-
公开(公告)号：CN115460230B
公开(公告)日：2025-05-16
申请号：CN202211084130.9
申请日：2022-09-06
Applicant: 中国科学技术大学
IPC: H04L67/1097 , H04L67/563 , H04L67/63
Abstract: 本申请实施例公开了一种数据迁移方法及统一协调系统，该数据迁移方法中，建立哈希桶作为理论存储位置，以及存储实际桶作为实际存储位置，通过配置哈希桶和存储实际桶的映射关系，以及存储实际桶和集群的映射关系，在数据迁移时，只需确定目标哈希桶中第一待迁移数据，不需要针对每个数据都通过哈希算法计算，而且直接通过上述两个映射关系能够实现第一待迁移数据的跨集群迁移，实现了跨集群的高效数据迁移。
-
公开(公告)号：CN118197526B
公开(公告)日：2024-08-16
申请号：CN202410356565.7
申请日：2024-03-27
Applicant: 安徽省立医院(中国科学技术大学附属第一医院)
IPC: G16H20/00 , G16H50/70 , G06F40/126 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及管理方案生成领域，公开了一种基于注意力机制及混合专家系统的慢病管理方案生成方法；将患者信息输入到完成训练的生成模型，得到慢病管理方案；生成模型的训练过程包括：使用大模型文本编码模块，将患者信息文本编码为文本向量；将文本向量输入注意力模块，得到混合专家系统中混合专家模型的权重；将文本向量以及混合专家系统权重输入混合专家系统，得到混合专家模型输出的中间方案表征；将中间方案表征输入整合模块，生成慢病管理方案；构建损失函数；基于损失函数并使用反向传播和梯度下降算法，实现生成模型的训练。本发明提出了基于大模型与混合专家网络的方法，以解决现有使用单一模型难以有效生成不同方面慢病管理方案的问题。
-
公开(公告)号：CN118428412A
公开(公告)日：2024-08-02
申请号：CN202410875622.2
申请日：2024-07-02
Applicant: 安徽省立医院(中国科学技术大学附属第一医院)
IPC: G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/092 , G06F16/332 , G16H10/60
Abstract: 本发明涉及医疗问答技术领域，公开了一种基于记忆及强化学习优化的医疗大模型问答方法，包括：使用记忆插件对结构化的患者病历文本进行编码，得到记录患者病历关键信息的记忆向量；将用于问题文本输入到医疗大模型，得到患者问题编码特征；使用交互模块实现记忆向量与患者问题编码特征的交互，得到增强的患者问题编码特征；使用医疗大模型处理，得到个性化答案；将个性化答案与人工标注答案比较，使用交叉熵损失函数得到损失；基于损失，通过反向传播以及梯度下降算法，更新医疗问答模型中的医疗大模型、记忆插件和交互模块的可训练的参数，实现医疗问答模型的训练；本发明引入了患者病历信息，以解决难以生成个性化答案的问题。
-
公开(公告)号：CN118154854A
公开(公告)日：2024-06-07
申请号：CN202410565082.8
申请日：2024-05-09
Applicant: 中国科学技术大学
IPC: G06V10/25 , G06N3/0455 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了多视角特征聚合的目标检测方法，涉及图像识别技术领域，通过目标检测模型从自然图像中识别出目标区域对应的位置和类别信息；目标检测模型的训练过程如下：构建训练集；对训练集中的图像进行多视角提取，生成多视角特征，将多视角特征串联得到多视角特征向量，所述多视角特征包括全局视觉特征、局部视觉特征、跨模态视觉特征；将多视角特征向量、全局视觉特征、局部视觉特征以及跨模态视觉特征输入到跨视角注意力特征聚合模块中，得到聚合后特征；将聚合后特征输入到目标检测模块中，生成目标区域的预测坐标值和预测类别标签；构建总损失函数，更新目标检测模型中的模型参数；该目标检测方法有效提升了对目标区域的检测准确率。
-
公开(公告)号：CN118153684A
公开(公告)日：2024-06-07
申请号：CN202410565104.0
申请日：2024-05-09
Applicant: 中国科学技术大学
Abstract: 本发明公开了基于知识驱动的大模型情绪溯源及传播路径分析方法，涉及人工智能技术领域，将事件和用户情绪输送到溯源路径模型中，以输出事件与用户情绪之间的因果关系以及用户情绪传播的最短路径；溯源路径模型的训练过程如下：构建训练集，训练集中包括事件和用户情绪；将事件和用户情绪输送到因果关系模型中，生成事件与用户情绪之间是否存在因果关系以及因果关系的强弱；将因果关系以及因果关系的强弱输送到传播路径模型中，以预测用户情绪传播的最短路径，基于所生成的用户情绪传播的最短路径调整溯源路径模型中的模型参数；该情绪溯源及传播路径分析方法提升了事件和用户情绪的因果预测的准确性以及有效地实现对用户情绪的溯源。
