-
公开(公告)号：CN118093836A
公开(公告)日：2024-05-28
申请号：CN202410491451.3
申请日：2024-04-23
Applicant: 湘江实验室
IPC: G06F16/332 , G06F40/216 , G06F40/284 , G06F16/335 , G06F16/35 , G06F16/36
Abstract: 本公开实施例中提供了一种基于大语言模型的在线问答提示词优化生成方法，属于计算技术领域，具体包括：构建咨询问题数据库；组成关键字集合；提示词向量化；计算向量化的输入提示词和每个向量化的咨询提示词之间的余弦相似度；将关键字集合根据语义随机组合；将第一提示词集合和第二提示词集合合并；根据适应值函数计算初始化种群中每个个体的分数；进行单点交叉操作；进行流动关联变异；计算流动关联变异后的提示词集合的得分；根据目标得分集合和轮盘赌算法从目标提示词集合中选择一半数量提示词；循环得到新提示词集合和其对应的新得分集合；将新得分集合中的分数进行排序并选择前X项组成集合。通过本公开的方案，提高了解答准确性和效率。
-
公开(公告)号：CN117707797B
公开(公告)日：2024-05-03
申请号：CN202410168488.2
申请日：2024-02-06
Applicant: 湘江实验室
Abstract: 本发明涉及任务调度领域，公开了一种基于分布式云平台的任务调度方法、装置及相关设备，所述方法包括：获取目标从节点发送的任务请求，所述任务请求包括基于所述目标从节点上各任务确定的图结构特征；基于所述目标从节点所在区域的主节点上的特征提取模块，针对所述图结构特征上的每个任务节点，对所述任务节点以及所述任务节点的领域信息进行特征聚合处理，得到聚合图结构特征；将所述聚合图结构特征输入到深度强化学习模块中，得到所述目标从节点的任务调度策略；根据所述任务调度策略，对所述目标从节点上各任务进行调度分配。采用本发明提高基于分布式云平台的任务调度的智能化，降低调度节点的网络负载。
-
公开(公告)号：CN117456736B
公开(公告)日：2024-03-12
申请号：CN202311782907.3
申请日：2023-12-22
Applicant: 湘江实验室
IPC: G08G1/01 , G08G1/065 , G06N3/0464 , G06F16/9537 , G06F18/25
Abstract: 本发明实施例中提供了一种基于多尺度时空动态交互网络的交通流量预测方法，属于交通控制系统技术领域，具体包括：步骤1，获取城市路网中的历史交通流数据并进行数据预处理；步骤2，获取不同时间尺度下的静态依赖关系，以及，模拟时间维度和空间维度的信息在目标交通路网结构上传播对应的特性，得到时间参数和空间参数；步骤3，得到每个时间尺度下的时空特征；步骤4，将每个时间尺度下的时空特征聚合并利用Huber损失函数构建交通流预测模型；步骤5，利用训练集数据进行预设轮次的梯度下降，更新模型参数，直到模型收敛，得到目标预测模型对目标交通路网的交通流量进行预测。通过本发明的方案，提高了预测效率、精准度和适应性。
-
公开(公告)号：CN117456736A
公开(公告)日：2024-01-26
申请号：CN202311782907.3
申请日：2023-12-22
Applicant: 湘江实验室
IPC: G08G1/01 , G08G1/065 , G06N3/0464 , G06F16/9537 , G06F18/25
Abstract: 本发明实施例中提供了一种基于多尺度时空动态交互网络的交通流量预测方法，属于交通控制系统技术领域，具体包括：步骤1，获取城市路网中的历史交通流数据并进行数据预处理；步骤2，获取不同时间尺度下的静态依赖关系，以及，模拟时间维度和空间维度的信息在目标交通路网结构上传播对应的特性，得到时间参数和空间参数；步骤3，得到每个时间尺度下的时空特征；步骤4，将每个时间尺度下的时空特征聚合并利用Huber损失函数构建交通流预测模型；步骤5，利用训练集数据进行预设轮次的梯度下降，更新模型参数，直到模型收敛，得到目标预测模型对目标交通路网的交通流量进行预测。通过本发明的方案，提高了预测效率、精准度和适应性。
-
公开(公告)号：CN120075846A
公开(公告)日：2025-05-30
申请号：CN202510476934.0
申请日：2025-04-16
Applicant: 湘江实验室
IPC: H04W24/02 , H04L41/16 , G06F9/50 , G06F30/27 , G06F8/61 , G06N5/04 , G06F111/04 , G06F111/06 , G06F111/08
Abstract: 本发明实施例中提供了一种基于边缘智能的任务计算卸载多目标动态决策方法，属于通信技术领域，具体包括：步骤1，建立边缘智能计算与基于正交频分复用的无线通信的时延与能耗模型；步骤2，根据时延与能耗模型设计边缘智能中任务调度与资源分配的多目标优化函数并据此构建多目标优化问题；步骤3，将多目标优化问题定义为多目标带约束的马尔可夫过程；步骤4，根据马尔可夫过程设计基于效用的双价值网络的偏好深度确定性策略梯度算法调度模型；步骤5，建立多目标效用函数动态调整机制并代入调度模型，输出策略动作。通过本发明的方案，提高了调度效率和适应性。
-
Patent Agency Ranking
