-
公开(公告)号：CN119961140A
公开(公告)日：2025-05-09
申请号：CN202411706396.1
申请日：2024-11-26
Applicant: 北京航天计量测试技术研究所
IPC: G06F11/3668 , G06N3/10 , G06N5/01
Abstract: 本发明公开一种基于测试充分性的测试数据生成与优化方法，测试数据生成方法，通过将种子输入随机或者按照某种规则进行变换作为新的输入，差异模糊测试框架用于指导神经网络系统暴露异常行为，目的是最大化神经元级覆盖率，并为给定的深度网络模型生成更多的对抗性输入，无需参照其他深度网络模型或手动标记；测试数据优化方法，测试数据优先排序方法以特定条件对测试数据集中的每一个测试数据评估重要程度，然后按照重要程度由高到低的顺序依次选择并执行测试数据，使得重要程度高的测试数据被尽早执行，从而在测试资源受限的情况下提高测试效率；本发明能够根据测试充分性指标指导测试数据生成与优化，提高测试效率和测试可靠性。
-
公开(公告)号：CN119886206A
公开(公告)日：2025-04-25
申请号：CN202411608475.9
申请日：2024-11-12
Applicant: 北京航天计量测试技术研究所
IPC: G06N3/044 , G06N3/0442 , G06N3/0499 , G06N3/096
Abstract: 本发明涉及一种基于多层特征差异的神经网络持续学习性在线评估方法。首先对持续学习过程中被测神经网络每一层的网络参数进行提取，网络参数中包括权重矩阵和偏置向量；然后基于相邻学习任务的权重，针对每一层进行网络参数相似性的提取；紧接着构建长短记忆循环神经模型作为评估模型，以被测网络模型的层深作为时序数据对循环网络评估模型进行训练，评估模型的输入为每一层的被测神经网络的参数相似度，最终输出为被测神经网络当前是否发生遗忘现象；最后，利用训练好的评估模型进行智能神经网络模型的持续学习状态的评估，通过提取当前状态于上一状态的参数相似度参数，输入到循环网络评估模型中，对当前持续学习的状态进行识别评估。
-
公开(公告)号：CN117745529A
公开(公告)日：2024-03-22
申请号：CN202311492811.3
申请日：2023-11-09
Applicant: 北京航天计量测试技术研究所
Abstract: 本发明提供了一种基于数据增广的智能机器人感知测评方法、设备和介质，能够提高机器人的感知能力和测评准确率。本发明将数据增广应用于机器人感知测评领域，通过增强机器人感知能力，提升机器人在复杂环境下的应对能力，用于智能机器人智能感知模型的测试评估，形成智能机器人智能感知模型度量指标体系，建立数据预处理和数据增广方法技术，满足智能机器人测量、控制和信息传输等多种复杂应用场景的智能感知能力测评需求。
-
公开(公告)号：CN117494805A
公开(公告)日：2024-02-02
申请号：CN202311547925.3
申请日：2023-11-20
Applicant: 北京航天计量测试技术研究所
IPC: G06N5/022 , G06F16/242 , G06F16/28
Abstract: 本发明涉及一种计量数据知识图谱平台，该平台包括数据处理模块、数据分析模块、显示模块；数据处理模块，将多源异构计量证书作为数据源，从中抽取出计量逻辑实体和计量实体关系，得到结构化计量校准数据；数据分析模块，对结构化计量校准数据，进行知识消歧和文本对齐处理，去除冗余的逻辑实体名称、冗余的关联关系，将计量逻辑实体和计量实体关系，按照知识图谱的数据模型要素，构建计量知识图谱数据；显示模块，以用户关注的单个计量实体为核心，根据计量知识图谱数据，构建元图谱，再通过计量实体关系将不同的元图谱关联起来，扩展成计量知识图谱，从而实现知识图谱的可视化，基于图数据库路径的查询操作，对计量知识图谱数据进行查询。
-
Patent Agency Ranking
