-
公开(公告)号：CN119849632A
公开(公告)日：2025-04-18
申请号：CN202411959663.6
申请日：2024-12-30
Applicant: 厦门大学
Abstract: 本发明公开一种大语言模型的符号逻辑推理优化系统，包括分层提示生成器、链式推理引擎和符号表达式优化器三个核心模块，实现从场景输入到优化结果输出的端到端处理过程；系统首先基于用户输入的场景信息构造初始的符号特征空间；由分层提示生成器基于符号特征空间和预设的场景提示模板生成场景初始化提示、思维链引导提示和反馈整合提示；由链式推理引擎基于符号特征空间构造并优化符号表达式种群，在利用思维链引导提示和反馈整合提示向大语言模型输入当前的上下文信息，使其给出优化建议；由符号表达式优化器将大语言模型输出的推理结果转化为可执行优化操作，并不断迭代直至达到终止条件。
-
公开(公告)号：CN119724188A
公开(公告)日：2025-03-28
申请号：CN202411984568.1
申请日：2024-12-31
Applicant: 厦门大学
Abstract: 本发明涉及一种智能的多模态对话系统及方法，其中系统包括：多模态输入处理模块负责实时采集和处理用户的语音与视频输入，通过特殊的数据标记机制确保信息的准确传递。语音识别处理模块：采用创新的分段累积机制和双重过滤策略，确保语音识别的准确性和连贯性。LLM控制器模块：通过智能分析实现模型的动态选择，平衡系统性能和资源消耗。响应生成模块：负责整合模型输出并生成最终响应，确保对话的自然流畅。本发明能够根据对话内容智能判断使用合适的模型类型，通过特殊的数据标记和处理机制实现多模态信息的高效整合。
-
公开(公告)号：CN119180312A
公开(公告)日：2024-12-24
申请号：CN202411224388.3
申请日：2024-09-03
Applicant: 厦门大学
IPC: G06N3/0495 , G06N3/045
Abstract: 本发明公开一种基于异常值的可变粒度ViTs模型的训练后量化方法、电子设备和存储介质，可减少量化损失、提升模型性能。方法包括：1、在量化过程中将浮点数转换为低位定点数；2、将#imgabs0#个Transformer块作为重建单位，定义量化误差的计算为#imgabs1#，其中#imgabs2#和#imgabs3#分别表示第#imgabs4#个Transformer块的输入激活及其量化，#imgabs5#和#imgabs6#分别表示第#imgabs7#个Transformer块的权重及其量化，#imgabs8#表示期望，#imgabs9#表示Frobenius范数，#imgabs10#表示第#imgabs11#个Transformer块的量化函数；3、在反向传播时采用直通估计器计算舍入操作的梯度估计。
-
公开(公告)号：CN119150946A
公开(公告)日：2024-12-17
申请号：CN202411061651.1
申请日：2024-08-05
Applicant: 厦门大学
IPC: G06N3/092 , G06N3/0985 , G06N3/045
Abstract: 本发明公开一种面向从学习曲线数据进行算法选择的元学习方法、电子设备和存储介质，能够显著提升自动化机器学习和元学习系统的实际应用价值，推动人工智能技术在更广泛领域的应用和发展，其包括以下步骤：步骤1.数据准备与预处理；步骤2.元学习环境的定义；步骤3.评价标准的确定；步骤4.问题归约；步骤5.算法设计与实现；步骤6.算法评估与优化。本发明旨在提高自动化机器学习和元学习系统的适应能力和资源利用效率，实现更高效的算法选择和预算分配策略，从而在新的数据集上快速取得优异性能；并且，本发明能够实现提升元学习系统的适应能力、降低计算资源消耗、优化算法选择和预算分配、简化元学习流程、提供高效的解决方案。
-
公开(公告)号：CN118229633A
公开(公告)日：2024-06-21
申请号：CN202410298833.4
申请日：2024-03-15
Applicant: 厦门大学
IPC: G06T7/00 , G06V10/46 , G06V10/774
