-
公开(公告)号：CN117933069A
公开(公告)日：2024-04-26
申请号：CN202410021830.6
申请日：2024-01-05
Applicant: 之江实验室
IPC: G06F30/27 , G21B1/25 , G06F18/213 , G06N3/045 , G06N3/08 , G01T1/29 , G06F113/08
Abstract: 本说明书公开了一种基于等离子体的反演代理模型训练方法及装置，获取采样信号序列，该采样信号序列是预先在若干个采样时刻，对等离子体产生的软X波段辐射进行采样得到的，每个采样时刻对应的采样信号序列是在若干个采样位置，对等离子体产生的软X波段辐射进行采样得到的，获取该等离子体在每个采样时刻的辐射分布剖面标注。将采样信号序列输入第一特征提取层，得到第一信号特征，将第一信号特征输入第二特征提取层，得到第二信号特征。将第二信号特征输入结果预测层，得到结果预测层输出的每个采样时刻对应的第二信号特征的辐射分布剖面预测结果。根据辐射分布剖面预测结果与辐射分布剖面标注，确定损失，根据损失，对反演代理模型进行训练。
-
公开(公告)号：CN117911712A
公开(公告)日：2024-04-19
申请号：CN202410056442.1
申请日：2024-01-15
Applicant: 之江实验室
IPC: G06V10/44 , G06V20/64 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本说明书公开了一种特征提取方法、装置、存储介质及电子设备。通过特征提取模型中的卷积神经网络可获取大尺寸的时空数据的初次提取的特征，即第一特征图。将第一特征图作为待提取特征图，对待提取特征图进行区域的划分，并使用区域特征提取模型对不同区域独立地进行特征提取，得到局部特征，即区域特征。将所有区域特征进行融合，得到第二特征图。将第二特征图作为新的待提取特征图，并重复以上区域特征提取与融合过程，直至达到预设次数。通过对融合后的特征图重新划分区域并重新提取特征，可使得相邻区域的特征信息能够在不同时空位置间传播，从而提取时空数据的全局特征及隐蔽的局部特征，以提高天文目标识别的准确性。
-
公开(公告)号：CN117408334A
公开(公告)日：2024-01-16
申请号：CN202311205600.7
申请日：2023-09-18
Applicant: 之江实验室 , 核工业西南物理研究院
Abstract: 本说明书公开了一种可控核聚变中因果图构建及破裂规避决策方法及装置，获取可控核聚变实验的实验数据，而后根据实验数据，确定基础因果图，因果图用于表征包含各先兆事件与破裂事件之间的因果关系，进而，针对基础因果图中每个先兆事件，确定该先兆事件与所述破裂事件之间的共因，基于与共因相关的实验数据，确定排除共因后该先兆事件与破裂事件之间的相关性得分，作为该先兆事件对应的相关性得分，基于各先兆事件对应的相关性得分筛选出目标事件，并基于筛选出的目标事件，对基础因果图进行更新，得到更新后因果图，从而，本方法能够通过构建出更加准确的因果图，得到破裂事件的诱因，能够有效地对可控核聚变实验中的破裂事件进行规避决策。
-
公开(公告)号：CN117034926A
公开(公告)日：2023-11-10
申请号：CN202311038789.5
申请日：2023-08-16
Applicant: 之江实验室
IPC: G06F40/289 , G06F18/241 , G06F18/214 , G06F40/30
Abstract: 本说明书公开了一种针对多领域文本分类模型的模型训练的方法及装置。由于先由多个专家网络层给出各自的第二编码向量，然后再将每个专家网络层给出的第二编码向量分别输入到各个子分类层中，并通过使每个子分类层给出的分类结果与每个子分类层各自对应的分类标签之间的偏差最小为目标，对文本分类模型进行训练，这使得在模型训练过程中，文本分类模型可以学习到各分类领域下的潜在关联，从而可以使得文本分类模型能够给出更为准确的分类结果，并且，由于该文本分类模型中包含有多个子分类层，这使得训练出该文本分类模型后，可以实现对各个分类领域下的文本数据进行分类的目的，从而极大的节省了训练成本。
-
公开(公告)号：CN117076672A
公开(公告)日：2023-11-17
申请号：CN202311016423.8
申请日：2023-08-11
Applicant: 之江实验室
IPC: G06F16/35 , G06F18/24 , G06N3/0442 , G06N3/08
