-
公开(公告)号：CN118802514A
公开(公告)日：2024-10-18
申请号：CN202410205074.2
申请日：2024-02-23
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: H04L41/0803 , H04L41/084
Abstract: 本发明公开了一种配置管理方法、服务器、计算机程序产品及存储介质。配置管理方法应用于第一服务器，配置管理方法包括：监测到第二服务器中存在未消费的配置字典的情况下，确定未消费的配置字典中携带的目的机器标识是否与第一服务器匹配；未消费的配置字典由配置管理平台基于对应的配置信息生成并下发至第二服务器；未消费的配置字典携带有配置信息的目的机器标识和身份标识；若未消费的配置字典中携带的目的机器标识与第一服务器匹配，则基于未消费的配置字典中携带的配置信息的身份标识，向配置管理平台发送配置获取请求，以从配置管理平台获取对应的配置信息进行缓存；配置信息携带标签，标签表征配置信息为灰度配置信息或普通配置信息。
-
公开(公告)号：CN118802127A
公开(公告)日：2024-10-18
申请号：CN202410064307.1
申请日：2024-01-16
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Abstract: 本申请公开了一种节点的管理方法、装置、设备、系统和存储介质。该方法包括：接收来自节点设备的认证请求，认证请求包括：第一数据和第二数据；其中，第一数据表征基于随机数和配置的二次剩余函数生成的临时公钥，第二数据基于随机数、第一数据、节点设备的私钥数据和公钥数据生成，公钥数据为将私钥数据输入二次剩余函数后得到的数据；基于第一数据、第二数据、节点设备的公钥数据和二次剩余函数，对节点设备是否拥有私钥数据进行验证；确定节点设备验证通过，发送凭证信息给节点设备，凭证信息用于指示节点设备验证通过。提供了一种实用方便且通用的节点认证方法，可以极大程度地降低计算量，并提升分布式系统中节点管理的安全性。
-
公开(公告)号：CN118799608A
公开(公告)日：2024-10-18
申请号：CN202311501535.2
申请日：2023-11-10
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/52 , G06V10/80 , G06V10/766 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种用于目标检测的模型训练及应用方法、装置和存储介质。该模型训练方法包括：获取训练图像的多尺度特征；对多尺度特征进行特征融合，得到融合图像特征；基于编码器对融合图像特征进行编码，得到特征编码信息；基于解码器和查询信息对特征编码信息进行解码，得到训练图像的检测值；基于检测值和训练图像的标签值，优化编码器和解码器，直至得到训练好的目标检测模型；其中，查询信息包括：初始化的位置查询信息和基于图文预训练模型生成的文本查询信息。
-
公开(公告)号：CN118799459A
公开(公告)日：2024-10-18
申请号：CN202410005542.1
申请日：2024-01-02
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Abstract: 本申请提供一种虚拟对象的生成和驱动方法、装置及计算机可读存储介质。该方法包括：获取原始人脸图片和用于驱动对象的语音数据；对所述原始人脸图片进行人脸检测，构建三维目标对象；根据所述语音数据，确定音频驱动系数；将所述三维目标对象和所述音频驱动系数进行融合，确定目标虚拟对象。本申请通过融合的处理方式，实现了在利用原始人脸图片捏脸的同时，通过语音数据驱动构建的虚拟形象，可以实现驱动专人专用的虚拟形象，减少了产出虚拟形象的时间，提高了生产效率。
-
公开(公告)号：CN118798312A
公开(公告)日：2024-10-18
申请号：CN202410070983.X
申请日：2024-01-17
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06N3/094 , G06N3/092 , G06N3/0985 , G06N3/045 , G06N3/0475 , G06N5/04 , G06F16/332 , G06N3/044 , G06N3/0455 , G06N3/047
Abstract: 本申请实施例提供一种对话生成模型的训练方法、对话生成方法及装置，该方法包括：获取用于构建对抗对话系统的网络结构单元；根据所述网络结构单元，确定对抗训练对话模型，并对所述对抗训练对话模型进行对抗训练，得到训练后的对抗训练对话模型，所述对抗训练对话模型包括生成器和判别器。
-
Patent Agency Ranking
公开(公告)号：CN118797345A
公开(公告)日：2024-10-18
申请号：CN202410823159.7
申请日：2024-06-24
