-
公开(公告)号：CN118297166A
公开(公告)日：2024-07-05
申请号：CN202410729045.6
申请日：2024-06-06
Applicant: 南京邮电大学
IPC: G06N5/04 , G06N5/045 , G06N3/042 , G06N3/0455 , G06N3/096 , G06F16/532 , G06F16/583 , G06F16/332 , G06F18/25
Abstract: 本发明公开基于先计划再求解思维链的科学问答任务解决方法；属于计算机视觉和自然语言处理领域；科学问答任务解决方法包括：设计语义适配器与视觉编码器和语言模型连接，得到多模态网络模型，并使用科学问答数据集中的训练集数据对多模态模型进行语义适配器预训练；使用预训练后的多模态网络模型对次优的原理解释进行筛选，并使用先计划再求解思维链为次优的原理解释生成按计划的原理解释，并用按计划的原理解释优化原有的次优原理解释；使用集成了按计划的原理解释的训练数据，微调预训练过的多模态网络模型并进行测试，输出答案。
-
公开(公告)号：CN119450580A
公开(公告)日：2025-02-14
申请号：CN202411599784.4
申请日：2024-11-11
Applicant: 南京邮电大学
Abstract: 本发明属于无线通信技术领域，公开了一种流体天线辅助的通信感知计算一体化(ISCC)方法，将终端的通信和感知任务卸载至基站端的移动边缘计算(MEC)服务器，利用服务器强大的计算能力，构建一种高效的ISCC系统；集成流体天线到基站端，提出一种流体天线辅助的ISCC系统，并且建立流体天线辅助的通信和感知模型；计算通信及感知任务的时延，构建时延优化问题，通过优化流体天线位置来最小化系统的总时延。本发明充分利用流体天线的灵活性，动态地调整基站端天线位置，从而适应和优化信道条件，实现终端与基站之间高效、低时延的通信、感知与计算。
-
Patent Agency Ranking
公开(公告)号：CN119312907A
公开(公告)日：2025-01-14
申请号：CN202411356982.8
申请日：2024-09-27
Applicant: 南京邮电大学
IPC: G06N5/025 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06N3/0895
Abstract: 本发明涉及一种基于多视图对比学习的知识图谱补全方法及系统，涉及人工智能技术领域。所述方法包括：接收原始知识图谱数据，对所述原始知识图谱数据进行数据清洗与标准化处理、图增强处理、多视图掩码编码及掩码处理和低维向量映射与特征正则化处理；构建模型的总损失函数，根据所述总损失函数进行模型训练和优化，得到知识图谱补全模型；调用所述知识图谱补全模型，利用解码器进行知识图谱补全。本方法能够完善图谱的完备性和均衡性，提升模型的预测精度和泛化能力，提高整个系统的整体性能和鲁棒性。
-
公开(公告)号：CN118691898A
公开(公告)日：2024-09-24
申请号：CN202410853614.8
申请日：2024-06-28
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0499 , G06N3/09
Abstract: 本发明涉及一种基于提示引导的零样本图像分类方法及系统，涉及计算机视觉人工智能技术领域。方法包括：根据全局语义表示、实例提示表示和实例视觉表示计算得到增强视觉表示、所有类别的属性的相似度分数、分类模型优化的总损失，将所述总损失作为优化目标，优化分类模型的参数；根据优化后的分类模型计算所给图像与不可见类别的属性之间的相似度分数，输出图像对应的预测标签，实现零样本图像的分类。本方法能够在没有可训练的图像样本的场景下，充分利用文本语义提示和属性向量进行自动图像分类，保证了实例级语义信息和实例级视觉信息可靠的跨模态交流，提高了图像分类的精度。
-
公开(公告)号：CN118411572B
公开(公告)日：2024-09-10
申请号：CN202410868719.0
申请日：2024-07-01
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V40/10 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于多模态多层次特征聚合的小样本图像分类方法及系统，涉及深度学习、计算机视觉技术领域，包括：根据支持集数据的类别标签获取语义信息，将语义信息输入至文本编码器中，得到文本特征，将支持集和查询集的数据输入至预先建立的卷积神经网络模型内，得到图像特征；将文本特征与支持集图像特征进行融合，得到多模态特征，多模态特征的支持集数据和图像特征的查询集数据输入至预先建立的卷积神经网络模型内，得到分类预测结果，利用分类预测结果，采用交叉熵损失函数对模型进行迭代训练，得到训练后的小样本图像分类网络模型；将小样本图像数据集内的测试集数据输入至训练后的小样本图像分类网络模型内，得到小样本图像的分类结果。
-
公开(公告)号：CN118411572A
公开(公告)日：2024-07-30
申请号：CN202410868719.0
申请日：2024-07-01
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V40/10 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于多模态多层次特征聚合的小样本图像分类方法及系统，涉及深度学习、计算机视觉技术领域，包括：根据支持集数据的类别标签获取语义信息，将语义信息输入至文本编码器中，得到文本特征，将支持集和查询集的数据输入至预先建立的卷积神经网络模型内，得到图像特征；将文本特征与支持集图像特征进行融合，得到多模态特征，多模态特征的支持集数据和图像特征的查询集数据输入至预先建立的卷积神经网络模型内，得到分类预测结果，利用分类预测结果，采用交叉熵损失函数对模型进行迭代训练，得到训练后的小样本图像分类网络模型；将小样本图像数据集内的测试集数据输入至训练后的小样本图像分类网络模型内，得到小样本图像的分类结果。
-
公开(公告)号：CN118297166B
公开(公告)日：2024-08-06
申请号：CN202410729045.6
申请日：2024-06-06
Applicant: 南京邮电大学
IPC: G06N5/04 , G06N5/045 , G06N3/042 , G06N3/0455 , G06N3/096 , G06F16/532 , G06F16/583 , G06F16/332 , G06F18/25
Abstract: 本发明公开基于先计划再求解思维链的科学问答任务解决方法；属于计算机视觉和自然语言处理领域；科学问答任务解决方法包括：设计语义适配器与视觉编码器和语言模型连接，得到多模态网络模型，并使用科学问答数据集中的训练集数据对多模态模型进行语义适配器预训练；使用预训练后的多模态网络模型对次优的原理解释进行筛选，并使用先计划再求解思维链为次优的原理解释生成按计划的原理解释，并用按计划的原理解释优化原有的次优原理解释；使用集成了按计划的原理解释的训练数据，微调预训练过的多模态网络模型并进行测试，输出答案。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
