-
公开(公告)号：CN114490959A
公开(公告)日：2022-05-13
申请号：CN202110810163.6
申请日：2021-07-18
Applicant: 北京理工大学
IPC: G06F16/332 , G06F16/33 , G06F16/31 , G06F16/903 , G06F40/194 , G06F40/258 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明涉及一种以关键词为驱动的动态图神经网络多跳阅读理解方法，属于人工智能领域中的自然语言理解技术领域。所述方法以关键词为驱动，分别提取问题与上下文中的关键词；该被提取的关键词辅助模型挑选与问题相关的段落，构建句子间的静态推理图，以及引导模型准确定位答案跨度和证据句；接着计算带有边界意识的答案跨度损失用于强化答案的边界；为了解决跨段落句子信息传输受阻的问题，动态检索上下文中的句子，检索到的句子用于动态更新推理图且使用图神经网络模型在推理图中传递信息；联合训练答案跨度和证据句，最终提取答案和证据句，并加以验证。所述方法更符合人类阅读理解的习惯，具有很好地通用性，实用性强，易于推广。
-
公开(公告)号：CN113222061A
公开(公告)日：2021-08-06
申请号：CN202110598699.6
申请日：2021-05-31
Applicant: 北京理工大学
Abstract: 本发明涉及一种小样本MRI图像分类方法，属于图像识别技术领域。所述方法包括：1)获取待分析的患者MRI图像数据，提取MRI‑T1w和MRI‑T2w时序图像；2)对时序图像进行归一化处理；3)对获取的归一化后数据分成训练集和测试集；4)将训练集的MRI‑T1w和MRI‑T2w时序图像分成两路独立输入到K个卷积层；5)对卷积层数据进行元迁移优化；6)将双路经过元迁移优化K层卷积层的数据进行融合，合成一路数据，输入到全连接层，生成训练好的双路小样本学习MRI图像分类模型，并输出图像分类的结果。本发明提出的双路分析模型能在小样本MRI图像情况下提升图像分类的准确性。
-
公开(公告)号：CN110472533A
公开(公告)日：2019-11-19
申请号：CN201910698243.X
申请日：2019-07-31
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于半监督训练的人脸识别方法，属于计算机视觉领域；首先使用人脸识别数据集作为有标签数据，从互联网上爬取人脸图片作为无标签数据，对于有标签数据和无标签数据，经过人脸检测、对齐得到训练数据；引入基于无标签图片的损失函数，与有标签图片的损失函数一起进行半监督训练；引入任务平衡因子α与数据平衡因子β，平衡有监督任务与无监督任务之间的关系。相比于其他使用无标签数据的人脸识别方法，本发明无需将无标签图片聚类，使用无标签图片的方式更加高效，模型的性能更好；本发明方法在多个人脸识别测试集上均取得了良好的性能提升，具有良好的普适性。
-
公开(公告)号：CN110458750A
公开(公告)日：2019-11-15
申请号：CN201910552097.X
申请日：2019-06-25
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于对偶学习的无监督图像风格迁移方法，属于计算机视觉领域。本发明首先预处理训练数据，然后设计生成器和判别器的网络结构；接下来设计损失函数并用训练数据和损失函数对生成器、判别器进行训练得到无监督图像风格迁移网络ST：引入美学评分模型，最大化生成图像的美学质量评分；同时使用图像的基本像素特征和高级语义特征，作为无监督训练的对偶一致性约束，并动态调整这两种特征的权重；使用风格平衡技术，自适应地调节模型不同风格迁移方向上的收敛速度；最后应用ST对输入图像进行风格迁移。对比现有方法，本发明能生成更高质量的目标图像，具有良好的普适性，同时使模型的训练过程更加稳定，网络结构的选择和设计更加灵活。
-
公开(公告)号：CN104021198B
公开(公告)日：2017-09-01
申请号：CN201410267202.2
申请日：2014-06-16