公开(公告)号：CN118395391B
公开(公告)日：2024-11-22
申请号：CN202410859541.3
申请日：2024-06-28
Applicant: 湘江实验室
IPC: G06F18/25 , G06F18/213
Abstract: 本申请涉及数据融合技术领域，提供了一种多模态数据融合方法及设备。该方法包括：获取多种模态的模态数据；利用模态对应的特征提取模块对模态数据进行特征提取得到模态特征；利用桥梁令牌对所有模态特征进行拼接获取拼接特征；利用特征融合模块对每个拼接特征进行融合得到融合特征；基于所有参数构建损失函数；基于模态的模态数据的数量，计算模态的单模态性能值，并基于所有单模态性能值获取模态的参数更新公式；根据损失函数和所有模态的参数更新公式，对所有特征提取模块和特征融合模块进行优化；利用所有优化后的特征提取模块和优化后的特征融合模块对模态数据进行融合得到最终融合特征。本申请的方法能够提高多模态数据融合的效率。
-
公开(公告)号：CN118777606A
公开(公告)日：2024-10-15
申请号：CN202410754326.7
申请日：2024-06-12
Applicant: 湘江实验室
IPC: G01N33/574 , G01N33/569 , G01N27/327
Abstract: 本发明提供了一种选择性识别检测肿瘤细胞的试剂盒及检测方法，试剂盒包括：三适配体逻辑门复合物、Toehold驱动链置换反应复合物、F链、DNA纳米花、金属电极和DNA多面体框架结构。本发明以构建的三适配体逻辑门复合物对肿瘤细胞进行识别，反应后生成的T链进一步触发Toehold介导的链置换反应对信号产生放大。链置换反应的产物SP链进一步触发修饰了电化学信号标签的DNA纳米花被修饰了DNA四面体框架结构的电极捕获，从而产生电化学信号。本发明所构建的识别体系和放大体系的合成简单快速，安全绿色，成本低廉，能够快速识别检测目标肿瘤细胞，为循环肿瘤细胞的高效特异性检测提供了新思路。
-
公开(公告)号：CN118521496B
公开(公告)日：2024-09-27
申请号：CN202410974894.8
申请日：2024-07-19
Applicant: 湘江实验室
IPC: G06T5/60 , G06T5/70 , G06T5/73 , G06N3/0455 , G06N3/0464 , G06N3/0475
Abstract: 本申请适用于图像去雾技术领域，提供了一种基于扩散模型的图像去雾方法、装置、设备及介质，方法包括：将有雾图像输入基于深度学习的图像去雾模型进行去雾处理，得到传输图；将传输图输入物理去雾模型进行去雾处理，得到伪去雾图像；将伪去雾图像输入扩散模型进行去雾处理，得到去雾图像；扩散模型利用改进的Unet降噪网络进行降噪，改进的Unet降噪网络在降噪过程中利用传输图进行指导；改进的Unet降噪模型包括下采样模块、传输模块和上采样模块，下采样模块用于提取输入图像的特征图，传输模块用于利用特征图和传输图得到指导图，上采样模块用于利用指导图和残差连接操作对特征图进行重构得到去雾图像。本申请能提升图像去雾效果。
-
公开(公告)号：CN118549365A
公开(公告)日：2024-08-27
申请号：CN202410664446.8
申请日：2024-05-27
Applicant: 湘江实验室
IPC: G01N21/31 , G01N33/574 , G01N33/543 , C12N15/115
Abstract: 本发明提供了一种基于EP管和纳米酶水凝胶薄膜的前列腺特异性抗原的检测方法。该方法以EP管为反应载体，将EP管功能化构建PSA响应型平台，利用DNAzyme及Au/Pt NPs纳米酶作为信号放大器，通过DNAzyme循环切割DNA水凝胶网络并释放大量Au/Pt NPs纳米酶，以及Au/Pt NPs纳米酶的优良类过氧化物酶活性，有效实现了体系的信号放大，增加了灵敏性。通过简单的“倒置‑翻转”操作，实现PSA的识别与检测，极大的简化了实验操作，具有用户友好性。本发明可实现0.5‑100ng/L浓度范围内PSA的检测，对经过稀释后的患者血清仍具有足够的检测灵敏度。
-
公开(公告)号：CN118333132B
公开(公告)日：2024-08-27
申请号：CN202410757068.8
申请日：2024-06-13
Applicant: 湘江实验室
IPC: G06N3/09 , G06F40/30 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种情感识别模型训练方法、情感识别方法及相关设备，包括：对样本文本进行句法依存解析，得到第一超图；基于第一超图，使用异构边聚合算子在表示方面隶属度的超边和表示依存类型的树边两种异构边上同时聚合，得到节点模糊情感特征；针对每个节点，将每个单词与邻域聚合，得到词向量，并将词向量和节点模糊情感特征经过初始情感识别模型的卷积核，生成对应的情感极性的模糊表示，其中，初始情感识别模型为图卷积神经网络；将至少两个初始情感识别模型的卷积层进行堆叠，使用最小二乘估计‑梯度下降混合学习算法对网络参数进行更新，直到达到预设条件，得到目标情感识别模型。采用本发明提高了情感分析的准确性。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.029 seconds)
