一种基于模型解释结果的零样本识别方法

    公开(公告)号:CN115019149B

    公开(公告)日:2022-11-11

    申请号:CN202210924151.0

    申请日:2022-08-03

    Abstract: 本发明属于零样本识别领域,提供一种基于模型解释结果的零样本学习方法,方法首先对已经完成训练网络的前向传播过程进行分析,结合语义得到对各类属性敏感的神经元位置编码向量。之后利用专家知识获取零样本所具有的属性,通过对位置编码向量进行处理从而获得零样本所对应的位置编码向量。当新的类别输入到网络中后,将其位置编码向量同专家知识转化的位置编码向量进行判断。此方法相较于从大量数据与小样本数据中提取特征再生成小样本类数据的传统方法,结合了指挥决策人员的专家知识,避免了盲目甚至无效学习,同时利用了深度神经网络中可解释的隐语义部分内容,最终不仅网络可解释性更强,网络输出也更快,结果也更准确。

    一种高质量样本增强扩充方法

    公开(公告)号:CN115018015A

    公开(公告)日:2022-09-06

    申请号:CN202210924143.6

    申请日:2022-08-03

    Abstract: 本发明属于数据增强领域,公开了一种高质量样本增强扩充方法。通过样本数据生成和标签增强处理,从数据和标签两个角度提高样本生成数量和质量,最终实现样本在逼近真实数据基础上的多样化扩充以及可用性提升。本发明实现了以数据生成与标签增强构成的层次化处理流程下的样本高质量增强扩充,可在保证样本数据增量生成的前提下的高质量性和可用性,有效克服现有技术方法存在的对真实样本状态逼近性差、对标签数据的利用率低的问题,能够更好地辅助在小样本情况下深度神经网络等数据驱动模型的训练。

    一种船舶轨迹的长时序预测方法

    公开(公告)号:CN114595770B

    公开(公告)日:2023-10-10

    申请号:CN202210232770.3

    申请日:2022-03-09

    Abstract: 本发明提供一种船舶轨迹的长时序预测方法。该方法首先对航迹数据进行预处理;然后,使用K‑means算法对航迹数据进行轨迹聚类,得到船舶运动行为模式集合;其次,基于船舶运动行为模式相似性匹配构建训练与测试样本,搭建改进pix2pix网络模型并进行迭代训练;最后,将需要预测的船舶轨迹以及其匹配轨迹信息输入上述训练好的网络中,得到船舶轨迹长时序预测结果。本发明可有效解决船舶轨迹在长时序预测中存在的误差积累及效率较低等问题,有效实现船舶轨迹长时序、高精度、高效率的预测。

    一种战术任务筹划与分发系统
    8.
    发明公开

    公开(公告)号:CN116562531A

    公开(公告)日:2023-08-08

    申请号:CN202310161921.5

    申请日:2023-02-24

    Abstract: 本发明属于战术协同指挥技术领域,涉及一种战术任务筹划与分发系统,由多个成员系统和无线自组网组成,成员系统包括:战术指挥模块用于指挥员标绘任务标记并向成员进行分发任务,并支持成员接收任务在地图上进行展示;任务管理模块对当前正在执行的任务信息进行管理;语音提醒模块在完成收到、读取、闭环任务等操作时向使用者进行提醒;目标标绘与共享模块支持将观察到的敌方人员位置标绘到地图上并发给其他成员,实现敌方位置共享;成员管理模块可实时显示己方所有成员的状态,包括在线/离线、携带武器、当前任务等,也可支持标记已方成员的存活/死亡状态。本发明可支持指挥人员随时随地对任务进行部署和下达,并实时掌握成员任务执行情况。

    一种基于任务认知的深度学习模型解释方法

    公开(公告)号:CN115017336B

    公开(公告)日:2022-11-01

    申请号:CN202210924148.9

    申请日:2022-08-03

    Abstract: 本发明提供一种基于任务认知的深度学习模型解释方法,属于人工智能中的模型可解释领域,针对图像、文本、点位等多源情报数据,基于情报分析人员对各类情报分析任务的认知,抽取其中影响任务结果的关键要素内涵,并构建任务要素扰动数据集合;随后建立一致性损失及扰动相似性度量,对深度学习模型进行重新训练,得到数据和各类情报分析任务涉及到的深度学习模型决策结果的关联映射关系;最后基于图谱化组织方法,将关联映射关系直观表达展示。

Patent Agency Ranking