-
公开(公告)号：CN113283601A
公开(公告)日：2021-08-20
申请号：CN202110564554.4
申请日：2021-05-24
Applicant: 吉林大学
Abstract: 本申请实施例公开了一种针对多智能体的训练方法，涉及深度强化学习领域，所述方法包括：基于整合器和分布参数得到初始分布值函数；基于所述初始分布值函数和贝叶斯定理对所述分布参数进行更新，获取更新分布值函数；基于所述更新分布值函数和时间差分法对所述整合器进行更新，获取目标整合器，以及基于所述目标整合器获取目标分布值函数；基于所述目标分布值函数的采样情况对初始策略网络进行更新，获取目标策略网络。采用本申请实施例，可以提高针对多智能体的训练模型的鲁棒性和训练效率。
-
公开(公告)号：CN112836064A
公开(公告)日：2021-05-25
申请号：CN202110207313.4
申请日：2021-02-24
Applicant: 吉林大学
IPC: G06F16/36 , G06F40/295
Abstract: 本申请公开了一种知识图谱补全方法、装置、存储介质及电子设备，属于计算机技术领域。所述知识图谱补全方法包括：获取待验证的目标知识文本，根据所述目标知识文本与预设的知识图谱生成多个三元组，对各个三元组进行计算得到对应的置信度，基于所述对应的置信度验证目标三元组，以及根据验证结果补全所述知识图谱。故本申请中通过提出一种结合文本编码技术和图嵌入技术的混合模型以同时学习上下文和结构化知识，获得可靠的三元组置信度评分，实现了两类方法的优势互补，显著降低计算开销并提高补全准确性。还提出了一种自适应集成方案，将本申请编码方法和图嵌入方法两类方法的得分做出自适应的融合，进一步提高了知识图谱补全的准确率。
-
公开(公告)号：CN110750992A
公开(公告)日：2020-02-04
申请号：CN201910952910.2
申请日：2019-10-09
Applicant: 吉林大学
IPC: G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种命名实体识别方法、装置、电子设备及介质。其中，本申请中，在获取待识别数据之后，可以基于预训练的词嵌入向量矩阵，将所述待识别数据转换为词嵌入向量；利用多个神经网络模型和注意力机制，对所述词嵌入向量进行多层级特征提取，得到不同级别的待识别特征数据；对所述待识别特征数据进行序列标注，得到实体识别结果。通过应用本申请的技术方案，可以相对于现有技术来说，融合广度学习和注意力机制进行命名实体识别，进而可以达到提高识别准确率的效果。
-
公开(公告)号：CN119672458A
公开(公告)日：2025-03-21
申请号：CN202411619943.2
申请日：2024-11-13
Applicant: 吉林大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本申请提供了一种基于子空间学习的神经网络训练方法、装置和电子设备，涉及计算机技术领域，该方法包括：获取第一样本图像对应的第一融合图像，第一融合图像由第一样本图像和视觉提示模块输出的第一视觉提示融合得到，将第一融合图像输入图像处理模块得到第一输出结果，采用子空间学习将第一损失转换为调整向量，根据调整向量对视觉提示模块中的向量进行调整，迭代上述步骤，在达到第一结束条件时，得到由图像处理模块和调整后的视觉提示模块组合而成的神经网络。本申请提供的训练方法，可以加快神经网络的收敛速度，缩短神经网络的训练时间。
-
公开(公告)号：CN119623572A
公开(公告)日：2025-03-14
申请号：CN202411510808.4
申请日：2024-10-28
Applicant: 吉林大学
IPC: G06N3/096 , G06N3/0455 , G06N3/045 , G06V10/80 , G06F18/25 , G06F18/213 , G06V10/40
Abstract: 本申请公开了一种基于模态一致性的提示学习方法以及计算机设备，属于计算机技术领域。通过本申请实施例提供的技术方案，利用目标视觉语言预训练模型，基于文本提示和多个样本类别文本，得到多个文本嵌入特征。利用视觉提示和多个样本图像，得到多个视觉嵌入特征，文本提示和视觉提示均属于目标领域。确定多个视觉嵌入特征的视觉特征分布以及多个文本嵌入特征的文本特征分布，利用视觉特征分布和文本特征分布来确定预测传输矩阵，预测传输矩阵用于表示多个视觉嵌入特征变换为多个文本嵌入特征的方式。基于预测传输矩阵、多个视觉嵌入特征以及标注信息对文本提示和视觉提示进行调整，从而利用特征和特征分布来进行提示学习，提高提示学习的效果。
-
Patent Agency Ranking
