-
公开(公告)号：CN119620980A
公开(公告)日：2025-03-14
申请号：CN202411576605.5
申请日：2024-11-06
Applicant: 中国运载火箭技术研究院
Inventor： 俞启东 , 李丝然 , 黄虎 , 郑本昌 , 李君 , 陈海鹏 , 王佳林 , 吴志壕 , 杨尚霖 , 邵子航 , 姚力炜 , 徐骁翰 , 韦文书 , 朱佳琳 , 高厚朴 , 刘峰 , 董启超 , 果昊涵 , 孙丝 , 李晟嘉 , 王钊 , 金鹏
IPC: G06F3/14 , G09B9/00 , G06F18/243
Abstract: 本发明公开了一种训练态势显控方法，包括：将预设的推演数据传输给前端显示模块，前端显示模块将预设的推演数据转化为红方实时战场态势、蓝方实时战场态势和白方实时战场态势并进行展示。本发明满足了对于大量信息的实时监控。
-
公开(公告)号：CN119493854A
公开(公告)日：2025-02-21
申请号：CN202411576622.9
申请日：2024-11-06
Applicant: 中国运载火箭技术研究院
Inventor： 孙丝 , 高厚朴 , 黄虎 , 郑本昌 , 李君 , 杨威 , 韦文书 , 刘峰 , 王佳林 , 徐骁翰 , 杨尚霖 , 邵子航 , 朱佳琳 , 李晟嘉 , 吴志壕 , 果昊涵 , 姚力炜 , 李丝然 , 董启超
IPC: G06F16/334 , G06N5/04 , G06N3/0499
Abstract: 本发明公开了一种基于记忆增强的大语言模型检索微调方法，该方法包括：对文本序列库中的文本序列进行逐层稠密向量表示；逐层对齐性分析得到每层对齐性损失值；逐层均匀性分析得到每层均匀性损失值；根据每层对齐性损失值和每层均匀性损失值得到最优对齐层和最优均匀层；将最优对齐层和最优均匀层输入至检索微调模块得到最终输出向量；将最终输出向量带入交叉熵训练损失函数中，通过最小化交叉熵训练损失函数的值，得到检索微调模块的模型参数。本发明实现了在不微调大语言模型内部参数并且保留其原始生成能力的同时进行有效的文本检索，完成了文本检索和文本生成的模型兼容，为构建大语言模型的长期记忆模块提供了技术基础。
-
公开(公告)号：CN119578501A
公开(公告)日：2025-03-07
申请号：CN202411674678.8
申请日：2024-11-21
Applicant: 中国运载火箭技术研究院
Inventor： 陈海鹏 , 吴志壕 , 黄虎 , 郑本昌 , 李君 , 姚力炜 , 韦文书 , 朱佳琳 , 高厚朴 , 刘峰 , 李丝然 , 果昊涵 , 董启超 , 王佳林 , 李晟嘉 , 徐骁翰 , 杨尚霖 , 邵子航 , 孙丝 , 代长勇 , 王天棋
Abstract: 本发明涉及一种多智能体强化学习决策系统及其联合训练方法，该系统包括多智能体包括协调智能器和N个单智能体，N大于等于1，每个单智能体相互独立，用于从各自的微场景中，获取完成子任务目标需要的环境样本，采用各自独立的强化学习智能算法，分别为子任务目标进行智能决策；协调智能器，用于获取总任务目标需要的环境样本，采用强化学习智能算法，根据预设的规则，优选单智能体的决策，使得总任务目标达到最优。
-
公开(公告)号：CN119576718A
公开(公告)日：2025-03-07
申请号：CN202411642029.X
申请日：2024-11-18
Applicant: 中国运载火箭技术研究院
Inventor： 俞启东 , 黄虎 , 郑本昌 , 李君 , 吴志壕 , 杨威 , 姚力炜 , 韦文书 , 朱佳琳 , 高厚朴 , 刘峰 , 李丝然 , 果昊涵 , 董启超 , 王佳林 , 李晟嘉 , 徐骁翰 , 杨尚霖 , 邵子航 , 孙丝
Abstract: 本发明提供了一种基于分级测评的智能决策算法评估方法，包括：构建智能决策算法的测试场景，采用场景关键表征要素对测试场景进行表征，并提取各场景关键表征要素下的试验因子；基于对智能决策算法能力测评的需求，形成测评赛道；根据智能决策算法的测评赛道，在试验因子中筛选各测评赛道的关键影响因子，形成各测评赛道的赛道因子池；根据对待测智能决策算法能力的最低要求，对应设置赛道因子池中关键影响因子的初始水平为基准值，依据设置后的关键影响因子对测试场景进行配置，形成基准测试场景；通过测试场景迭代优化的方式评定智能决策算法等级。本发明解决了现有技术无法全面、准确衡量智能决策算法能力水平的问题。
-
Patent Agency Ranking
公开(公告)号：CN117631557A
公开(公告)日：2024-03-01
申请号：CN202311465915.5
申请日：2023-11-06
Applicant: 中国运载火箭技术研究院
IPC: G05B17/02
Abstract: 本发明涉及基于内场国产化试验平台的仿真装备模型开发与适配方法，属于航天仿真推演领域；将仿真装备模型设计为模块化结构，包括平台和依附载荷；设置仿真装备模型的外部交互接口支持内场规范；设计仿真装备模型针对内场试验平台实现移植、集成与联调；设计仿真装备模型实现支撑内场模型加速与算法训练；仿真装备模型以平台为基础；动态拼装多种类的依附载荷；实现降低装备模块间耦合度，实现装备模型的模块化动态拼装；本发明实现面向作战流程关键任务环节的功能级模型性能与效率综合优化设计，完成功能完备性和可用性验模测试，有效支撑内场试验平台能力需求。
