-
公开(公告)号：CN119740640A
公开(公告)日：2025-04-01
申请号：CN202411739761.9
申请日：2024-11-29
Applicant: 北京邮电大学
IPC: G06N3/0985 , G06N3/045
Abstract: 本申请提供一种基于混合量化的大模型精调方法及相关设备，包括：步骤确定待训练模型的若干参数矩阵、用于对待训练模型进行训练的若干量化方法和限制条件；根据所述限制条件和若干所述量化方法，对任一所述参数矩阵进行迭代量化，确定任一所述参数矩阵的量化损失值集和显存占用数值集；根据所述量化损失值集和所述显存占用数值集，通过优化方法确定任一所述参数矩阵的最优量化算法；根据若干所述最优量化算法，对所述待训练模型中的若干参数矩阵进行迭代混合量化，确定大模型；通过精调算法对所述大模型的低秩组件的参数进行调整，完成模型精调。
-
公开(公告)号：CN114267024B
公开(公告)日：2025-02-11
申请号：CN202111291760.9
申请日：2021-11-02
Applicant: 北京邮电大学 , 中国人民解放军32802部队
IPC: G06V20/58 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本申请提供一种异常交通标志图像识别网络的训练方法及装置，通过对服务器中预先训练好的交通标志图像识别网络构造后门触发模式，可以提前完成异常交通标志图像识别网络的训练。在出现异常情况时对异常交通标志图像叠加训练好的后门，可以不需要在出现异常情况时切换到新的交通标志图像识别网络，这样就可以快速地对异常交通标志图像进行识别处理。同时，对于没有叠加后门的交通标志图像，训练好的异常交通标志图像识别网络可以输出与训练前的交通标志图像识别网络一致的结果，这样可以利用服务器中预先训练好的交通标志图像识别网络的优势去完成正常情况下交通标志图像识别的同时，做到对异常情况下交通标志图像的快速识别处理。
-
公开(公告)号：CN116861913A
公开(公告)日：2023-10-10
申请号：CN202310519543.3
申请日：2023-05-09
Applicant: 北京邮电大学
IPC: G06F40/30 , G06F16/35 , G06F18/214 , G06N3/092 , G06F18/15 , G06F16/951
Abstract: 本公开提供一种基于GPT大模型的立场检测方法及相关设备，所述方法包括：获取预训练的GPT大模型；获取所述GPT大模型的初始立场检测数据；获取外部信息数据，将所述外部信息数据合并至所述初始立场检测数据；基于包括所述外部信息数据的立场检测数据训练所述GPT大模型。本公开的方法通过对预训练语言模型进行训练微调，使用外部信息数据融合的立场检测数据作为数据集，采用结合反馈的强化学习的训练方法对模型进行训练，指导模型进行立场预测，从而获取立场检测模型用于实际任务。提高了模型的学习效率以及适应能力，模型的行为能够得到及时的调整。同时缓解了传统机器学习算法的不可解释性和脆弱性，提高模型的精度。
-
公开(公告)号：CN116738982A
公开(公告)日：2023-09-12
申请号：CN202310554254.7
申请日：2023-05-16
Applicant: 北京邮电大学
IPC: G06F40/284 , G06F40/30 , G06F18/214 , G06N3/045 , G06N3/084 , G06N3/098
Abstract: 本申请提供一种意图分析模型的训练方法、文本意图分析方法及相关设备，所述意图分析模型的训练方法包括：获取第一训练样本、第二训练样本以及初始模型；根据所述第一训练样本训练所述初始模型，得到初始意图分析模型；其中，所述第一训练样本包括与目标需求相应的第一训练数据；所述第一训练数据未标注有关键词标签；根据所述第二训练样本训练所述初始意图分析模型，得到最优意图分析模型；其中，所述第二训练样本包括与所述目标需求相应的第二训练数据；所述第二训练数据包括按照预设方式标注的关键词标签、所述预设方式的标注动作序列以及与所述关键词标签相应的预设结果数据。
-
公开(公告)号：CN115544391A
公开(公告)日：2022-12-30
申请号：CN202210770717.9
申请日：2022-06-30
Applicant: 北京邮电大学
IPC: G06F16/9537 , G06F16/29 , G06F17/18 , G06T7/11
