-
公开(公告)号：CN110414316A
公开(公告)日：2019-11-05
申请号：CN201910502487.6
申请日：2019-06-11
Applicant: 中国科学院自动化研究所 , 中国科学院自动化研究所南京人工智能芯片创新研究院 , 国网山东省电力公司
Abstract: 本申请涉及一种数据去噪方法、装置、计算机设备和存储介质。所述方法包括：获取包含人体的当前图像，计算人体的位置信息，为各个人体分配对应的人体标识，获取上一图像中对应的人体标识和位置信息，当上一图像中任意一个人体标识消失时，判断当前图像中，是否存在与消失的人体标识的位置信息的差异度在预设差异度范围内的人体的位置信息，当存在时，将消失的人体标识分配给差异度在预设差异度范围内的位置信息对应的人体。对于相邻的图像，若上一帧还存在的人体，下一帧消失时，判断图像中是否存在与消失的人体在相同位置的人体，若存在，则将上一帧的人体对应的人体标识，分配给该人体，使得分配的人体标识更为准确，提高数据处理的准确度。
-
公开(公告)号：CN110363086A
公开(公告)日：2019-10-22
申请号：CN201910503195.4
申请日：2019-06-11
Applicant: 中国科学院自动化研究所南京人工智能芯片创新研究院 , 中国科学院自动化研究所
Abstract: 本申请涉及一种图数据识别方法、装置、计算机设备和存储介质。所述方法包括：获取输入已训练的卷积神经网络的当前卷积层的输入特征图，输入特征图是通过提取图数据得到的特征图，获取当前卷积层的偏置矩阵，其中偏置矩阵为生成已训练的卷积神经网络时生成的矩阵，获取参考邻接矩阵，计算参考邻接矩阵和偏置矩阵的和，得到目标邻接矩阵，获取当前卷积层的卷积核，根据当前卷积层的卷积核、目标邻接矩阵和输入特征图生成目标输出特征图，根据目标输出特征图，识别出图数据对应的识别结果，根据目标输出特征图，识别出图数据对应的识别结果。通过对卷积层中的固定邻接矩阵增加根据任务需求生成的矩阵，提高已训练的卷积神经网络的识别准确率。
-
公开(公告)号：CN119962569A
公开(公告)日：2025-05-09
申请号：CN202411994127.X
申请日：2024-12-31
Applicant: 中国科学院自动化研究所
IPC: G06N3/042 , G06F17/18 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种图神经网络抗过拟合方法和装置，应用于人工智能技术领域。该方法包括：获取目标图；根据所述目标图确定节点特征，并根据所述节点特征确定注意力图；所述注意力图包括每个节点的受关注度；根据所述目标图确定节点平均丢弃概率，并根据所述注意力图和所述节点平均丢弃概率确定节点实际丢弃概率；按照所述节点实际丢弃概率从所述目标图中确定待丢弃子图；其中，所述待丢弃子图包括核心节点、以及连接所述核心节点的多个相邻节点。
-
公开(公告)号：CN119476375B
公开(公告)日：2025-03-25
申请号：CN202510053059.5
申请日：2025-01-14
Applicant: 中科南京人工智能创新研究院 , 中国科学院自动化研究所
IPC: G06N3/0495 , G06N3/084
Abstract: 本发明公开了一种用于深度神经网络的量化训练方法和系统，该方法包括：获取原始神经网络模型和验证数据集，通过层级敏感度评估和拓扑分析生成量化优先级；基于层敏感度矩阵，为各层配置差异化量化参数并建立量化约束；构建误差补偿机制，生成误差补偿策略；执行双尺度自适应量化训练，对前向和反向传播分别采用独立优化的量化策略；根据训练状态和资源约束动态调整量化参数；评估模型性能和资源效率。本发明通过多维度敏感度评估、动态量化策略和系统误差补偿，提升了量化训练的精度和效率，同时保证了部署资源约束的满足。
-
公开(公告)号：CN119579472A
公开(公告)日：2025-03-07
申请号：CN202510115674.4
申请日：2025-01-24
Applicant: 中科南京人工智能创新研究院 , 中国科学院自动化研究所
Abstract: 本发明公开了一种基于分区域并行自适应像素一致性生成的无缝图像修复方法，包括：接收原始图像和遮挡掩码图像，通过高斯金字塔分解和边缘检测器获取多尺度图像特征，结合分水岭算法实现自适应区域划分和优先级排序；利用特征金字塔网络和非局部自注意力机制提取结构特征，通过多尺度注意力计算建立区域关联图；基于区域优先级和关联关系生成调度表，进行并行区域生成；计算相邻区域间的像素连续性和结构一致性，实现多尺度融合，生成最终修复图像。本发明能够有效保证修复结果的视觉连续性和结构完整性，同时提高处理效率。
-
Patent Agency Ranking
公开(公告)号：CN119476375A
公开(公告)日：2025-02-18
申请号：CN202510053059.5
申请日：2025-01-14
Applicant: 中科南京人工智能创新研究院 , 中国科学院自动化研究所
