-
公开(公告)号：CN110909694A
公开(公告)日：2020-03-24
申请号：CN201911182124.5
申请日：2019-11-27
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例涉及通信领域，公开了一种获取分光器端口信息的方法、装置、终端以及存储介质，所述方法包括：获取含有目标分光器的待识别图像；将所述待识别图像输入预设的深度学习网络模型中，得到至少一个分光器的关键位置；根据所述关键位置，在所述待识别图像中提取所述目标分光器的插排图像；根据所述插排图像确定所述目标分光器的端口信息。本发明降低了分光器质检过程中的检测难度，使得分光器质检对装维人员的专业能力水平的要求变低。
-
Patent Agency Ranking
公开(公告)号：CN111191529B
公开(公告)日：2023-04-28
申请号：CN201911298894.6
申请日：2019-12-17
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明的实施方式提供了一种处理异常工单的方法，其中，所述异常工单为除质检结论为合格的工单以外的其他工单。所述处理异常工单的方法包括：通过深度神经网络模型从所述异常工单中提取特征属性，其中，该特征属性具有m个维度，m>200；将所述特征属性转换成状态矩阵；将所述状态矩阵输入到异常工单决策模型中，其中，所述异常工单决策模型是以经过人工处理的异常工单的信息记录为样本数据通过深度强化学习算法训练得到的，所述异常工单决策模型的输入量为所述状态矩阵，所述异常工单决策模型的输出量为表征处理方案的权重向量；及通过所述异常工单决策模型计算出针对所述异常工单的处理方案。
-
公开(公告)号：CN111191529A
公开(公告)日：2020-05-22
申请号：CN201911298894.6
申请日：2019-12-17
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明的实施方式提供了一种处理异常工单的方法，其中，所述异常工单为除质检结论为合格的工单以外的其他工单。所述处理异常工单的方法包括：通过深度神经网络模型从所述异常工单中提取特征属性，其中，该特征属性具有m个维度，m>200；将所述特征属性转换成状态矩阵；将所述状态矩阵输入到异常工单决策模型中，其中，所述异常工单决策模型是以经过人工处理的异常工单的信息记录为样本数据通过深度强化学习算法训练得到的，所述异常工单决策模型的输入量为所述状态矩阵，所述异常工单决策模型的输出量为表征处理方案的权重向量；及通过所述异常工单决策模型计算出针对所述异常工单的处理方案。
-
公开(公告)号：CN118799874A
公开(公告)日：2024-10-18
申请号：CN202410006495.2
申请日：2024-01-02
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请涉及人工智能技术领域，提供一种基于深度强化学习的装维终端信息处理方法及装置。所述方法包括：获取待处理的网关图像信息；对网关图像信息进行图像OCR识别，得到关键字信息；基于强化学习模型对关键字信息按照关键字类型分别与不同的网关信息匹配规则进行智能匹配，得到目标匹配结果，强化学习模型基于以样本网关图像信息为训练样本，以多个网关属性特征为匹配项进行马尔科夫决策训练得到。本申请提供的基于深度强化学习的装维终端信息处理方法无需人为设定匹配规则及标签，通过反馈机制不断的学习，当学习能力达到一定程度的时候，则可根据样本的特征属性去选择最优的策略方案，提高了网关信息的集成效率和准确率。
-
公开(公告)号：CN111209740B
公开(公告)日：2023-08-15
申请号：CN201911419034.3
申请日：2019-12-31
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F40/232 , G06F40/289 , G06N3/044 , G06N3/0442 , G06N3/08
Abstract: 本发明实施例涉及深度学习领域，公开了文本模型训练方法、文本纠错方法、电子设备及存储介质。本发明中，将语音对话进行文本转换，得到错误文本，对错误文本进行纠错，得到正确文本，根据热词表对错误文本以及正确文本进行分词；之后对分词后的文本样本进行编码得到的文本训练样本，将文本输入样本输入至深度神经网络中进行训练，得到目标文本模型。相对于现有技术基于规则的模型或者基于统计的模型进行文本纠错而言，分词精确度更高，提高了模型训练得到的目标文本模型的纠错准确率。另外，基于建立的目标文本模型进行纠错，在纠错过程中仅需输入错误句子即可得到正确句子，减少了纠错过程中的工作量以及成本。
-
公开(公告)号：CN111209740A
公开(公告)日：2020-05-29
申请号：CN201911419034.3
申请日：2019-12-31
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F40/232 , G06F40/289 , G06N3/08
Abstract: 本发明实施例涉及深度学习领域，公开了文本模型训练方法、文本纠错方法、电子设备及存储介质。本发明中，将语音对话进行文本转换，得到错误文本，对错误文本进行纠错，得到正确文本，根据热词表对错误文本以及正确文本进行分词；之后对分词后的文本样本进行编码得到的文本训练样本，将文本输入样本输入至深度神经网络中进行训练，得到目标文本模型。相对于现有技术基于规则的模型或者基于统计的模型进行文本纠错而言，分词精确度更高，提高了模型训练得到的目标文本模型的纠错准确率。另外，基于建立的目标文本模型进行纠错，在纠错过程中仅需输入错误句子即可得到正确句子，减少了纠错过程中的工作量以及成本。
-
-
-
-
-
Search Results
6
records
(took 0.041 seconds)
