-
公开(公告)号：CN114418013A
公开(公告)日：2022-04-29
申请号：CN202210075749.7
申请日：2022-01-22
IPC: G06K9/62
Abstract: 本发明涉及互联网大数据技术领域，具体涉及基于数据分布的分层加权抗噪深度度量学习方法，包括：将随机合成的噪声样本加载到训练数据集中；基于数据间的距离关系刻画数据分布，随着训练进程推进数据分布的记录更新；基于数据分布的分布矩阵，去除每个训练batch中的噪声样本；基于数据分布自适应指导采样策略的学习并完成采样；最小化模型的损失函数以更新模型参数，并同步更新数据分布。本发明的深度度量学习方法能够提高模型的训练准确性和训练鲁棒性，从而能够保证模型的训练效果。
-
公开(公告)号：CN114357148A
公开(公告)日：2022-04-15
申请号：CN202111619401.1
申请日：2021-12-27
IPC: G06F16/338 , G06F16/33 , G06K9/62 , G06V30/148 , G06V10/40 , G06V30/19
Abstract: 本发明涉及图像文本检索技术领域，具体涉及一种基于多级别网络的图像文本检索方法，包括：构建具有全局级别子网络、关系级别子网络和数字级别子网络的图文检索模型；构建用于训练图文检索模型的训练数据集，训练数据集中包括图像文本对；将训练数据集中的图像文本对分别输入图文检索模型的全局级别子网络、关系级别子网络和数字级别子网络，以分别生成对应的全局级别相似度、关系级别相似度和数字级别相似度并单独训练对应的子网络；基于训练完成的图文检索模型进行图像文本检索。本发明中的图像文本检索方法能够提升图像文本的检索效率和检索准确性，从而能够提升图像文本检索的效果。
-
公开(公告)号：CN119226296B
公开(公告)日：2025-05-13
申请号：CN202411742057.9
申请日：2024-11-29
Applicant: 之江实验室
Abstract: 本说明书公开了一种天体数据索引构建方法、装置、存储介质及电子设备。在本说明书提供的天体数据索引构建方法中，获取观察到的天体的位置信息；根据所述位置信息确定所述天体基于预设中心点的相对位置，作为所述天体的索引位置；按照指定规则对各天体的索引位置进行排序，得到目标序列，并建立每个天体的索引位置在所述目标序列中的顺序与该天体之间的对应关系；以所述目标序列中包含的各索引位置和所述各索引位置在所述目标序列中的顺序为变量进行建模，得到所述顺序和所述索引位置之间的关系函数；根据所述对应关系以及所述关系函数构建天体数据索引。
-
公开(公告)号：CN119847532A
公开(公告)日：2025-04-18
申请号：CN202510321770.4
申请日：2025-03-18
Applicant: 之江实验室
Abstract: 本申请公开了一种代码生成方法、装置、介质及设备，在接收到包含有用于描述待生成的代码在设定领域中所能实现功能信息的用户指令后，基于用户指令确定生成用户所需代码的各拆解步骤，并基于各拆解步骤从设定领域API库中确定与该用户指令相匹配的候选API的API列表，将API列表中的API与用户指令输入到大语言模型，使得大语言模型生成代码，通过解析生成的代码获得解析出的API，将其与API库中的API比对，更新API列表，以迭代生成代码，将执行代码时出现的错误信息反馈给大语言模型，并根据不同错误类型执行专项检索，以更新API列表，本申请显著增强领域代码生成的可靠性和准确率，为从业人员提供更高质量的编程支持。
-
公开(公告)号：CN119226296A
公开(公告)日：2024-12-31
申请号：CN202411742057.9
申请日：2024-11-29
Applicant: 之江实验室
Abstract: 本说明书公开了一种天体数据索引构建方法、装置、存储介质及电子设备。在本说明书提供的天体数据索引构建方法中，获取观察到的天体的位置信息；根据所述位置信息确定所述天体基于预设中心点的相对位置，作为所述天体的索引位置；按照指定规则对各天体的索引位置进行排序，得到目标序列，并建立每个天体的索引位置在所述目标序列中的顺序与该天体之间的对应关系；以所述目标序列中包含的各索引位置和所述各索引位置在所述目标序列中的顺序为变量进行建模，得到所述顺序和所述索引位置之间的关系函数；根据所述对应关系以及所述关系函数构建天体数据索引。
-
Patent Agency Ranking
公开(公告)号：CN118378091A
公开(公告)日：2024-07-23
申请号：CN202410791652.5
申请日：2024-06-19
Applicant: 之江实验室
IPC: G06F18/214 , G06F18/27 , G06F18/2431 , G06N3/0464 , G06N3/084