IPC: G06N3/0495 , G06N3/084
Abstract: 本发明公开了一种用于深度神经网络的量化训练方法和系统，该方法包括：获取原始神经网络模型和验证数据集，通过层级敏感度评估和拓扑分析生成量化优先级；基于层敏感度矩阵，为各层配置差异化量化参数并建立量化约束；构建误差补偿机制，生成误差补偿策略；执行双尺度自适应量化训练，对前向和反向传播分别采用独立优化的量化策略；根据训练状态和资源约束动态调整量化参数；评估模型性能和资源效率。本发明通过多维度敏感度评估、动态量化策略和系统误差补偿，提升了量化训练的精度和效率，同时保证了部署资源约束的满足。
-
公开(公告)号：CN119294403A
公开(公告)日：2025-01-10
申请号：CN202411807081.6
申请日：2024-12-10
Applicant: 中科南京人工智能创新研究院 , 中国科学院自动化研究所
IPC: G06F40/30 , G06F16/36 , G06N5/04 , G06F16/334 , G06F16/35 , G06F18/214 , G06F18/23 , G06F18/213 , G06N3/044
Abstract: 本发明公开了一种面向组合优化自动建模的训练数据生成方法及系统，该方法包括接收问题描述文本，通过语义分析和知识推理提取关键信息，构建结构化的优化问题表示；读取结构化表示，从二值标签矩阵提取目标函数组件，从约束关系邻接矩阵提取约束函数组件，从变量依赖矩阵提取变量定义组件，将组件整合形成模型组件集合；为变量生成取值区间参数，为约束矩阵生成系数参数，为目标函数生成权重参数，得到参数化模型实例；对场景元素、变量和约束描述应用相应模板生成问题描述文本。本发明通过系统化的信息提取和参数生成方法，实现了高质量训练数据的自动化生成，提高了数据的多样性和实用性。
-
公开(公告)号：CN118551940A
公开(公告)日：2024-08-27
申请号：CN202410996718.4
申请日：2024-07-24
Applicant: 中科南京人工智能创新研究院 , 中国科学院自动化研究所
IPC: G06Q10/063 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种人工智能驱动的两阶段随机规划问题求解方法和系统，包括：采集配送建站数据，构建两阶段随机规划问题的数学模型；基于数学模型生成配送建站场景集合，将数学模型转换为图形结构；基于图形结构，构建分层图卷积网络，从分层图卷积网络中提取配送建站场景的关键信息，基于关键信息，构建配送建站场景相似度图；基于配送建站场景相似度图，构建配送建站场景重要性评分模型，评估配送建站场景的重要性，并选择出代表性配送建站场景，对代表性配送建站场景进行排序；基于排序后的代表性配送建站场景，构建确定性等价问题，对确定性等价问题进行求解，得到配送建站解决方案。提高了配送建站等两阶段规划问题的求解效率。
-
公开(公告)号：CN117949407A
公开(公告)日：2024-04-30
申请号：CN202211366133.1
申请日：2022-10-31
Applicant: 中国石油化工股份有限公司 , 中国科学院自动化研究所
IPC: G01N21/359
Abstract: 本发明实施例提供一种基于谱图调合优化的轻油预测方法、装置及电子设备，属于石油石化领域。所述方法包括：获取若干样本油的近红外谱图；基于主成分分析法将若干样本油的近红外谱图投影到多维特征空间中进行处理，得到每个样本油的得分向量；将采集到的未知成品油的近红外谱图投影到多维特征空间中，得到未知油的得分向量；根据未知油的得分向量和每个样本油的得分向量计算出参与未知成品油调合的多种检出组分油和每种检出组分油所对应的调合比例；根据检出组分油和该检出组分油所对应的调合比例预测未知成品油性质。本发明具有适用范围广、油品性质的预测精度高、预测速度快等优点。
-
公开(公告)号：CN111582220B
公开(公告)日：2023-05-26
申请号：CN202010419839.4
申请日：2020-05-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于移位图卷积神经网络骨骼点行为识别系统包括：图像获取模块、图像处理模块、提取模块和行为识别模块，其中图像获取模块用于获取行为图像；图像处理模块用于处理图像获取模块获取的行为图像进行图像处理；提取模块用于提取图像处理模块处理后图像的骨骼点；行为识别模块用于识别提取模块提取骨骼点行为特征的。本发明设计行为识别模块进行对骨骼点行为识别，减小图卷积计算量的新型图卷积，与传统图卷积不同，移位图卷积不是通过扩大卷积核来扩展感受范围，而是通过新型移位操作来使得图特征进行移位拼接，在显著减少计算量提高计算速度的情况下达到同样甚至更高的识别精度，避免传统图卷积的计算量会随着卷积核增大而增大。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.038 seconds)