-
公开(公告)号：CN117540796A
公开(公告)日：2024-02-09
申请号：CN202311540895.3
申请日：2023-11-17
Applicant: 中国运载火箭技术研究院
Abstract: 本发明涉及一种大规模异构种群进化策略演进训练方法，属于智能博弈领域。该方法构建主训练种群与其他所有从训练种群之间的映射函数关系，通过主训练种群的训练激励从训练种群的反馈，形成一主多从的训练模式，通过不断的迭代进化，择优选取最优种群，解决大型异构种群进化训练时难以收敛的问题。同时采用全局异构种群的适应度函数计算方式，通过非直接训练的多异构从种群的行为结果反馈至直接训练的主种群，实现全局约束单一种群，完成所有种群的全局训练约束，解决大规模异构种群训练约束难的问题。
-
公开(公告)号：CN119537532A
公开(公告)日：2025-02-28
申请号：CN202411544113.8
申请日：2024-10-31
Applicant: 中国运载火箭技术研究院
Inventor： 杨尚霖 , 王佳林 , 郑本昌 , 黄虎 , 杨威 , 徐骁翰 , 邵子航 , 韦文书 , 朱佳琳 , 高厚朴 , 李晟嘉 , 李君 , 孙丝 , 刘峰 , 吴志壕 , 果昊涵 , 董启超 , 姚力炜 , 师晓蒙
IPC: G06F16/3329 , G06F16/334 , G06F16/338 , G06F16/34
Abstract: 本发明涉及一种基于大语言模型的质量标准检索工具及方法，将质量标准文件及其所对应的嵌入向量数据、质量标准文件和嵌入向量数据的映射关系存储至质量标准文件知识库中；接收将采用自然语言描述的问题转换为问题向量数据，从质量标准文件知识库中检索出与问题向量数据最相似的嵌入向量数据，所述嵌入向量数据所对应的质量标准文件文本为相关支撑文档；将历史检索问题及其对应的检索结果记录为历史问答信息，将预设的应答规则、当前检索问题、相关支撑文档、历史问答信息汇总为提示词；采用预训练的大语言模型，根据提示词生成检索结果。
-
公开(公告)号：CN119580061A
公开(公告)日：2025-03-07
申请号：CN202411560427.7
申请日：2024-11-04
Applicant: 中国运载火箭技术研究院
Inventor： 李晟嘉 , 黄虎 , 郑本昌 , 李君 , 杨威 , 王佳林 , 吴志壕 , 韦文书 , 朱佳琳 , 高厚朴 , 杨尚霖 , 邵子航 , 姚力炜 , 徐骁翰 , 刘峰 , 李丝然 , 董启超 , 果昊涵 , 孙丝 , 刘楠 , 皋其源
IPC: G06V10/82 , G06V10/80 , G06N3/0455 , G06N5/04
Abstract: 本发明公开了一种基于图文模态转化架构的大模型目标分配方法，包括：截取i个局部图像切片，并提取i个图像特征；将i个图像特征按照相邻的方式划分为i‑1个组别，并依次输入到每个组别对应的交叉融合注意力层，得到每个组别相对应的特征序列，并输入到全连接层FFWi‑1，得到i‑1个融合特征；将i‑1个融合特征依次输入到全连接层FW1中提取i‑1个特征；将i‑1个特征输入到大模型中，生成全局理解文本；获得提示文本特征；将全局理解文本与提示文本特征输入到大模型中，生成加强理解文本。本发明解决了图生文跨模态理解能力不足的难题、面对大规模复杂场景下多智能体的目标分配效果较差且计算量大的难题和通信受限下的多智能体无法协同合作的难题。
-
公开(公告)号：CN119578587A
公开(公告)日：2025-03-07
申请号：CN202411642033.6
申请日：2024-11-18
Applicant: 中国运载火箭技术研究院
Inventor： 黄虎 , 郑本昌 , 李君 , 吴志壕 , 姚力炜 , 陈海鹏 , 韦文书 , 朱佳琳 , 高厚朴 , 刘峰 , 李丝然 , 果昊涵 , 董启超 , 王佳林 , 李晟嘉 , 徐骁翰 , 杨尚霖 , 邵子航 , 孙丝
IPC: G06N20/00
Abstract: 本发明提供了一种场景集质量评估方法，包括：采用场景关键表征要素对场景集中的各子场景进行表征，提取各场景关键表征要素下的试验因子，并确定试验因子的取值；构建场景集质量评估指标体系；建立智能算法库，使用智能算法库中的各智能算法，在待评测场景集的各子场景中开展推演，并存储不同智能算法的推演评估数据；将所有维度的智能算法的推演评估数据融合为综合评估数据，获得各智能算法对待评测场景集各子场景的综合评估数据；利用待评测场景集中各子场景下各智能算法的推演结果及综合评估数据，以及场景集中各子场景的试验因子取值，确定场景集质量评估指标体系中各底层指标值，采用赋权及指标聚合方法，获得顶层场景集质量评估结果。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