公开(公告)号：CN114780573B
公开(公告)日：2025-01-03
申请号：CN202210285450.4
申请日：2022-03-23
Applicant: 吉林大学
IPC: G06F16/242 , G06N3/0455 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种查询分析方法及系统、计算机可读存储介质及终端，涉及机器学习领域。其中，该方法包括：确定待查询语句对应的向量，得到待查询向量；将待查询向量输入训练后的第一模型，根据第一模型的输出得到伪标题向量，其中，伪标题向量包含待查询语句的后验检索信息；将待查询语句和伪标题向量输入训练后的第二模型，根据第二模型的输出确定待查询语句的目标预测，并基于目标预测进行查询分析。本技术方案以查询分析中的查询分类方法为例，将后验检索信息引入至先验检索信息场景中，使得分类器性能与之前的查询分类方法相比得到进一步提升，从而使查询分析的性能增强。
-
公开(公告)号：CN118606813A
公开(公告)日：2024-09-06
申请号：CN202410556580.6
申请日：2024-05-07
Applicant: 吉林大学
IPC: G06F18/2415 , G06F18/213 , G06N3/08 , G06F18/22
Abstract: 本申请实施例公开了一种图节点分类模型的训练方法、装置、存储介质以及电子设备，所述方法包括：首先对在预设存储空间内的节点数据进行特征提取得到节点数据对应的节点特征向量，然后基于节点特征向量对第一图节点分类模型进行针对欧几里得空间的模型训练处理得到第二图节点分类模型，之后基于第二图节点分类模型对节点特征向量进行节点关系识别得到参考图结构，基于参考图结构进行困惑节点识别处理得到困惑节点数据，而后基于困惑节点数据和参考图结构对第二图节点分类模型进行针对双曲空间的模型训练处理得到目标图节点分类模型。
-
公开(公告)号：CN117972511A
公开(公告)日：2024-05-03
申请号：CN202410026156.0
申请日：2024-01-08
Applicant: 吉林大学
IPC: G06F18/241 , G06F40/289 , G06N3/04
Abstract: 本申请公开了一种节点分类方法、装置、存储介质及电子设备，其中，方法包括：对图结构数据中节点的文本特征进行线性变换处理，获得所述节点对应的线性特征，基于所述线性特征计算相邻节点之间的注意力分数，基于所述注意力分数和所述图结构数据进行自适应传播处理，获得所述图结构数据对应的预测标签矩阵，基于所述预测标签矩阵获取所述节点对应的分类标签。采用本申请，通过先特征变换，然后基于自注意力机制进行自适应传播的解耦架构，提高了图结构数据处理的泛化能力，进一步提高了节点分类的准确性。
-
公开(公告)号：CN110750992B
公开(公告)日：2023-07-04
申请号：CN201910952910.2
申请日：2019-10-09
Applicant: 吉林大学
IPC: G06F40/295 , G06N3/0464 , G06N3/044 , G06N3/045 , G06N3/08
Abstract: 本申请公开了一种命名实体识别方法、装置、电子设备及介质。其中，本申请中，在获取待识别数据之后，可以基于预训练的词嵌入向量矩阵，将所述待识别数据转换为词嵌入向量；利用多个神经网络模型和注意力机制，对所述词嵌入向量进行多层级特征提取，得到不同级别的待识别特征数据；对所述待识别特征数据进行序列标注，得到实体识别结果。通过应用本申请的技术方案，可以相对于现有技术来说，融合广度学习和注意力机制进行命名实体识别，进而可以达到提高识别准确率的效果。
-
公开(公告)号：CN113384875B
公开(公告)日：2023-06-16
申请号：CN202110695182.9
申请日：2021-06-22
Applicant: 吉林大学
Abstract: 本申请公开了一种模型训练方法、装置、存储介质及电子设备，属于计算机技术领域。所述模型训练方法包括：计算所述状态信息和所述动作信息对应的状态特征和预测动作信息，所述状态特征包括实际状态特征、预测状态特征和固定状态特征，通过模型基于所述实际状态特征、所述预测状态特征、所述预测动作信息和所述固定状态特征计算学习目标，所述模型至少包括特征模块、前向模块、反向模块和目标模块，基于所述学习目标确定所述模型中的所述特征模块、所述前向模块和所述反向模块对应的训练参数。本申请可以避免噪声电视问题，加强模型的探索能力。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.036 seconds)
