-
公开(公告)号：CN115618004A
公开(公告)日：2023-01-17
申请号：CN202211402592.0
申请日：2022-11-10
Applicant: 电子科技大学
Abstract: 本发明属于自然语言处理技术领域，尤其是涉及一种基于prompt的表格事实检测方法。本发明首次在表格事实检测任务上使用Prompt方法，在小样本或零样本情况下有效的提高判断效果。首先是将表格事实检测任务形式改造成和预训练表格模型一致，不需要在预训练模型的基础上做过多训练；其次是定义了一个多组的映射关系，可以方便的将prompt的预测结果转化为表格事实检测结果。
-
公开(公告)号：CN115563248A
公开(公告)日：2023-01-03
申请号：CN202211226678.2
申请日：2022-10-09
Applicant: 电子科技大学
Abstract: 本发明属于自然语言处理和问答任务领域，涉及一种基于Text‑to‑SQL的表格开放域问答方法。首先使用检索器从表格语料库中初步筛选相关的表格得到表格池，然后按相似性分数排序得到前top‑k表格作为后续的输入；在提取回答时使用深度学习的Text‑to‑SQL模型，结合问句和表格模式信息将问句转换为SQL等的标准化的逻辑形式，在表格上执行SQL并判断执行结果是否发生错误；并以此结果作为相关性依据之一回溯至表格重排序，融入新一轮相似性计算中。本发明利用了Text‑to‑SQL模型的执行结果作为表格检索的相似性排序依据，使得所检索的表格更为准确，进而提升了整个开放域问答的结果准确性。
-
公开(公告)号：CN109032671B
公开(公告)日：2022-05-03
申请号：CN201810662859.7
申请日：2018-06-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于数据并行策略的分布式深度学习方法及系统，本发明的系统包括一个分布式计算框架Spark、PyTorch深度学习框架、轻量级Web应用框架Flask及pickle、urllib2等相关组件；Spark框架提供集群资源管理、数据分发、分布式计算的功能；PyTorch深度学习框架，提供神经网络定义的接口，提供神经网络上层训练计算的功能；flask框架提供参数服务器功能；urllib2模块负责提供工作节点与参数服务器节点的网络通信功能；pickle负责将神经网络模型中的参数序列化与反序列化，以在网络上进行传输。本发明有效的将PyTorch与Spark结合起来，通过Spark将PyTorch与底层分布式集群解耦、吸取了各自的优势，提供便捷的训练接口，高效实现基于数据并行的分布式训练过程。
-
公开(公告)号：CN113010547A
公开(公告)日：2021-06-22
申请号：CN202110491751.8
申请日：2021-05-06
Applicant: 电子科技大学
IPC: G06F16/2453 , G06F16/2455 , G06F16/22 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的数据库查询优化方法及系统，方法包括：数据采集：根据数据的使用规律来合理的调节采样行为；基数及代价估计：利用树型图神经网络提取查询计划树的结构特征，并使用图卷积网络提取各个数据列的关联关系及连接的拓扑关系，从而建立基数及代价估计网络模型；连接顺序优化：利用图卷积算法提取查询特征和连接顺序特征，并利用强化学习算法感知数据库真实环境，从而不断优化模型，从而提升连接顺序决策的效果；通过对数据分布特征、关联关系和数据库环境特点的学习，建立基数估计模型和连接顺序优化模型，并将算法融合到分布式关系型数据库中。本发明提高在逻辑优化和物理优化阶段的算法效率，提升了查询执行速度。
-
公开(公告)号：CN112988802A
公开(公告)日：2021-06-18
申请号：CN202110475590.3
申请日：2021-04-29
Applicant: 电子科技大学
IPC: G06F16/2453 , G06F16/242 , G06F16/22 , G06F16/28 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于强化学习的关系型数据库查询优化方法及系统，方法包括以下步骤：步骤1：通过树卷积神经网络提取逻辑计划树及优化器状态信息特征；步骤2：利用强化学习模型获得匹配的优化规则应用顺序；步骤3：优化器选择适合当前查询的优化规则；系统包括规则应用与信息采集模块、机器学习模块和数据交换模块；所述规则应用与信息采集模块和机器学习模块通过数据交换模块连接，通过本地RPC请求实现数据库与规则应用与信息采集模块和机器学习模块的数据交互。本发明使用强化学习让数据库能够根据当前处理的SQL查询语句自动选择每一步的逻辑优化规则，增加了逻辑优化的可扩展性，提高了逻辑优化阶段的灵活性，进而提高数据查新效率。
