公开(公告)号：CN119721022A

公开(公告)日：2025-03-28

申请号：CN202411699641.0

申请日：2024-11-26

Applicant: 北京计算机技术及应用研究所

Inventor： 方志 ,  郑一凡 ,  刘琦 ,  尤宝鑫 ,  郭嘉欣 ,  宋伟 ,  乔宏 ,  葛志

IPC: G06F40/279 ,  G06F40/216 ,  G06F40/30 ,  G06F18/22 ,  G06F40/186 ,  G06F40/211 ,  G06F40/253 ,  G06N20/00 ,  G06N3/045

Abstract: 本发明涉及一种基于关键词提示的细粒度关系抽取数据增强方法，属于人工智能、大数据、自然语言处理技术领域。此方法在句子合成过程中增加了关键词提示的上下文约束，以确保生成的句子在保持关系依赖性和语义一致性的同时，通过结合大语言模型的强大生成能力，生成具有丰富上下文多样性的句子，同时保持语义一致性，提高生成数据的多样性。

公开(公告)号：CN119832209A

公开(公告)日：2025-04-15

申请号：CN202411731598.1

申请日：2024-11-29

Applicant: 北京计算机技术及应用研究所

Inventor： 王又辰 ,  张起铭 ,  王淼 ,  余增文 ,  郑一凡

IPC: G06V10/25 ,  G06N3/049 ,  G06N3/0464 ,  G06V10/82

Abstract: 本发明涉及一种基于脉冲神经网络的边端协同目标检测方法，属于人工智能、大数据、计算机视觉技术领域。本发明针对端侧设备进行目标检测时能耗高、计算资源消耗大及边端协同效率低下的问题，提出了一种改进的SpikeYOLO模型，在原有的目标检测模型的基础上，使用脉冲神经元取代人工神经元，显著降低了模型参数量和模型运行能耗。此外，针对YOLO模块复杂计算直接转换为SNN时可能引起性能下降的问题，引入了反向残差结构以优化模型设计，确保关键特征在传递过程中不会丢失，从而让端侧设备模型的识别效果在可接受的精度衰减范围内。