-
Patent Agency Ranking
公开(公告)号：CN113239074B
公开(公告)日：2024-05-24
申请号：CN202110516106.7
申请日：2021-05-12
Applicant: 中国科学技术大学
IPC: G06F16/245 , G06F16/22 , H04L61/103 , H04L101/622
Abstract: 本发明提供一种物理端口定位方法、装置、电子设备及存储介质，能够自动化完成IP地址定位溯源，极大程度降低了定位耗时，实现与其他自动化系统进行联动，提高了用户体验，为后续其他需要和网络进行联动的系统提高必要条件。
-
公开(公告)号：CN117131187A
公开(公告)日：2023-11-28
申请号：CN202311395915.2
申请日：2023-10-26
Applicant: 中国科学技术大学
IPC: G06F16/34 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及对话摘要生成技术领域，公开了一种基于噪声绑定扩散模型的对话摘要方法，训练过程包括：根据输入对话生成相应的询问信息；将询问信息和对话串联拼接输入对话编码器，得到询问感知的对话表征；随机生成噪声信息，并将人工标注的对话摘要转换为二进制的比特表征，使用噪声信息对进行扩散加噪处理，得到加噪表征；使用扩散编码‑解码器对加噪表征进行去噪处理，得到去噪的比特表征，将去噪的比特表征与比特表征对比得到扩散损失，通过扩散损失并使用反向传播算法更新扩散编码‑解码器的模型参数；通过使用基于噪声绑定的扩散编码‑解码器进行不同角色的摘要生成，能够有效地从对话中辨别出充当噪声的无关信息，提升生成摘要的质量。
-
公开(公告)号：CN116384340B
公开(公告)日：2023-08-29
申请号：CN202310574093.8
申请日：2023-05-22
Applicant: 中国科学技术大学
IPC: G06F40/126 , G06F40/35 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , H04N21/44 , H04N21/466 , H04N21/488
Abstract: 本发明涉及视频弹幕情感分析技术领域，公开了一种基于变分跨模态表征的实时弹幕情感分析方法，包括视频编码、自动门控、文本编码、特征融合、弹幕重构和弹幕情感分析，最终预测得到弹幕情感。本方法利用自动门控模块将周围弹幕作为目标弹幕的上下文信息，并利用文本编码模块对目标弹幕进行特征提取，在编码模块和解码模块之间的特征融合模块会把视频信息融入进来，解码模块中的弹幕重构模块可以学习到不同模态之间的关系，促进情感分析模块预测出弹幕情感。
-
公开(公告)号：CN115662392B
公开(公告)日：2023-04-25
申请号：CN202211595293.3
申请日：2022-12-13
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种基于音素记忆的音译方法、电子设备及存储介质，包括：1、抽取音译单词并拆分为字母，2、构建音素库，并提取与每个字母关联的音素特征；3、构建L层的编码器，对字母编码，得到每一层与每个字母对应的字母编码向量；4、建立L层的音素记忆网络，用于字母编码向量和音素特征的建模，得到字母编码矩阵；5、将字母编码矩阵和前t时刻分类器输出的目标字母一起输入L层的解码器中，并将得到的t时刻解码器输出的字母预测向量送入分类器，得到t时刻预测的目标字母；6、把t+1赋予t，重复执行步骤5，直至时刻T，从而得到预测的字母序列。本发明旨在将音素特征融合进标准的文本生成过程中，从而能提高音译的质量和效果。
-
公开(公告)号：CN115481737A
公开(公告)日：2022-12-16
申请号：CN202211144432.0
申请日：2022-09-20
Applicant: 中国科学技术大学
Abstract: 本申请提供了一种基于硬件的训练模型部署方法。首先，按照目标硬件的内部取整方式对训练模型进行量化感知训练，得到目标模型，使得目标模型的模型参数为整数，其中，训练模型是通过训练样本训练神经网络得到的。然后，将目标模型部署到目标硬件的内部。目标模型是按照目标硬件的内部取整方式对训练模型进行量化感知训练得到的，该方法使得目标模型的取整计算逻辑与目标硬件的内部取整计算逻辑一致，避免目标模型部署至目标硬件的内部产生误差，实现快速适配目标模型和目标硬件，从而降低了模型的实际部署难度，提高了模型的实际部署效果。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.033 seconds)
