-
公开(公告)号：CN118709772B
公开(公告)日：2025-02-21
申请号：CN202411192722.1
申请日：2024-08-28
Applicant: 中国人民解放军国防科技大学
IPC: G06N5/025 , G06N3/0455 , G06N3/0499
Abstract: 本申请涉及了一种基于双编解码模型的知识图谱链路预测方法和系统，本方法将目标知识图谱中的实体和关系分别嵌入为同一维度的实体序列和关系序列，由于实体序列和关系序列的维度相同，能够提升由第一编码器和第一解码器组成预测模型捕捉远距离互动的能力，使得模型能够充分利用实体序列和关系序列的交互特征信息，在确保有效交互的同时减少嵌入维度和模型参数的大小，提升预测效率和精度；然后在第一解码器中嵌套了基于多层感知机的第二编码器和第二解码器，能够在统一的维度中，采用第二编码器中的全连接层来映射和还原编码的特征表示，从而进一步在更低的维度捕捉实体和关系之间的远距离交互，防止维度爆炸，提升预测效率和精度。
-
公开(公告)号：CN118520926A
公开(公告)日：2024-08-20
申请号：CN202411005676.X
申请日：2024-07-25
Applicant: 中国人民解放军国防科技大学
Abstract: 本申请公开了一种条件扩散模型鲁棒性优化方法，本方法将加噪信息数据集以及预设条件输入至有条件神经网络中进行训练，将加噪信息数据集输入至无条件神经网络中进行训练；获取训练好的有条件神经网络和训练好的无条件神经网络在训练过程中产生的拟合误差，获取在条件扩散模型的反向过程中输入条件错误的情况下，训练好的有条件神经网络产生的量化误差；将拟合误差和量化误差输入至构建好的过滤器中，计算得到目标参数；将训练好的有条件神经网络、训练好的无条件神经网络以及目标参数输入至构建好的控制器中，生成控制信号；将高斯分布和控制信号输入至构建好的生成模型中，得到生成模型输出的生成数据。本申请能够提高模型的可靠性和有效性。
-
公开(公告)号：CN118520926B
公开(公告)日：2024-12-10
申请号：CN202411005676.X
申请日：2024-07-25
Applicant: 中国人民解放军国防科技大学
Abstract: 本申请公开了一种条件扩散模型鲁棒性优化方法，本方法将加噪信息数据集以及预设条件输入至有条件神经网络中进行训练，将加噪信息数据集输入至无条件神经网络中进行训练；获取训练好的有条件神经网络和训练好的无条件神经网络在训练过程中产生的拟合误差，获取在条件扩散模型的反向过程中输入条件错误的情况下，训练好的有条件神经网络产生的量化误差；将拟合误差和量化误差输入至构建好的过滤器中，计算得到目标参数；将训练好的有条件神经网络、训练好的无条件神经网络以及目标参数输入至构建好的控制器中，生成控制信号；将高斯分布和控制信号输入至构建好的生成模型中，得到生成模型输出的生成数据。本申请能够提高模型的可靠性和有效性。
-
公开(公告)号：CN118709772A
公开(公告)日：2024-09-27
申请号：CN202411192722.1
申请日：2024-08-28
Applicant: 中国人民解放军国防科技大学
IPC: G06N5/025 , G06N3/0455 , G06N3/0499
Abstract: 本申请涉及了一种基于双编解码模型的知识图谱链路预测方法和系统，本方法将目标知识图谱中的实体和关系分别嵌入为同一维度的实体序列和关系序列，由于实体序列和关系序列的维度相同，能够提升由第一编码器和第一解码器组成预测模型捕捉远距离互动的能力，使得模型能够充分利用实体序列和关系序列的交互特征信息，在确保有效交互的同时减少嵌入维度和模型参数的大小，提升预测效率和精度；然后在第一解码器中嵌套了基于多层感知机的第二编码器和第二解码器，能够在统一的维度中，采用第二编码器中的全连接层来映射和还原编码的特征表示，从而进一步在更低的维度捕捉实体和关系之间的远距离交互，防止维度爆炸，提升预测效率和精度。
-
-
-
Search Results
4
records
(took 0.028 seconds)
