原通用Embedding模型的基础结构上，针对编码层中的注意力主要计算模块进行优化，以在保留模型最大性能的前提下提升推理效率；针对中间计算模块做出改进，扩充模型的学习维度、增强学习能力，进一步提升输出嵌入对离散数据的表达能力。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.037 seconds)