Abstract: 本申请提供一种目标用户确定方法、装置、电子设备及存储介质，其中，所述目标用户确定方法包括：确定目标区域，并对目标区域进行栅格化，得到第一栅格根据目标区域内的每一个候选用户的覆盖范围；根据覆盖范围，对候选用户进行筛选，确定目标候选用户；根据目标候选用户的覆盖范围确定每一个候选用户的第一覆盖率，根据第一覆盖率对任意一个候选用户的位置进行模糊化，确定目标位置，并根据确定的第一位置将目标候选用户确定为目标用户。本申请通过对任意一个目标候选用户的位置进行模糊化，从而使得得到的目标用户的位置是受到保护，并不会公开目标位置的实际位置，有效保护了区域内的候选用户的隐私。
-
Patent Agency Ranking
公开(公告)号：CN115391637A
公开(公告)日：2022-11-25
申请号：CN202210772391.3
申请日：2022-06-30
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F17/16 , G06F21/62 , G06K9/62
Abstract: 本申请提供了一种众包任务分配方法、设备、电子设备及存储介质，包括：获取服务器端注入噪音后的原始任务分组数据；获取客户终端的偏好集合，根据原始任务分组数据对偏好集合进行分组生成偏好分组，对偏好分组进行调整，生成最优分组；通过最优分组内各个众包任务的位置信息生成模糊代表位置，以此确定模糊距离；获取服务器端根据模糊距离生成的众包任务分配结果。本申请通过分组加噪机制，由于利用每个组内的真实位置来产生模糊位置，这带来较高的概率来使得模糊位置距离真实位置较近，同时由于每个偏好分组内任务的聚集现象，从而每个用户的隐私预算仅仅需要被分割几次，在为每个用户的位置提供隐私保障的同时，得到旅行距离较小的分配结果。
-
公开(公告)号：CN114912571A
公开(公告)日：2022-08-16
申请号：CN202210266453.3
申请日：2022-03-17
Applicant: 北京邮电大学 , 中国人民解放军32802部队
Abstract: 本申请提供一种训练用于清除对抗扰动的生成器模型的方法和电子设备。所述方法包括：利用原始样本图像集对神经网络模型进行训练，以得到神经网络分类模型；基于所述原始样本图像集，利用对抗样本生成算法生成对抗样本图像集；根据所述原始样本图像集、所述对抗样本图像集和所述神经网络分类模型，对生成对抗网络中的判别器模型和所述生成器模型进行迭代训练，直至所述判别器模型的第一损失不大于第一预设阈值为止；将所述迭代训练结束后得到的所述生成器模型作为目标生成器模型。这样训练出的目标生成器模型可以用来清除对图像的对抗扰动，以消除安全隐患。
-
公开(公告)号：CN114187483A
公开(公告)日：2022-03-15
申请号：CN202111244382.9
申请日：2021-10-25
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请提供一种生成对抗样本的方法、检测器的训练方法及相关设备。所述生成对抗样本的方法包括：获取干净的训练样本集；对于训练样本集中的每个训练样本，通过对该训练样本进行对抗攻击，得到多个对抗实例；根据多个对抗实例中指示对抗成功的每个目标对抗实例的对抗攻击信息，选择目标标签；基于目标标签生成与该训练样本对应的对抗样本；存储对抗样本。所述检测器训练方法包括：利用生成对抗样本的方法，基于训练样本集生成对抗样本集；利用训练样本集对检测器进行二元分类任务的第一训练；利用对抗样本集对经过第一训练的检测器进行第二训练。经过本训练方法得到的检测器用于检测输入深度神经网络的样本数据是否含有深度神经网络木马。
-
公开(公告)号：CN107330797B
公开(公告)日：2020-11-24
申请号：CN201710391308.7
申请日：2017-05-27
Applicant: 北京邮电大学
IPC: G06Q50/00
Abstract: 本发明公开了一种基于连续松弛的多角色社会活动组织方法，包括：将报名参与社会活动的候选参与者及其关系抽象为社交网络；根据所述社交网络确定多角色社会活动组织问题；将所述多角色社会活动组织问题转化为无约束的连续问题，获得目标函数；求解所述目标函数的近似解，获得参与者集合；根据所述参与者集合确定所述社会活动的参与者。本发明基于事件的社交网络中当报名的活动参与者人数超出了活动所能容纳的人数时且活动对于参与者有角色需求时，帮助活动组织者在候选的活动参与者中挑选合适的活动参与者，使得在满足活动人数、角色要求的同时，最大化活动参与者意愿度。
-
-
-
-
-
-
-
-
Search Results
244
records
(took 0.053 seconds)
