-
公开(公告)号：CN119203285A
公开(公告)日：2024-12-27
申请号：CN202411353436.9
申请日：2024-09-26
Applicant: 之江实验室
IPC: G06F30/12 , G06F30/27 , G06Q10/04 , G06F18/24 , G06N3/08 , G06F111/08 , G06F111/04
Abstract: 本说明书公开了一种CAD模型生成方法、装置、存储介质及电子设备。在本说明书提供的CAD模型生成方法中，获取计算机辅助设计CAD命令序列，作为样本CAD序列；将所述样本CAD序列输入待训练的扩散模型，所述扩散模型包含正向扩散子网和逆向扩散子网；通过所述正向扩散子网将所述样本CAD序列转换为样本嵌入向量，并对所述样本嵌入向量添加噪声，得到样本扩散向量；通过所述逆向扩散子网对所述样本扩散向量进行降噪处理，得到待优化预测向量，并根据所述待优化预测向量确定待优化预测序列；根据所述待优化预测向量与所述样本嵌入向量之间的差异对所述扩散模型进行训练；将训练后的扩散模型包含的逆向扩散子网作为目标模型，并采用所述目标模型生成CAD模型。
-
公开(公告)号：CN115409217B
公开(公告)日：2023-09-26
申请号：CN202211352910.7
申请日：2022-11-01
Applicant: 之江实验室
IPC: G06Q10/04 , G06Q10/20 , G06N3/0442 , G06N3/084
Abstract: 本发明公开一种基于多专家混合网络的多任务预测性维护方法，包括：步骤S1：将设备的传感器数据处理成传感器特征张量，输入多专家网络模块，计算得到相应的专家子网络张量；步骤S2：将传感器特征张量输入多任务门控网络，得到多任务门控网络输出向量；步骤S3：对于每个任务，结合对应多任务门控网络输出向量，对多专家网络模块中各个专家子网络的输出作加权求和，计算得到每个任务的编码器张量；步骤S4：将计算得到的编码器张量输入任务相关的解码器网络，再通过多个任务联合优化，同时计算并输出预测性维护场景各个子任务的目标值。本发明解决了错误传递问题，可以缓解跷跷板效应，减小预测性维护任务的计算成本，提升预测效率。
-
公开(公告)号：CN116151354B
公开(公告)日：2023-07-18
申请号：CN202310411396.8
申请日：2023-04-10
Applicant: 之江实验室
Abstract: 本申请涉及一种网络节点的学习方法、装置、电子装置和存储介质，所述方法包括：基于层次标签树中目标网络节点对应的目标标签信息，确定目标注意力向量，所述层次标签树包含多个网络节点的标签信息之间的隶属关系；基于所述目标注意力向量，对多个所述网络节点进行采样，并基于采样结果获取所述目标网络节点的相邻网络节点以及对应的相邻注意力向量；对所述目标注意力向量以及所述相邻注意力向量进行聚合，得到所述目标网络节点的目标表示向量。通过本申请，解决了相关技术中网络节点的表示学习不够准确的技术问题，提高了网络节点表示学习时表示向量的全面性，更有利于挖掘网络节点之间的相似性和关联性，进而提高了网络节点学习的准确性。
-
公开(公告)号：CN116028891B
公开(公告)日：2023-07-14
申请号：CN202310123067.3
申请日：2023-02-16
Applicant: 之江实验室
IPC: G06F18/25 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于多模型融合的工业异常检测模型训练方法和装置，该方法包括：步骤一，获取传感器数据后进行预处理；步骤二，将预处理得到的传感器特征张量分别输入多个教师模型和学生模型，获取模型中各个网络层的特征；步骤三，将所述特征中的中间层张量映射为公共空间张量；步骤四，对所有教师模型的公共空间张量加权平均，得到与学生公共空间张量相对应的教师加权张量，将所有教师模型任务层向量横向拼接成教师任务层拼接向量；步骤五，获取模型的蒸馏损失、任务损失以及预测损失，并加权求和得到总损失；步骤六，重复以上步骤，最小化总损失，更新学生模型神经网络参数，直至收敛，最终固定学生模型神经网络参数，获得目标模型，完成训练。
-
公开(公告)号：CN116151354A
公开(公告)日：2023-05-23
申请号：CN202310411396.8
申请日：2023-04-10
Applicant: 之江实验室
Abstract: 本申请涉及一种网络节点的学习方法、装置、电子装置和存储介质，所述方法包括：基于层次标签树中目标网络节点对应的目标标签信息，确定目标注意力向量，所述层次标签树包含多个网络节点的标签信息之间的隶属关系；基于所述目标注意力向量，对多个所述网络节点进行采样，并基于采样结果获取所述目标网络节点的相邻网络节点以及对应的相邻注意力向量；对所述目标注意力向量以及所述相邻注意力向量进行聚合，得到所述目标网络节点的目标表示向量。通过本申请，解决了相关技术中网络节点的表示学习不够准确的技术问题，提高了网络节点表示学习时表示向量的全面性，更有利于挖掘网络节点之间的相似性和关联性，进而提高了网络节点学习的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117079646B
