一种基于可控多空间特征解耦的开放域对话生成方法

    公开(公告)号:CN116932726A

    公开(公告)日:2023-10-24

    申请号:CN202310977148.X

    申请日:2023-08-04

    Abstract: 本发明属于开放域聊天技术领域,具体涉及一种基于可控多空间特征解耦的开放域对话生成方法;M‑CVAE模型的预训练过程包括:获取问题文本序列和回复文本序列并将其嵌入到词空间中,将得到的词向量分别对应输入到输入编码器和输出编码器,得到问题文本特征表示和回复文本特征表示;将两种特征表示输入到识别网络和先验网络中进行计算,得到隐变量;采用解码器根据隐变量对参考回复进行处理,生成回复文本;将问题文本特征表示输入到分类器中,得到问题分类类别概率;预训练后进行再训练和测试,获得训练好的模型;将问题文本输入到训练好的M‑CVAE模型中,生成对应的回复文本;本发明能够生成高质量,可解释,一对多的可控对话文本。

    一种采样无关的全度量小样本目标检测方法

    公开(公告)号:CN115240008A

    公开(公告)日:2022-10-25

    申请号:CN202210931306.3

    申请日:2022-08-04

    Abstract: 本发明属于人工智能技术领域,具体涉及一种采样无关的全度量小样本目标检测方法,包括:构建全度量样本检测模型,并微调全度量样本检测模型;采样小样本数据,对小样本数据集进行组织划分,得到类支持集和查询集,并对类支持集中的类支持样本进行预处理;将小样本数据输入到微调后的全度量样本检测模型,进行目标检测并获得检测结果。本发明通过使用跨尺度语义匹配减少由于和尺度差异而导致匹配次优结果;通过构造一组正常和损坏图片对,采用自监督学习策略约束网络使编码器可利用上下文构建出更为鲁棒原型;为原型向量增设了空间位置信息来引导模型更为准确捕获到目标。

    一种基于时空注意力的长时序pm2.5预测方法及系统

    公开(公告)号:CN114662791A

    公开(公告)日:2022-06-24

    申请号:CN202210424395.2

    申请日:2022-04-22

    Abstract: 本发明属于PM2.5时序预测领域,是一种基于时空注意力的长时序pm2.5预测方法及系统,所述方法包括获取输出并进行预处理;将预处理后的数据输入特征提取网络进行特征提取;利用空间注意力网络将不同站点提取的特征连接并融合;将空间注意力网络处理后的特征通过多层双向LSTM得到过去的特征;将待预测时间段对应的已知的未来特征数据,通过神经网络提取得到未来的特征并未来的特征进行连接后,得到预测结果;使用考虑到数据的标准偏差波动和平均误差的损失函数对网络进行迭代训练直到收敛;将待测站点数据输入已完成训练的基于时空注意力的PM2.5预测网络,并输出预测结果;本发明能够精准的进行长时序的pm2.5预测。

    一种基于多尺度多粒度特征解耦的图像重构方法及系统

    公开(公告)号:CN114067162A

    公开(公告)日:2022-02-18

    申请号:CN202111401567.6

    申请日:2021-11-24

    Abstract: 本发明属于图像领域,具体涉及一种基于多尺度多粒度特征解耦的图像重构方法及系统,包括提供一种深度隐变量特征解耦生成模型,模型包括编码器、隐空间特征解耦、分类模型和重构模型四个模块,利用编码器对图像进行编码,得到包含多粒度语义信息的深度隐变量;分类模型根据解耦后的深度隐变量包含的粗粒度信息,对图像的所属类别进行细化;重构模型对解耦后的深度隐变量进行解码,得到重构生成图像;本发明利用多尺度多粒度语义标签将深度隐变量生成模型的隐空间有监督的解耦成不同层次的语义类别的子空间,更好地学习到图像中不同粒度层次的语义信息,从而能更好地应用于生成任务。

Patent Agency Ranking