一种面向大模型检索的输入图优化隐私保护方法及系统

    公开(公告)号:CN119383279B

    公开(公告)日:2025-04-04

    申请号:CN202411959961.5

    申请日:2024-12-30

    Abstract: 本发明公开了一种面向大模型检索的输入图优化隐私保护方法及系统,属于隐私保护技术领域,方法包括:基于输入图中各节点的对比学习权重,对输入图进行双视角对比学习,获取输入图中各节点的初始嵌入表示;引入类别原型提示,对输入图中各节点进行分类优化,获取输入图中各节点的对比学习权重约束表示;获取输入图的全局表示,对输入图中各节点进行匹配度优化,获取输入图中各节点的优化表示;引入输入图中各节点的上下文标记,识别输入图中的隐私节点;筛选输入图中各隐私节点的边进行剪枝重连,获取隐私保护后的输入图。该方法能够在不损失输入图的数据结构信息的前提下,精确识别和保护输入图中的隐私节点,降低输入图的隐私泄露风险。

    一种面向类脑机制的无人驾驶紧急避障方法

    公开(公告)号:CN118683522B

    公开(公告)日:2024-10-25

    申请号:CN202411173784.8

    申请日:2024-08-26

    Abstract: 本发明公开了一种面向类脑机制的无人驾驶紧急避障方法,属于无人驾驶技术领域,方法包括:基于车道场景,获取状态脉冲序列;将所述状态脉冲序列输入至训练好的优化脉冲神经网络,获取无人驾驶紧急避障策略;其中,训练好的优化脉冲神经网络的获取方法包括:基于基底神经节,利用伊兹克维奇神经元模型构建脉冲神经网络;基于眶额皮层信号响应机制和前扣带皮层警惕反应机制,对所述脉冲神经网络进行优化,获取优化脉冲神经网络;基于深度Q网络,对所述优化脉冲神经网络进行训练,获取训练好的优化脉冲神经网络。该方法能够提高无人驾驶车辆在紧急情况下的反应速度和决策准确性。

    一种面向类脑机制的无人驾驶紧急避障方法

    公开(公告)号:CN118683522A

    公开(公告)日:2024-09-24

    申请号:CN202411173784.8

    申请日:2024-08-26

    Abstract: 本发明公开了一种面向类脑机制的无人驾驶紧急避障方法,属于无人驾驶技术领域,方法包括:基于车道场景,获取状态脉冲序列;将所述状态脉冲序列输入至训练好的优化脉冲神经网络,获取无人驾驶紧急避障策略;其中,训练好的优化脉冲神经网络的获取方法包括:基于基底神经节,利用伊兹克维奇神经元模型构建脉冲神经网络;基于眶额皮层信号响应机制和前扣带皮层警惕反应机制,对所述脉冲神经网络进行优化,获取优化脉冲神经网络;基于深度Q网络,对所述优化脉冲神经网络进行训练,获取训练好的优化脉冲神经网络。该方法能够提高无人驾驶车辆在紧急情况下的反应速度和决策准确性。

    一种类脑脉冲强化演化的无人驾驶避障方法及相关装置

    公开(公告)号:CN119611351A

    公开(公告)日:2025-03-14

    申请号:CN202411901258.9

    申请日:2024-12-23

    Abstract: 本发明公开了一种类脑脉冲强化演化的无人驾驶避障方法及相关装置,本发明根据当前时刻的无人驾驶车辆的状态序列和皮质‑基底神经节‑丘脑网络生成当前时刻的避障动作,并基于当前时刻的避障动作优化下一时刻的皮质‑基底神经节‑丘脑网络,在皮质‑基底神经节‑丘脑网络优化过程中,根据相邻时刻的奖励差值,累加皮质‑基底神经节‑丘脑网络对环境的警惕值,在累加的警惕值未超过第二阈值时,依次基于尖峰时序依赖性可塑性机制和多巴胺调节机制优化皮质‑基底神经节‑丘脑网络,在累加的警惕值超过第二阈值时,基于遗传算法的离线演化方法优化皮质‑基底神经节‑丘脑网络,实现了对不同复杂环境快速适应和决策准确的避障方法。

    一种面向大模型检索的输入图优化隐私保护方法及系统

    公开(公告)号:CN119383279A

    公开(公告)日:2025-01-28

    申请号:CN202411959961.5

    申请日:2024-12-30

    Abstract: 本发明公开了一种面向大模型检索的输入图优化隐私保护方法及系统,属于隐私保护技术领域,方法包括:基于输入图中各节点的对比学习权重,对输入图进行双视角对比学习,获取输入图中各节点的初始嵌入表示;引入类别原型提示,对输入图中各节点进行分类优化,获取输入图中各节点的对比学习权重约束表示;获取输入图的全局表示,对输入图中各节点进行匹配度优化,获取输入图中各节点的优化表示;引入输入图中各节点的上下文标记,识别输入图中的隐私节点;筛选输入图中各隐私节点的边进行剪枝重连,获取隐私保护后的输入图。该方法能够在不损失输入图的数据结构信息的前提下,精确识别和保护输入图中的隐私节点,降低输入图的隐私泄露风险。

Patent Agency Ranking