公开(公告)日：2024-01-09
申请号：CN202311328287.6
申请日：2023-10-13
Applicant: 之江实验室
IPC: G10L15/06
Abstract: 本说明书公开了一种语音识别模型的训练方法、装置、设备及存储介质，通过基于通用语音数据集训练的复述模型，确定目标语音数据的第一语音特征，以及通过待训练的语音识别模型，确定目标语音数据的第二语音特征和识别结果，再将数据增强后的目标语音数据作为第一训练样本，将目标语音数据的识别结果作为第一训练样本的标注，根据第一训练样本的识别结果及其标注之间的差异，以及第一语音特征和第二语音特征之间的差异，对该语音识别模型进行训练。本方法采用语音识别模型自监督、复述模型辅助监督的方式来进行训练，在不需要人工对目标领域的语音数据进行标注的情况下，也可得到准确的语音识别模型，保证了模型训练效率。
-
公开(公告)号：CN116312480A
公开(公告)日：2023-06-23
申请号：CN202310126931.5
申请日：2023-02-10
Applicant: 之江实验室
Abstract: 本说明书公开了一种语音识别方法、装置、设备及可读存储介质，响应于流式语音识别请求，根据预设的时长，将连续接收的所述待识别音频数据，划分为待识别语音块，将各待识别语音块依次输入预训练的语音识别模型，通过特征提取子网得到第一语音特征，将该待识别语音块的第一语音特征和指定语音块的第一语音特征输入到特征编码子网，通过注意力编码层得到第一注意力得分和第二注意力得分，进而确定出该待识别语音块的第二语音特征，将第二语音特征输入解码器，确定该待识别语音块的预测文本。可见，通过特征编码子网中的注意力编码层确定第一注意力得分和第二注意力得分的方式，能够有效利用声学上下文的信息，提高文本预测的准确性。
-
公开(公告)号：CN116028891A
公开(公告)日：2023-04-28
申请号：CN202310123067.3
申请日：2023-02-16
Applicant: 之江实验室
IPC: G06F18/25 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于多模型融合的工业异常检测模型训练方法和装置，该方法包括：步骤一，获取传感器数据后进行预处理；步骤二，将预处理得到的传感器特征张量分别输入多个教师模型和学生模型，获取模型中各个网络层的特征；步骤三，将所述特征中的中间层张量映射为公共空间张量；步骤四，对所有教师模型的公共空间张量加权平均，得到与学生公共空间张量相对应的教师加权张量，将所有教师模型任务层向量横向拼接成教师任务层拼接向量；步骤五，获取模型的蒸馏损失、任务损失以及预测损失，并加权求和得到总损失；步骤六，重复以上步骤，最小化总损失，更新学生模型神经网络参数，直至收敛，最终固定学生模型神经网络参数，获得目标模型，完成训练。
-
公开(公告)号：CN115760670A
公开(公告)日：2023-03-07
申请号：CN202310023010.6
申请日：2023-01-06
IPC: G06T5/50 , G06T3/40 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/088
Abstract: 本发明公开了基于网络隐式先验的无监督高光谱融合方法及装置，获取低分辨率高光谱和高分辨率多光谱图像；采用噪声对图像进行扰动；将噪声扰动后的图像输入至编码器‑解码器体系结构，进行多级特征学习，生成高分辨率高光谱图像的模糊估计；对模糊估计分别进行空间和光谱下采样；基于低分辨率高光谱图像与空间下采样的结果，高分辨率多光谱图像与光谱下采样的结果，计算退化模型的损失函数，反向传播退化模型的优化参数给编码器‑解码器体系结构；重复执行上述过程，直至生成高分辨率高光谱图像的模糊估计达到循环终止条件。本发明利用两个并行的特殊卷积块分别模拟空间和光谱下采样，形成一个闭环，实现了无训练样本条件下的无监督学习。
-
公开(公告)号：CN115424622A
公开(公告)日：2022-12-02
申请号：CN202211373164.X
申请日：2022-11-04
Applicant: 之江实验室
Abstract: 本发明涉及语音交互技术领域，尤其涉及一种人机语音智能交互方法和装置，该方法包括：步骤一，用户使用自定义唤醒词激活智能语音交互服务，激活后发送语音信息给音频数据处理器；步骤二，音频数据处理器对语音信息进行语音识别、语义解析和声纹识别，判断用户身份，获得用户意图，后根据用户意图，匹配执行对应的指令动作并返回动作执行结果给用户；步骤三，用户使用自定义关闭话术关闭智能语音交互服务，关闭后的语音交互服务等待下次通过自定义唤醒词进行唤醒。本发明实现了语音对智能设备的多种控制，并且加入了灵活的权限控制功能，可以为多种智能设备提供定制化的智能语音交互服务。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.02 seconds)
