-
公开(公告)号:CN118114667B
公开(公告)日:2024-10-15
申请号:CN202311450661.X
申请日:2023-11-02
Applicant: 中国矿业大学(北京)
IPC: G06F40/295 , G06F40/30 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种融合多头交叉注意力的命名实体识别模型,包括:嵌入表示模块:将输入的文本序列转化为嵌入表示,将每个单词映射为向量表示。共享特征表示模块:对每个单词的嵌入表示,提取出共享的特征表示。多头交叉注意力模块:用于在长文本中提取重要信息并通过多头注意力机制实现信息的集成和交互。多任务学习模块包括实体跨度分类模块使用Softmax联合交叉熵损失来进行模型的学习,和实体边界检测模块通过计算真实分布和预测分布之间的损失来进行模型的训练。最后训练完成的命名实体识别模型对未标注的文本句子进行预测,得到每个单词的命名实体标签。本发明的优点是:提高嵌套命名实体识别准确性,提高模型对于复杂文本中深层含义的理解能力。
-
公开(公告)号:CN118762178A
公开(公告)日:2024-10-11
申请号:CN202410764719.6
申请日:2024-06-14
Applicant: 中国矿业大学(北京)
IPC: G06V10/26 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种云/阴影边缘感知分割向量化快速计算方法,包括以下步骤:步骤S1:利用UNet模型建立主干网络;步骤S2:使用嵌入模型的CRF模块优化主干网络所输出分割预测的边界区域,并进一步分离云/雪区域和召回阴影;解决了无法生成边界精确的标记结果的问题。
-
公开(公告)号:CN118114667A
公开(公告)日:2024-05-31
申请号:CN202311450661.X
申请日:2023-11-02
Applicant: 中国矿业大学(北京)
IPC: G06F40/295 , G06F40/30 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种融合多头交叉注意力的命名实体识别模型,包括:嵌入表示模块:将输入的文本序列转化为嵌入表示,将每个单词映射为向量表示。共享特征表示模块:对每个单词的嵌入表示,提取出共享的特征表示。多头交叉注意力模块:用于在长文本中提取重要信息并通过多头注意力机制实现信息的集成和交互。多任务学习模块包括实体跨度分类模块使用Softmax联合交叉熵损失来进行模型的学习,和实体边界检测模块通过计算真实分布和预测分布之间的损失来进行模型的训练。最后训练完成的命名实体识别模型对未标注的文本句子进行预测,得到每个单词的命名实体标签。本发明的优点是:提高嵌套命名实体识别准确性,提高模型对于复杂文本中深层含义的理解能力。
-
公开(公告)号:CN115527216B
公开(公告)日:2023-05-23
申请号:CN202211399263.5
申请日:2022-11-09
Applicant: 中国矿业大学(北京)
IPC: G06V30/19 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种基于调制融合和对比学习生成对抗网络的文本生成图像方法,包括以下步骤:建立调制融合模块,设计成了残差结构,包含主路的两个文本特征变换层、两个卷积层和支路的一个卷积层;建立生成器,由一个映射网络、八个调制融合模块,六个上采样模块和一个卷积层组成。建立判断器网络结构判别器由一个特征提取器和三个分支组成的,三个分支包括:语义重构分支、无条件损失分支和条件损失分支。建立对比学习网络进行对比损失;优化损失函数,损失函数包括生成对抗损失、语义重构损失。本发明可以生成更加符合文本语义的图像,对于图像的真实度和语义一致性都有提升,对于图像的生成质量有了进一步提升。
-
公开(公告)号:CN109033580A
公开(公告)日:2018-12-18
申请号:CN201810759490.1
申请日:2018-07-11
Applicant: 中国矿业大学(北京)
Inventor: 高文超
IPC: G06F17/50
CPC classification number: G06F17/5072 , G06F17/5036
Abstract: 本发明公开了一种应用于三维集成电路的层分配方法,首先建立三维集成电路的布局空间和芯片模型;基于所建立的布局空间进行三维空间的总体布局,得到集成电路单元在三维空间的均匀分布;将空间均匀分布的集成电路单元分配在所建立芯片模型的每个芯片层上;在完成层分配之后,采取二维整体优化方法进一步优化线长,以减小线长和每层的重叠,完成三维集成电路的整体布局。上述方法可以尽可能地继承三维优化结果,保护解空间,从而得到较好的线长结果、TSVs数量和运行时间,满足集成电路的高精度需求。
-
公开(公告)号:CN115527216A
公开(公告)日:2022-12-27
申请号:CN202211399263.5
申请日:2022-11-09
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于调制融合和对比学习生成对抗网络的文本生成图像方法,包括以下步骤:建立调制融合模块,设计成了残差结构,包含主路的两个文本特征变换层、两个卷积层和支路的一个卷积层;建立生成器,由一个映射网络、八个调制融合模块,六个上采样模块和一个卷积层组成。建立判断器网络结构判别器由一个特征提取器和三个分支组成的,三个分支包括:语义重构分支、无条件损失分支和条件损失分支。建立对比学习网络进行对比损失;优化损失函数,损失函数包括生成对抗损失、语义重构损失。本发明可以生成更加符合文本语义的图像,对于图像的真实度和语义一致性都有提升,对于图像的生成质量有了进一步提升。
-
公开(公告)号:CN107563095A
公开(公告)日:2018-01-09
申请号:CN201710868168.8
申请日:2017-09-22
Applicant: 中国矿业大学(北京)
IPC: G06F17/50
Abstract: 本发明公开了一种大规模集成电路非线性布局方法,包括:将平面网表压缩为多层次样式,对于其中的可移动单元进行结群,结群时将各个可移动单元作为结点,将各结点及其所有邻居节点之间的潜力值的大小作为结群依据,目标结群面积作为约束条件;对结群后的网表从最上层开始进行全局布局,并在每一层全局布局结束后进行解群运算,最终获得非线性布局的网表。该方法以两个可移动单元对内连接度与对外连接度的比率为目标值对单元进行结群,同时增加面积约束来平衡结群的面积,将此结群算法嵌入平面非线性布局器中,可以提高运行时间与质量。
-
-
-
-
-
-