-
公开(公告)号:CN118822504A
公开(公告)日:2024-10-22
申请号:CN202411034159.5
申请日:2024-07-30
Applicant: 河钢数字技术股份有限公司
IPC: G06Q10/20 , G06F16/31 , G06F16/332 , G06F40/205 , G06F40/279
Abstract: 本发明涉及机械设备维保技术领域,提供面向机械设备维保的智能问答系统,包括知识库管理模块、向量知识库管理模块、问答过程管理模块、大模型管理模块以及权限管理模块,所述知识库管理模块用于进行文档知识库的管理,所述大模型管理模块用于进行大语言模型的管理,所述问答过程管理模块用于进行问答对话的管理,所述大模型管理模块用于处理问答过程管理模块所输入的问题,所述权限管理模块具备对不同用户的访问文档权限进行管理的能力。本发明基于大模型的生成式的钢铁行业机械设备的维保类智能问答,可以为企业一线工人、技术人员、管理人员等提供方便快捷的问答,帮助企业提高效率、降低人力成本。
-
公开(公告)号:CN118504617A
公开(公告)日:2024-08-16
申请号:CN202410641506.4
申请日:2024-05-22
Applicant: 河钢数字技术股份有限公司
IPC: G06N3/0455 , G06N3/082
Abstract: 本发明公开了基于Transformer模块化分解模型方法,涉及图像处理和计算机视觉技术领域,该基于Transformer模块化分解模型方法,包括以下步骤:步骤1:神经网络模型等效改造;步骤2:重新训练改造后的Transformer网络模型#imgabs0#步骤3:梯度重置;步骤4:设置二进制掩码;步骤5:模块化Transformer;步骤6:等效转化获得目标模块,事先训练好的Transformer模型分解为一组更小且可重用的模块,通过这一独特的分解过程,生成的模块能够被灵活地重用,以构建全新的、甚至更加精准的Transformer模型,而无需从头开始进行昂贵的训练。这种模块化分解方法不仅提高了模型的灵活性和可重用性,同时降低了模型开发的成本和时间,为深度学习模型的定制和优化提供了一种高效而创新的途径。
-