Abstract: 本申请提供体一种文本分类模型的训练方法、文本分类方法及装置，包括：利用带标签的第一文本样本对第一文本分类模型进行训练，以获得训练好的第一文本分类模型；将无标签的第二文本样本输入训练好的第一文本分类模型，预测得到与第二文本样本对应的伪标签；利用第二文本样本对第二文本分类模型中的编码器进行对比学习，获得训练好的编码器；将第二文本样本输入至训练好的编码器，获得文本特征向量；利用文本特征向量以及伪标签对第二文本分类模型中的分类器进行训练，获得训练好的分类器。本申请能够降低长尾数据这种因为数据质量差所带来的模型性能影响，为提升分类性能，并且充分利用了大量的无标签数据，降低人工标注成本。
-
Patent Agency Ranking
公开(公告)号：CN119047352A
公开(公告)日：2024-11-29
申请号：CN202411553120.4
申请日：2024-11-01
Applicant: 之江实验室
IPC: G06F30/27 , G06F17/18 , G06N7/01 , G06F111/08
Abstract: 本说明书提供的一种任务执行方法、装置、存储介质以及电子设备，可以基于预先存储的多元高斯分布函数，确定第一分布，基于弦积分正向模型和第一分布，确定第二分布，并响应于获取到的操作指令，根据第一分布和第二分布，执行贝叶斯反演操作，以得到第三分布。通过获取目标等离子体的实际弦积分测量信号以及部分位置处的实际点测量值，以根据第三分布、实际弦积分测量信号以及实际点测量值，确定目标等离子体的各位置处对应的实际物理场信息，并根据实际物理场信息，进行任务执行。
-
公开(公告)号：CN118861824B
公开(公告)日：2024-11-22
申请号：CN202411102196.5
申请日：2024-08-12
Applicant: 之江实验室
IPC: G06F18/241 , G21B1/25 , G06F18/27 , G06N3/0464 , G06N3/0455 , G06N3/08 , G01N21/73
Abstract: 本说明书公开了一种诊断代理模型的训练方法、装置、介质及电子设备，该方法包括：将等离子体的第一测量信号输入待训练的诊断代理模型的嵌入层，确定第一信号向量。将第一测量信号对应的测量光路的第一弦积分信息输入嵌入层，确定第一位置向量。将等离子体的第一物理边界输入嵌入层，确定第一区域向量。将第一信号向量、第一位置向量和第一区域向量输入待训练的诊断代理模型的编码层，确定第一编码特征。根据第一编码特征，确定第一预测剖面。根据第一预测剖面和等离子体的二维物理参数剖面，对待训练的诊断代理模型进行训练，可使得诊断代理模型更好地学习测量信号和物理信息之间的内在联系和规律，从而精确地推断出等离子体的物理参数。
-
公开(公告)号：CN117933070A
公开(公告)日：2024-04-26
申请号：CN202410022577.6
申请日：2024-01-05
Applicant: 之江实验室
IPC: G06F30/27 , G01T1/16 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/08 , G06F123/02 , G06F113/08
Abstract: 本说明书公开了一种辐射分布预测模型的训练方法、装置及存储介质，该辐射分布预测模型包括第一特征提取层、第一权重调整层及辐射分布输出层，通过第一特征提取层提取该采样信号序列的特征，该第一特征提取层提取的特征包含时间信息。此外，通过第一权重调整层可对提取的特征进行权重调整，以提高输出的预测辐射分布的准确性。最终，通过辐射分布输出层提取时序特征，这是由于采样信号序列包括了时间信息，因此，可获取到辐射分布的时序演化规律，提取时序特征。根据该时序特征，得到预测的每个时刻对应的等离子体的预测辐射分布图像。通过辐射分布预测模型构架辐射分布图像，提高了构建辐射分布图像的效率及准确性。
-
-
公开(公告)号：CN119047352B
公开(公告)日：2025-04-04
申请号：CN202411553120.4
申请日：2024-11-01
Applicant: 之江实验室
IPC: G06F30/27 , G06F17/18 , G06N7/01 , G06F111/08
Abstract: 本说明书提供的一种任务执行方法、装置、存储介质以及电子设备，可以基于预先存储的多元高斯分布函数，确定第一分布，基于弦积分正向模型和第一分布，确定第二分布，并响应于获取到的操作指令，根据第一分布和第二分布，执行贝叶斯反演操作，以得到第三分布。通过获取目标等离子体的实际弦积分测量信号以及部分位置处的实际点测量值，以根据第三分布、实际弦积分测量信号以及实际点测量值，确定目标等离子体的各位置处对应的实际物理场信息，并根据实际物理场信息，进行任务执行。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
