-
公开(公告)号：CN119991919A
公开(公告)日：2025-05-13
申请号：CN202510466352.4
申请日：2025-04-15
Applicant: 北京大数据先进技术研究院
IPC: G06T15/20 , G06T15/04 , G06T3/4038 , G06T5/77
Abstract: 本公开提供了一种跨设备渲染方法、装置、设备和介质。旨在解决相关技术中三维高斯溅射模型泛化能力差的问题。所述方法包括：获取来自不同相机设备的原始图像；根据所述原始图像对应的原始相机模型与中间相机模型的映射关系，将所述原始图像转为中间图像，所述中间图像携带对应的中间位姿；根据所述中间图像和对应的中间位姿，构建三维高斯溅射模型；根据目标中间图像的渲染方向，利用所述三维高斯溅射模型渲染得到目标中间图像，并将所述目标中间图像逆映射到目标原始图像对应的逆映射区域，得到所述目标原始图像。
-
公开(公告)号：CN118964815A
公开(公告)日：2024-11-15
申请号：CN202410959519.6
申请日：2024-07-17
Applicant: 北京大数据先进技术研究院
Abstract: 本申请提供了一种基于优化算法的AI代理任务工具选择方法和装置，该方法包括：响应于目标任务的任务执行指令，基于模型库中所包含的多个人工智能代理任务工具，生成多个第一工具集合个体；对第一工具集合个体进行交叉变异操作，得到多个第二工具集合个体；基于第二工具集合个体所包含的代理任务工具的第一评价指标，确定各个第二工具集合个体分别对应的第二评价指标；基于第二评价指标和各个第二评价指标分别对应的权重值，确定各个第二工具集合个体分别对应的第一适应度；从多个第二工具集合个体中确定第一适应度的最大值对应的目标工具集合个体；从模型库中选择目标工具集合个体对应的目标人工智能代理任务工具集合。
-
公开(公告)号：CN118585340A
公开(公告)日：2024-09-03
申请号：CN202410887013.9
申请日：2024-07-03
Applicant: 北京大数据先进技术研究院
Abstract: 本申请公开了一种边缘数据服务的构建方法及语言模型的训练方法、装置、存储介质、设备和计算机程序产品，属于边缘数据服务领域，包括：响应于对边缘数据任务的请求，确定用以处理所述边缘数据任务的边缘服务平台的运行环境参数，并确定所述边缘数据任务的行为树；将所述行为树以及所述运行环境参数输入第一语言模型，以获得所述边缘数据任务的至少一个数据服务；将全部的数据服务以及所述运行环境参数输入第二语言模型，以从全部的数据服务中确定目标数据服务；构建所述目标数据服务，并按照所述目标数据服务执行所述边缘数据任务。解决了边缘数据服务在重构过程中，难以满足实时性和灵活性的要求的问题。
-
公开(公告)号：CN118394989A
公开(公告)日：2024-07-26
申请号：CN202410615919.5
申请日：2024-05-17
Applicant: 北京大数据先进技术研究院
IPC: G06F16/907 , G06F16/90 , G06F17/18 , G06F11/30
Abstract: 本申请提供了一种数字对象全生命周期互操作监控方法及装置，涉及大数据技术领域，通过站点系统的用户终端对节点系统中的第一标识进行解析，得到第一状态信息，第一状态信息包括第一数字对象的第一访问地址，第一标识与所述第一数字对象相对应，根据第一访问地址访问第一站点，对第一数字对象执行互操作，将所采集到的访问操作日志数据进行封装，得到第二数字对象，并将第二数字对象保存在数字对象架构系统中，通过第二数字对象对第一数字对象进行评估。从而能够将与第一数字对象的互操作数据封装为第二数字对象保存在数字对象架构系统中，实现对第一数字对象的生命周期进行监控，并通过多个第二数字对象对第一数字对象进行评估。
-
公开(公告)号：CN117955898B
公开(公告)日：2024-06-11
申请号：CN202410353875.3
申请日：2024-03-27
Applicant: 北京大数据先进技术研究院
IPC: H04L45/02 , H04L45/247 , G06N3/006 , G06N3/126
Abstract: 本申请提供了一种面向数据共享网络的负载均衡优化方法、装置和产品，涉及数据共享与网络优化技术领域，方法包括：以业务应用程序为逻辑网络节点，进行逻辑网络互联，得到逻辑网络；以通信设备为物理网络节点，进行物理网络互联，得到物理网络；通过绑定链路将逻辑网络节点挂靠在对应的物理网络节点上，得到数据共享网络；进行主路径和备份路径的鲁棒性设计；基于遗传算法，将多个负载均衡优化方案编码为种群个体，生成初始化种群；设计目标函数与约束条件；执行遗传算法，使初始化种群在约束条件下进行种群进化，直至目标函数收敛，确定最优负载均衡优化方案；按照最优负载均衡优化方案，为逻辑链路，确定对应的主路径和备份路径，分配负载资源。
-
Patent Agency Ranking
公开(公告)号：CN117634302A
公开(公告)日：2024-03-01
申请号：CN202311657941.8