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06F18/214 , G06F40/30 , G06F40/169 , G06F40/194
Abstract: 本发明公开了一种轻量级模型构建方法、计算机程序产品及电子设备。其中，轻量级模型构建方法包括：基于大语言模型生成设定任务的提示信息集合；基于提示信息集合，引导大语言模型生成设定任务相关的第一训练数据集；基于第一训练数据集对设定任务对应的轻量级模型进行训练，以得到训练好的轻量级模型。
-
公开(公告)号：CN118797058A
公开(公告)日：2024-10-18
申请号：CN202410275923.1
申请日：2024-03-11
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06F16/35 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N5/022 , G06N5/04 , G06N3/088 , G06N3/098 , G06N3/047
Abstract: 本发明实施例公开了一种数据处理方法、模型训练方法及装置，方法包括：获取对话的文本数据，以及确定与对话理解相关的多个任务；按照多个任务的预设顺序，依次采用第一模型的不同神经网络层对所述文本数据进行特征提取，获得各个任务对应的特征数据；其中，所述第一模型至少包括所述多个任务各自对应的神经网络层，所述预设顺序与所述多个任务的复杂度相关，每个任务对应的神经网络层与复杂度低于所述任务的所有任务各自对应的神经网络层连接后、用于提取与所述任务相关的特征数据；基于所述第一模型中对应于每个任务的分类层对每个特征数据进行处理，获得每个任务对应的分类结果；根据至少一个任务对应的分类结果确定所述对话的回复内容。
-
公开(公告)号：CN118785203A
公开(公告)日：2024-10-15
申请号：CN202310356725.3
申请日：2023-04-04
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Abstract: 本发明提供一种网络指标预测方法、装置、设备、终端设备及存储介质，涉及通信技术领域。该方法包括：获取多个小区的第一网络数据以及第二网络数据；将所述第一网络数据作为目标时序预测模型的输入，得到预设时间之后所述待预测指标的第一调整值；将所述第二网络数据作为因果推断模型的输入，得到所述预设时间之后所述待预测指标的第二调整值；根据所述第一调整值与所述第二调整值，确定所述待预测指标的预测值。本发明实施例的网络指标预测方法结合所述网络指标的自身时序规律以及参数调整对所述网络指标的影响，对网络指标进行预测。本发明的方案，考虑了参数调整对指标的影响，提高了指标预测的准确性。
-
公开(公告)号：CN118152842A
公开(公告)日：2024-06-07
申请号：CN202211562098.0
申请日：2022-12-07
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06F18/24 , G06F18/214 , G06F18/25 , G06F16/332 , G06F16/35 , G06N3/04 , G06N3/084
Abstract: 本发明提供一种对话文本的分类及装置，该方法包括：基于文本分类模型，获取第i组训练样本的分类损失，所述分类损失用于指示所述文本分类模型输出的训练样本的预测类别和真实类别之间的不一致程度；根据每个训练样本的多个特征信息和稳定学习方式，获取第i组训练样本对应的一组样本权重，一组样本权重包括n个样本权重，n个样本权重与所述第i组训练样本中的n个训练样本一一对应；对所述分类损失和第i组训练样本对应的一组样本权重进行融合，得到第i组训练样本的目标损失函数，并根据所述第i组训练样本的目标损失函数对文本分类模型进行反向传播优化，得到训练后的文本分类模型；基于训练后的文本分类模型，获取对话文本的类别信息。
-
公开(公告)号：CN116977831A
公开(公告)日：2023-10-31
申请号：CN202211104300.5
申请日：2022-09-09
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Abstract: 本发明提供一种多模型部署推理方法、系统、网络设备及可读存储介质，涉及通信技术领域，解决现有技术中边缘设备多模型的部署推理方案存在局限性，无法找到最优解的问题。该方法包括：根据多个目标神经网络模型与目标输入、目标输出之间的依赖关系，构建满足所述依赖关系的多个有向无环图；获取多个所述有向无环图的推理效率参数；根据多个所述有向无环图的推理效率参数，确定多个所述目标神经网络模型在目标设备上的部署推理方案。本发明的方案列出各种合理化模型部署方案，并依据各模型部署方案的推理效率参数进行可靠判断，能够从多个模型部署方案中准确找到最优解，进而实现资源利用的最大化和推理效率的最优化。
-
-
-
-
-
-
-
-
-
Search Results
232
records
(took 0.049 seconds)
