-
公开(公告)号：CN118939812B
公开(公告)日：2024-12-13
申请号：CN202411429343.X
申请日：2024-10-14
Applicant: 中国科学技术大学
Abstract: 本发明公开一种基于大语言模型的领域知识图谱构建方法、设备及介质，属领域知识图谱构建领域，方法包括：步骤1，按指定实体，从对应文本领域语料库中检出最相关上下文；步骤2，从开源百科知识图谱中检出三元组示例；步骤3，按预定输入模板连接指定实体、最相关上下文、三元组示例作为大语言模型输入，存储大语言模型输出的三元组；步骤4，检测三元组错误类型；步骤5，若错误类型数量低于阈值，给出相关提示，提示大语言模型生成并输出经纠正后三元组，并存储，反之，从存储器删除；步骤6，判断三元组若无需下一层次生成，将三元组合到领域知识图谱新层次中，反之，重复步骤1至步骤5直到构建完成。该方法能提升领域知识图谱构建的精确率。
-
公开(公告)号：CN118761368A
公开(公告)日：2024-10-11
申请号：CN202411253234.7
申请日：2024-09-09
Applicant: 中国科学技术大学
IPC: G06F30/337 , G06F30/27 , G06N3/092 , G06N3/126 , G06F111/06
Abstract: 本发明提供了一种电路遗传进化方法，可以应用于算术逻辑电路优化技术领域。该方法包括：将基因序列模型中的电路基因作为局部搜索算子的初始状态信息；利用目标案例集合对强化学习代理任务的初始状态进行反复重启进而完成对局部搜索算子的设计，利用局部搜索算子对基因序列模型的局部结构进行优化；基于多粒度遗传变异因子设计全局搜索算子，利用全局搜索算子对局部结构优化后的基因序列模型进行全局结构优化；利用基于深度神经网络的混合学习评估模型对全局结构优化后的基因序列模型进行筛选，得到电路基因更新后的基因序列模型；迭代进行局部结构优化操作、全局结构优化操作以及筛选操作，直到满足预设训练条件，得到结构优化后的目标电路。
-
公开(公告)号：CN114139675B
公开(公告)日：2024-09-20
申请号：CN202111491549.1
申请日：2021-12-08
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种提升智能体控制中选择可靠动作准确性的方法，包括：步骤1，将预先部署有行为策略网络、概率神经网络和评价打分网络的智能体按待完成的预设目标任务与真实环境交互采集真实环境数据，并从采集的真实环境数据中通过概率神经网络学习模拟真实环境动力学得到多个动力学模型；步骤2，智能体基于多个动力学模型学习评价打分网络的评价打分函数的多个估计；步骤3，智能体使用得到的评价打分函数的多个估计中最小的k个估计的平均值来优化行为策略网络的策略；步骤4，智能体控制中采用优化后的策略进行行为的选择。能提高智能体用有模型强化学习方法的样本效率，进而提升学习的策略性能低，提高控制中选择可靠动作的准确性。
-
公开(公告)号：CN117422206B
公开(公告)日：2024-03-29
申请号：CN202311735964.6
申请日：2023-12-18
Applicant: 中国科学技术大学
IPC: G06Q10/063 , G06N3/094 , G06N3/042
Abstract: 本发明公开了一种提升工程问题决策和调度效率的方法、设备及存储介质，方法包括，步骤1，采集混合整数优化问题的原始训练实例，用专家求解策略求解原始训练实例得出训练数据；步骤2，用增广网络对原始训练实例增广，并用专家求解策略求解增广实例得到校正数据；步骤3，用训练数据和校正数据训练智能求解器，记录智能求解器的训练信息训练增广网络；步骤4，重复步骤2和步骤3对抗式训练智能求解器与增广网络，得到提升求解效率的智能求解器；步骤5，用步骤4中得到的提升求解效率的智能求解器对待决策和调度类工程问题进行智能求解，得出决策和调度结果。该方法能有效提升决策和调度类工程问题的决策和调度效率。
-
公开(公告)号：CN117422206A
公开(公告)日：2024-01-19
申请号：CN202311735964.6
申请日：2023-12-18
Applicant: 中国科学技术大学
IPC: G06Q10/063 , G06N3/094 , G06N3/042
Abstract: 本发明公开了一种提升工程问题决策和调度效率的方法、设备及存储介质，方法包括，步骤1，采集混合整数优化问题的原始训练实例，用专家求解策略求解原始训练实例得出训练数据；步骤2，用增广网络对原始训练实例增广，并用专家求解策略求解增广实例得到校正数据；步骤3，用训练数据和校正数据训练智能求解器，记录智能求解器的训练信息训练增广网络；步骤4，重复步骤2和步骤3对抗式训练智能求解器与增广网络，得到提升求解效率的智能求解器；步骤5，用步骤4中得到的提升求解效率的智能求解器对待决策和调度类工程问题进行智能求解，得出决策和调度结果。该方法能有效提升决策和调度类工程问题的决策和调度效率。
-
Patent Agency Ranking