Abstract: 测天文光红移的标准数据集和基线模型的构建方法和系统，其方法包括：收集与测光红移任务相关的天文图像数据，进行数据预处理；计算红移真值并进行归一化处理，将红移数据转换为三元组；选择深度模型，根据分类数量修改模型头部为并行的分类头和回归头，并随机初始化网络参数；对输入样本计算分类损失和回归损失，并使用梯度下降算法更新神经网络模型参数，直至模型在训练集上的损失不再降低；联合建模深度神经网络和贝叶斯神经网络实现红移的不确定性估计；最后将训练好的模型进行部署，完成红移估计任务。本发明针对测光红移估计问题，建立了完整的机器学习数据集和基线模型方法，推进了机器学习方法在天文测光红移问题的应用。
-
公开(公告)号：CN118365975A
公开(公告)日：2024-07-19
申请号：CN202410799005.9
申请日：2024-06-20
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N20/00
Abstract: 天文图像形态分类标准数据集和基线模型构建方法与系统，其方法包括：收集与形态分类任务相关的天文图像数据，设定形态分类问题；针对收集的图像数据和设立的形态分类问题进行粗标注，设计正负样本阈值机制筛选高质量的标注数据并划分训练集和验证集；选择待训练的深度模型，修改模型头部为多个并行的全连接，实现全连接网络与形态分类问题相互对应，随机初始化网络参数；计算每个全连接神经网络的预测值与真值之间的交叉熵之和作为训练损失，并根据梯度下降算法更新网络参数；最后将训练好的模型进行部署，完成形态分类任务。本发明建立了形态分类问题的标准数据集和评价指标，能够同时用于所有的形态分类问题。
-
公开(公告)号：CN117494068B
公开(公告)日：2024-04-19
申请号：CN202311546925.1
申请日：2023-11-17
Applicant: 之江实验室
IPC: G06F18/27 , G06F18/241 , G06F18/2321 , G06N7/01 , G06N3/045 , G06N3/08 , G06T11/20
Abstract: 本说明书实施例提供的一种结合深度学习与因果推断的网络舆情分析方法及装置，确定目标事件，确定与所述目标事件相关的待分析事件和影响所述目标事件的网络舆情的相关事件，根据所述相关事件，构建所述相关事件的时间序列数据集，获取所述目标事件的网络舆情数据，将所述网络舆情数据输入到预先训练的分析模型，得到所述网络舆情的情感倾向表征值，根据所述时间序列数据集和所述情感倾向表征值，拟合所述情感倾向表征值关于所述时间序列数据集的曲线，根据所述待分析事件的发生时刻以及所述曲线，确定所述待分析事件对网络舆情的影响。通过该方法，在对网络舆情进行分析的基础上，确定了所述待分析事件是否对所述网络舆情产生影响。
-
公开(公告)号：CN117235220B
公开(公告)日：2024-03-15
申请号：CN202311193554.3
申请日：2023-09-15
Applicant: 之江实验室
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/279 , G06F40/30
Abstract: 本发明公开了一种基于图数据库知识增强的可扩展大语言模型调用方法和装置，交互显示台接受用户问题输入并传递给协调控制器，在协调控制器中基于第一提示模板将用户问题输入翻译为图数据库的图查询语言，将图查询语言输入知识增强器获取背景知识返回协调控制器，在协调控制器中利用背景知识生成第二提示模板，将带有第二提示模板的调用请求输入至模型管理器，通过模型管理器加载相应的大语言模型并生成答案返回协调控制器，再经协调控制器将生成答案转化为自然语言并输出至交互显示台反馈给用户。本发明通过在线服务的方式为用户提供更高效准确的问答服务，具有安全、可靠和便捷的优势。
-
公开(公告)号：CN117391150B
公开(公告)日：2024-03-12
申请号：CN202311673951.0
申请日：2023-12-07
Applicant: 之江实验室
IPC: G06N3/0464 , G06N3/08 , G06F16/901 , G16C20/30 , G16C20/70
Abstract: 本说明书公开了一种基于分层池化图哈希的图数据检索模型训练方法，待训练的检索模型包含编码子模型和预测子模型，所述编码子模型包含卷积层和编码层，所述卷积层包含嵌入子层、分配子层以及输出子层。在编码子模型的各层卷积过程中，实现了对上一层卷积层特征矩阵表示的节点特征的聚合，以及对上一层卷积层邻接矩阵表示的节点个数的聚合，使得每个卷积层得到的特征矩阵都保留了图数据的结构信息。根据特征矩阵得到图特征，再根据图特征得到图数据的图哈希码，因为特征矩阵保留了图数据的结果信息，所以得到的图哈希码更加准确，在根据图哈希码进行图数据检索时，得到的检索结果也更加准确。
-
-
-
-
-
-
-
-
-
Search Results
188
records
(took 0.04 seconds)