-
Patent Agency Ranking
公开(公告)号：CN111538463A
公开(公告)日：2020-08-14
申请号：CN202010362100.4
申请日：2020-04-30
Applicant: 电子科技大学
IPC: G06F3/06
Abstract: 本发明公开了一种实现内存数据库持久化的方法，包括以下步骤：写操作写入持久层，再写入Redis内存数据库；Redis内存数据库进行数据淘汰；清除Redis内存数据库淘汰的冷数据；读操作读取Redis内存数据库，当未读取到相应数据时，在读取持久层中的数据，再反向写入Redis内存数据库中。本发明方案通过采用缓存层和持久层分离的设计，对服务端进行改造，将优化原生Redis的持久化方案改造为将持久化部分交由LevelDB单独处理，降低了原生持久化方案的不稳定风险；提高了数据安全性和系统恢复的效率；并解决了Redis内存数据库疯狂占用内存的问题。
-
公开(公告)号：CN103971524B
公开(公告)日：2016-07-27
申请号：CN201410214100.4
申请日：2014-05-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于机器视觉的交通流量检测方法。以摄像机在道路上获取的图像为基础，首先根据连续的多帧图像序列重建出道路真实背景图像，然后使用当前帧图像与背景帧图像做差分运算得到差分后的图像，对差分后的图像使用二值化的方法分割出前景和背景，再对分割出的前景目标进行目标分类，识别出其中的车辆目标，最后对车辆进行计数。本发明实现了道路交通流量的统计，使用背景差法来分割目标，提高了目标提取的准确度以及交通流量检测的准确度。
-
公开(公告)号：CN103971524A
公开(公告)日：2014-08-06
申请号：CN201410214100.4
申请日：2014-05-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于机器视觉的交通流量检测方法。以摄像机在道路上获取的图像为基础，首先根据连续的多帧图像序列重建出道路真实背景图像，然后使用当前帧图像与背景帧图像做差分运算得到差分后的图像，对差分后的图像使用二值化的方法分割出前景和背景，再对分割出的前景目标进行目标分类，识别出其中的车辆目标，最后对车辆进行计数。本发明实现了道路交通流量的统计，使用背景差法来分割目标，提高了目标提取的准确度以及交通流量检测的准确度。
-
公开(公告)号：CN102262728A
公开(公告)日：2011-11-30
申请号：CN201110212734.2
申请日：2011-07-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种道路交通标志的识别方法，首先对原交通标志图，运用PCNN技术进行处理生成图像签名处理，在通过搜索图像签名数据库，比较图像签名相似度，相似度高的则识别为道路交通标志。本发明能够更好的辅助车辆行驶和管理，运用脉冲耦合神经网络解决传统人工神经网络在处理图像识别和分类问题中的样本需求大，训练时间长等问题。
-
公开(公告)号：CN119848550A
公开(公告)日：2025-04-18
申请号：CN202510051756.7
申请日：2025-01-14
Applicant: 电子科技大学
IPC: G06F18/214 , G06N3/098
Abstract: 本发明公开一种模型分布式训练中样本加载的远端缓存装置及方法，涉及深度学习技术领域，解决完全随机的访问模式下，局部性原理的失效导致传统缓存无法发挥作用的问题；本发明包括客户端，发送样本请求；服务端，响应样本请求；其中，上述服务端包括：存储池，用于存储训练样本；缓冲池，用于根据样本请求输出训练样本，保存从存储池中随机抽取的训练样本；本发明能够降低模型训练过程中训练样本加载的时延，提升模型训练场景中存储节点的内存缓存利用率。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.049 seconds)