Abstract: 本发明提供了计算机视觉技术领域的一种基于局部流形学习的无参考图像质量评估方法，包括：步骤S1、对教师模型、学生模型进行初始化；步骤S2、获取训练图像并裁剪得到训练子图像；步骤S3、将训练图像输入教师模型得到注意力图，基于注意力图获取训练图像的视觉显著区域图；步骤S4、将训练子图像、视觉显著区域图输入学生模型得到子图像特征、显著区域特征；步骤S5、对各特征进行局部流形学习并计算对比损失，将训练子图像输入学生模型计算标签损失；步骤S6、基于对比损失值、标签损失值计算总损失值来更新学生模型，基于EMA算法更新教师模型；步骤S7、利用学生模型进行图像质量评估。本发明的优点在于：极大的提升了图像质量评估的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116306872A
公开(公告)日：2023-06-23
申请号：CN202310298351.4
申请日：2023-03-24
Applicant: 厦门大学深圳研究院
Abstract: 一种对齐不同结构分类神经网络类别精度的方法，涉及计算机视觉。包括以下步骤：1)预训练：利用早期版本数据集对新结构的模型进行预训练以优化模型权重；2)知识蒸馏：利用神经网络知识蒸馏技术进行新老模型间的知识迁移；3)微调全连接层：利用权重冻结技术，冻结神经网络浅层参数，对全连接层部分精度较差的类别进行微调。通过简单的训练方式对齐不同神经网络模型针对相同数据集的各类别精度，有效降低新模型相比于原模型的各类别精度差异。
-
-
公开(公告)号：CN110334236A
公开(公告)日：2019-10-15
申请号：CN201910630124.0
申请日：2019-07-12
Applicant: 厦门大学
IPC: G06F16/583 , G06N3/08
Abstract: 一种基于施密特正交化约束的细粒度检索方法，涉及中心排序损失和弱监督物体定位的融合。1)给定标好的细粒度图像-标签对集合，将图像-标签对集合划分为训练照片样本集、训练画像样本集和测试照片样本集；2)利用训练集合来训练一个神经网络；3)当步骤2)计算好损失函数之后，可直接将结果输入到类似于PyTorch等自动求导的深度学习框架中，对神经网络进行参数更新；4)利用施密特正交化，对中心点进行去相关化。引入中心排序损失函数的思想，解决细粒度检索难以训练的问题；利用弱监督定位获得物体框架，进行高效而准确的细粒度物体检索。融合中心排序损失及弱监督物体定位框架，提高细粒度检索的精度，获得更好的图像定位信息。
-
公开(公告)号：CN119762852A
公开(公告)日：2025-04-04
申请号：CN202411811497.5
申请日：2024-12-10
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/82 , G06V10/776 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于重校准注意力的工业异常检测方法，包括以下步骤：S1、构建工业异常检测模型，并对工业异常检测模型进行初始化；所述工业异常检测模型由教师模型、学生模型和自动编码器组成；S2、采用层级异常评分模块HSQ对工业异常检测模型中网络每层的异常判断能力进行评估，根据异常识别能力给各层分配相应的量化比特宽度，再逐层对工业异常检测模型进行训练后量化；S3、对学生模型和自动编码器进行微调训练；S4、采用微调训练后的工业异常检测模型进行工业异常检测；该方法系统地分解和重新校准注意力图，提高了模型的泛化能力和异常检测精度，具有显著的实用价值和应用前景。
-
公开(公告)号：CN119316586A
公开(公告)日：2025-01-14
申请号：CN202411189113.0
申请日：2024-08-28
Applicant: 厦门大学
Abstract: 本发明公开了一种基于视觉语言模型的少样本图像质量评估方法及装置，涉及图像质量评估技术领域。本发明通过引入梯度调节元提示图像质量评估(GRMP‑IQA)，先通过元提示预训练采用双层梯度优化过程合并来自各种图像失真的元知识，从而用于细化文本和视觉提示的初始化，增强了CLIP模型对IQA任务的适应能力，降低了提示初始化对各种IQA场景的敏感性；然后通过质量感知梯度正则化纠正视觉‑语言模型(CLIP)过度关注语义内容而引入的偏差，确保对图像质量进行更准确的评估，使预训练的CLIP模型适应具有少量训练样本的BIQA任务。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.016 seconds)