公开(公告)号：CN116756051B
公开(公告)日：2023-11-07
申请号：CN202311041164.4
申请日：2023-08-18
Applicant: 北京航天计量测试技术研究所
Abstract: 一种基于要素分解的深度神经网络测试充分性评估方法，主要步骤包括：测试要素分解，测试参数提取，重要性聚类，突变测试，指标计算，指标评价。该方法通过对黑盒测试与白盒测试方法的要素分解，融合两类方法，完善测试充分性评价机制，同时，结合模型可视化方法，使神经网络决策逻辑更加直观，加强评价的可解释性。该方法能够实现对深度神经网络测试充分性的有效评价，有利于牵引支撑人工智能技术的发展。
-
公开(公告)号：CN119886269A
公开(公告)日：2025-04-25
申请号：CN202411673370.1
申请日：2024-11-21
Applicant: 北京航天计量测试技术研究所
Abstract: 一种人工智能主体深度强化学习不确定性估计方法，主要包括以下步骤：将基于深度强化学习的决策不确定性分解为偶然不确定性和认知不确定性；基于贝叶斯和非贝叶斯方法，计算每个不确定度的基本分量；合成获得标准不确定度以及扩展。该方法突破了传统深度强化学习不确定性估计的建模方法，以贝叶斯和非贝叶斯的方式评估不确定度，能够有效减少人工智能主体深度强化学习探索‑利用所需的时间。
-
公开(公告)号：CN119203796A
公开(公告)日：2024-12-27
申请号：CN202411710010.4
申请日：2024-11-27
Applicant: 北京航天计量测试技术研究所
Abstract: 本发明提出一种基于仿真环境的智能设备环境适应性评估方法，采用构建虚拟仿真环境的手段，从天气配置、工况配置、干扰配置三个维度生成不同的场景数据，然后根据指标体系，计算智能设备的在不同的场景中完成任务的得分，从而完成对智能设备环境适应性的评估；所述天气配置用于提供多种天气条件下的虚拟环境，工况配置用于提供验证环境中的模拟路况，由多种天气条件下的虚拟环境和验证环境中的模拟路况构成的场景数据流为视频格式，视频的每一帧为图片，干扰配置用于模拟电磁干扰对图片形成的扰动。
-
公开(公告)号：CN117520170A
公开(公告)日：2024-02-06
申请号：CN202311490958.9
申请日：2023-11-09
Applicant: 北京航天计量测试技术研究所
Abstract: 本发明提供了一种基于动力学模型的智能化水平测评方法、设备和介质，能够更精确地测量装备的智能化水平，分析并跟踪其动态变化和演进，同时，也可以大大缩短测试时间，降低测评的成本。本发明基于动力学模型实现测评，依托先进的机器学习算法，使用最新颖的动力学模型，能够从受测对象的行为、语言和其他特征动态地测量出该受测对象的特性，大大改进目前常见的量表测量方法，本发明方法可以快速准确地测量受测对象的情感、态度、社交技能、相互作用和绩效表现等鲜明特征，应用于测控装备智能化水平测评，该技术领域涵盖了从学校、科研机构、企业等多个领域的个性化测评需求。
-
公开(公告)号：CN116756051A
公开(公告)日：2023-09-15
申请号：CN202311041164.4
申请日：2023-08-18
Applicant: 北京航天计量测试技术研究所
Abstract: 一种基于要素分解的深度神经网络测试充分性评估方法，主要步骤包括：测试要素分解，测试参数提取，重要性聚类，突变测试，指标计算，指标评价。该方法通过对黑盒测试与白盒测试方法的要素分解，融合两类方法，完善测试充分性评价机制，同时，结合模型可视化方法，使神经网络决策逻辑更加直观，加强评价的可解释性。该方法能够实现对深度神经网络测试充分性的有效评价，有利于牵引支撑人工智能技术的发展。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.033 seconds)