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于本体语义索引的关系数据库信息检索方法及装置，包括以下步骤：首先通过自动抽取数据库的信息形成本体数据库语义索引，然后按照从索引中提取的用户字典对用户的查询语句进行分词，最终通过sql语句生成算法自动构建sql语句，通过数据库连接形成查询结果返回给用户，从而实现对关系数据库的语义检索。对比现有技术，本发明能够以类非结构化数据查询的方式使用关键字查询结构化数据；同时本发明仅将数据库结构和用户关心的关键信息导入本体知识库，存储开销和同步更新开销均较小，且使用数据库管理系统自身的查询功能实现查询，响应时间也大大提高。
-
Patent Agency Ranking
-
公开(公告)号：CN103368838A
公开(公告)日：2013-10-23
申请号：CN201310277756.6
申请日：2013-07-03
Applicant: 北京理工大学
IPC: H04L12/701 , H04L12/751
Abstract: 本发明涉及一种基于加权社交图的容迟网络转发方法，包括以下步骤：一、为每个节点构建一个本地加权社交图和两个列表：熟悉节点列表和本地社区节点列表；二、每个节点在与其他节点相遇时，更新本地节点和相遇节点的本地加权社交图和两个列表；三、根据更新后内容，对于本地节点的消息缓存中的每一条消息m，判断是否将其转发给相遇节点。本发明提出的方法，由于采用了加权社交图，转发的准确率有显著提高；并且在消息的到达率接近于理想情况的条件下，算法开销显著减少。
-
公开(公告)号：CN119760095A
公开(公告)日：2025-04-04
申请号：CN202411946733.4
申请日：2024-12-27
Applicant: 北京理工大学
IPC: G06F16/3329 , G06F16/334 , G06F16/36 , G06F40/30 , G06N3/042 , G06N3/084 , G06N5/022
Abstract: 本发明提供一种增强大语言模型角色感知的方法，包括：S1、对对话数据集进行处理，获得若干会话和对应的标签；S2、建立记忆机制，获得与当前查询相关的长期历史对话和短期历史对话；S3、结合用户的人格信息和知识图谱，为用户构建用户图；S4、通过图神经网络，利用提示学习进行训练。本发明可以生成和对话历史以及个性化信息一致的回复，提升大语言模型的对话能力，可以丰富用户的对话体验并吸引用户的对话兴趣。
-
公开(公告)号：CN114490959B
公开(公告)日：2024-07-16
申请号：CN202110810163.6
申请日：2021-07-18
Applicant: 北京理工大学
IPC: G06F16/332 , G06F16/33 , G06F16/31 , G06F16/903 , G06F40/194 , G06F40/258 , G06F40/295 , G06F40/30 , G06N3/042 , G06N3/08 , G06N5/04
Abstract: 本发明涉及一种以关键词为驱动的动态图神经网络多跳阅读理解方法，属于人工智能领域中的自然语言理解技术领域。所述方法以关键词为驱动，分别提取问题与上下文中的关键词；该被提取的关键词辅助模型挑选与问题相关的段落，构建句子间的静态推理图，以及引导模型准确定位答案跨度和证据句；接着计算带有边界意识的答案跨度损失用于强化答案的边界；为了解决跨段落句子信息传输受阻的问题，动态检索上下文中的句子，检索到的句子用于动态更新推理图且使用图神经网络模型在推理图中传递信息；联合训练答案跨度和证据句，最终提取答案和证据句，并加以验证。所述方法更符合人类阅读理解的习惯，具有很好地通用性，实用性强，易于推广。
-
公开(公告)号：CN111612711B
公开(公告)日：2023-06-09
申请号：CN202010406857.9
申请日：2020-05-14
Applicant: 北京理工大学
IPC: G06T5/00 , G06N3/0464 , G06N3/08 , G06T7/13
Abstract: 本发明涉及一种基于生成对抗网络改进的图片去模糊方法，属于计算机视觉技术领域。首先处理训练数据，然后设计对抗网络中的生成器网络和判别器网络，融合内容损失、纹理损失、美学评分损失、对抗损失等作为损失函数，加入边缘检测信息与注意力机制，训练对抗网络，得到一个改进的图片去模糊网络；将模糊图片输入该网络，可以生成对应的清晰图片。本方法能够关注纹理信息与生成图片的美感，并且强调生成图片的边缘信息、优化处理图片中的主要物体；改进的图片去模糊网络适用于任何场景的图片，均可产生较高质量的清晰图片，具有较好的普适性。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.024 seconds)