公开(公告)号：CN117114078A
公开(公告)日：2023-11-24
申请号：CN202311374772.7
申请日：2023-10-23
Applicant: 中国科学技术大学
IPC: G06N3/092 , G06N3/0455 , G06F18/2131
Abstract: 本发明公开了一种提升连续控制机器人训练效率的方法、设备及存储介质，方法包括：步骤1，经与机器人通信连接的传感器获取状态数据；步骤2，用多层密集连接的特征编码器对状态数据编码得百维向量作为状态表征数据；步骤3，用多层感知的傅里叶函数预测器将状态表征数据映射为傅里叶函数，以傅里叶函数逼近真实状态序列的频域变换方式优化更新特征编码器和傅里叶函数预测器；步骤4，将优化更新后的特征编码器输出的状态表征数据作为多层感知决策模型的输入，再用传统强化学习中的训练方法更新优化多层感知决策模型。步骤5，重复步骤1至步骤4直至训练结束。该方法能增强机器人从序列数据中的信息提取能力，进而提升机器人训练效率。
-
公开(公告)号：CN112635294B
公开(公告)日：2022-04-19
申请号：CN202011524714.4
申请日：2020-12-22
Applicant: 中国科学技术大学
IPC: H01J65/04
Abstract: 本发明公开超高亮度真空紫外灯，包括石英保护件和具有依次连通的过渡接头、石英短管和长管、小直径石英管的紫外灯本体；小直径石英管的孔径小于石英短管和长管的孔径；过渡接头的金属管端能接入气体，石英长管是气体被激发到等离子体态的起始场所；石英长管的自由端开有孔，该孔与石英长管的内部通道连通；石英保护件与紫外灯本体相连，石英长管的自由端伸入石英保护件内。紫外灯本体中小直径石英管的孔径小于石英短、长管的孔径，形成独特的流导梯度，等离子体态气体会在流经石英长管底部的小孔后被汇聚，且灯中本有气压上高下低的特征，电离过程很难传播至灯管上方，使绝大多数等离子体集中在石英保护件内，进入超高亮度模式，释放巨量光子。
-
公开(公告)号：CN119871422A
公开(公告)日：2025-04-25
申请号：CN202510173349.3
申请日：2025-02-17
Applicant: 中国科学技术大学
IPC: B25J9/16
Abstract: 本发明公开一种基于视觉的机器人的控制方法、系统、设备及介质，属机器人控制领域，方法包括：步骤1，用与机器人通信的摄像头按预设时间间隔获取包含机器人和环境的三张图像，将三张图像用强化学习帧栈堆叠得到输入图像数据；步骤2，用训练好的卷积特征编码器对输入图像数据编码得出输出表征数据；步骤3，将输出表征数据输入到基于额外奖励训练好的多层感知决策模型映射为一个最优动作，使机器人执行该最优动作来进行最优控制。本发明采用基于外奖励训练好的多层感知决策模型，能从长期累积奖励中编码任务相关信息，使用信息瓶颈约束来去除任务无关的特征，进而增强机器人的视觉泛化能力，提升基于视觉控制的机器人的控制准确性。
-
公开(公告)号：CN113312488B
公开(公告)日：2024-05-24
申请号：CN202110205667.5
申请日：2021-02-24
Applicant: 中国科学技术大学
IPC: G06N5/022
Abstract: 本发明公开了一种知识图谱处理方法及装置，获取原始知识图谱的三元组的集合；对三元组中的关系之间的语义关联进行建模，确定原始知识图谱的相关模式和相关系数；基于原始知识图谱的相关模式和相关系数，确定嵌入向量；获取三元组与三元组对应的领域连接的局部图信息；基于局部图信息确定原始知识图谱的图结构信息；基于嵌入向量和图结构信息，获取原始知识图谱中缺失链的预测信息；基于缺失链的预测信息更新原始知识图谱，获得目标知识图谱。本发明通过相关模式、相关系数和图结构信息高效利用关系之间的相关性，实现了对知识图谱的处理，使得提升了基于知识图谱的模型的处理精度。
-
公开(公告)号：CN114462566B
公开(公告)日：2024-04-30
申请号：CN202210180990.6
申请日：2022-02-25
Applicant: 中国科学技术大学
IPC: G06Q10/0637 , G06N3/092 , G06Q10/04 , G06Q50/26 , G06Q50/06
Abstract: 本发明公开了一种实现智能实时决策系统实时确定最优决策动作的方法，包括以：步骤1，离散化决策过程：确定最小决策时刻间隔；步骤2，定义系统状态：根据系统状态建立蒙特卡洛树搜索模型；步骤3，训练状态转移模型：将智能实时决策系统的状态转移过程建模为状态转移模型，基于历史数据训练所述状态转移模型，测试模型精度并选择最优模型参数；步骤4，挂载状态转移模型：用状态转移模型，状态转移模型预测蒙特卡洛树搜索模型的下一时刻系统状态作为漂移后的根节点，在下一个决策时刻到达前完成搜索，根据决策结果确定智能实时决策系统的当前最优的决策动作。该方法实现了在智能实时决策系统中利用蒙特卡洛树搜索实时确定最优决策动作。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.036 seconds)