申请日：2023-12-05
Applicant: 北京大数据先进技术研究院
IPC: G06F30/27 , G06F18/214 , G06F18/23 , G06N3/126 , G06F111/06
Abstract: 本申请提供了一种动态服务组合选择方法、装置和产品，涉及服务组合选择技术领域，该方法为：根据服务组合相关信息，生成初始化种群；初始化种群中的每个个体表示一种服务组合；让初始化种群自主进化；确定当前环境发生变化；根据前k代种群的帕累托前沿代表点，预测得到新环境种群的帕累托前沿代表点；根据新环境种群的帕累托前沿代表点，扩展得到第一种群，并生成第二种群；利用动态参数，将第一种群和第二种群结合，得到新的初始化种群；让新的初始化种群自主进化，直到满足进化停止条件，得到当前环境下的帕累托最优解；将帕累托最优解对应的服务组合确定为最优服务组合，发送给用户。
-
公开(公告)号：CN119848744A
公开(公告)日：2025-04-18
申请号：CN202510322371.X
申请日：2025-03-19
Applicant: 北京大数据先进技术研究院
IPC: G06F18/2433 , G06F18/213 , G06F18/10 , G06N3/006 , G06N5/01 , G06N20/20
Abstract: 本公开提供了一种高维异常数据检测方法。旨在提升高维数据异常检测的效果。所述方法包括：根据本轮迭代的M个第一蚂蚁的位置编码，构建M个孤立森林；基于高维异常数据检测，分别对M个孤立森林的有效性进行评估，确定本轮迭代的M个第一蚂蚁各自对应的适应度值；根据本轮迭代的M个第一蚂蚁各自对应的适应度值和上一轮迭代的M个第二蚂蚁各自对应的适应度值，确定本轮迭代的精英蚂蚁；按照以上步骤进行多次迭代，根据最后一轮迭代确定的精英蚂蚁对应的位置编码，确定最终的目标位置编码；根据最终的目标位置编码，构建异常检测模型，并基于异常检测模型对应的数据切分方式，对高维数据集进行切分，得到异常检测结果。
-
公开(公告)号：CN119806786A
公开(公告)日：2025-04-11
申请号：CN202510286376.1
申请日：2025-03-12
Applicant: 北京大数据先进技术研究院
Abstract: 本申请公开了一种基于数据任务网络的任务节点执行控制方法、设备及存储介质，属于数据处理领域，包括：根据多个待执行的任务，生成任务的虚拟执行网络；根据虚拟执行网络，确定每个任务的信号量，并根据虚拟执行网络生成用以记录任务的信号量和任务内容的任务列表；根据每个任务的信号量，从任务列表中确定目标任务，并执行目标任务。本申请通过虚拟执行网络的生成、信号量的确定和动态调整任务执行顺序，能够高效管理和执行复杂数据任务，利用动态调整机制有效避免了传统预定义调度表无法应对任务参数变化的不足，使任务执行更具灵活性和适应性，解决了参数动态的情况下，对复杂任务适用性低的问题。
-
公开(公告)号：CN118394976A
公开(公告)日：2024-07-26
申请号：CN202410608059.2
申请日：2024-05-16
Applicant: 北京大数据先进技术研究院
IPC: G06F16/901 , G06F16/907 , G06F9/54
Abstract: 本申请提供一种数据空间内数字对象订阅发布方法、装置和系统，属于数据空间的技术领域。所述方法包括：监听任一主体的新发布事件，新发布事件是主体新发布的数字对象元数据或更改后的数字对象元数据的映射结果，新发布事件中包括一个或多个事件属性；当监听到有新发布事件发布时，根据新发布事件的事件属性与预先构建的订阅树的节点属性，确定新发布事件匹配的目标订阅，其中，订阅表征对应的主体对数字对象元数据的需求；订阅树中的各个节点均用于存储订阅，且订阅树中所有节点的节点属性与不同层级的节点之间的路径均由多个订阅的订阅属性决定；将新发布事件分发至目标订阅对应的一个或多个主体。本申请旨在提高订阅匹配的效率。
-
公开(公告)号：CN117609825A
公开(公告)日：2024-02-27
申请号：CN202311491426.7
申请日：2023-11-09
Applicant: 北京大数据先进技术研究院
IPC: G06F18/24 , G06F18/214
Abstract: 本公开关于一种高维不平衡缺失数据的分类方法、装置、电子设备及介质，该方法通过获取待分类的初始数据集；对初始数据集中的多个特征、预设数据填补算法、预设数据重采样算法进行指定数量次的编码，得到指定数量个目标向量；对于任一目标向量，得到目标向量对应的目标数据集；采用测试数据集或目标测试集对目标分类模型的性能进行评估，并将目标分类模型的性能参数作为目标向量的评估参数；基于各更新后的目标向量的评估参数，对最优向量进行更新；在最优向量的更新次数达到预设次数阈值的情况下，将最优向量对应的目标数据集作为最终数据集；对最终数据集中的数据进行分类。提高了针对不同数据集的处理灵活性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.032 seconds)
