-
公开(公告)号：CN118396606B
公开(公告)日：2025-04-11
申请号：CN202410866083.6
申请日：2024-07-01
Applicant: 南方科技大学
Abstract: 本发明涉及一种基于多模态大模型的制造业产品生产优化方法。其中的方法步骤包括：根据所述深度融合分析结果判断当前产品生产线状态是否异常；若所述当前产品生产线状态正常，则对多种所述模态原始数据及所述深度融合分析结果进行存档备份；若所述当前产品生产线状态异常，通过所述多模态大模型对共享语义子空间的模态数据进行分析，得到生产故障信息；将所述生产故障信息归类，获得所述生产故障信息对应的故障类型。可以充分利用多模态数据之间的相关性和互补性，得到全面、准确的分析结果，充分利用多模态大模型对多模态数据的理解分析能力，从而为优化生产线资源调度提供数据支持。
-
公开(公告)号：CN119169203B
公开(公告)日：2025-02-07
申请号：CN202411658253.8
申请日：2024-11-20
Applicant: 南方科技大学
Abstract: 本申请涉及三维空间生成式智能体生成方法、装置及电子设备。包括：通过基于预设场景元素搭建三维的活动场景，并搭建活动场景的时间系统；导入初始虚拟对象，设置初始虚拟对象的个人信息；初始虚拟对象为三维模型；创建初始虚拟对象的记忆库；基于初始虚拟对象创建动画器组件以及寻路组件，生成生成式智能体；动画器组件用于控制生成式智能体执行动作，寻路组件用于在活动场景中对生成式智能体导航，生成式智能体用于执行预设任务，预设任务基于个人信息、记忆库中存储内容、时间系统的时间点与活动场景中的地点生成，能够构建三维的活动场景和智能体对象，实现了智能体在三维场景中自动寻路功能，并能根据周围环境和自身情况自动执行任务。
-
公开(公告)号：CN118779365A
公开(公告)日：2024-10-15
申请号：CN202411113457.3
申请日：2024-08-14
Applicant: 南方科技大学 , 深圳市铠硕达科技有限公司
IPC: G06F16/2458 , G06F16/248 , G06F18/241 , G06F18/2135 , G06N5/022 , G06N3/044 , G06Q50/20
Abstract: 本申请涉及一种基于大模型和知识图谱的校园霸凌防控方法。包括：采集学生的学生个人信息以及历史行为记录，对历史行为记录进行分类；基于学生个人信息和历史行为记录的分类结果构建学生信息知识图谱；基于学生信息知识图谱构建学生行为预测模型；通过预设大模型采集历史校园霸凌案件及其处理结果；基于历史校园霸凌案件与处理结果建立霸凌案件知识库；根据霸凌案件知识库结合特征工程构建霸凌案件处理模型；集成学生行为预测模型以及霸凌案件处理模型生成校园霸凌防控系统，能够结合知识图谱和大模型，为学校霸凌防控智能化构建校园霸凌防控系统，进一步提供了霸凌处理方法，完善了校园霸凌防控的处理环节，提高霸凌处理的针对性。
-
公开(公告)号：CN118689999A
公开(公告)日：2024-09-24
申请号：CN202411162259.6
申请日：2024-08-23
Applicant: 南方科技大学 , 深圳市铠硕达科技有限公司
IPC: G06F16/332 , G06F40/30 , G06F40/211 , G06F40/284 , G06F16/33 , G06Q50/20
Abstract: 本申请涉及一种基于大模型的校园欺凌防控专家系统。该系统至少包括：问题获取模块，用于响应于针对校园欺凌的问题查询指令，获取用户输入的问题内容；向量化模块，用于通过预设嵌入模型对问题内容进行向量化，获得问题句向量；语义分析模块，用于获取本地段落向量，将问题句向量与本地段落向量进行相似度匹配，确定至少一个相似段落向量以及相似段落向量的评分；提示词生成模块，用于根据评分和预设阈值生成与问题内容对应的提示词；答案生成模块，用于将提示词输入至大模型，输出至少一条校园欺凌防控答案。本申请提供的方案，能够参与校园欺凌的全过程，为每个阶段准确提供相应的校园欺凌防控答案，全面应对复杂多变的校园欺凌事件。
-
公开(公告)号：CN113593713B
公开(公告)日：2024-08-02
申请号：CN202011615837.9
申请日：2020-12-30
Applicant: 南方科技大学
IPC: G16H50/80 , G06Q10/0631 , G06Q10/0635 , G06Q10/0639 , G06Q50/26
Abstract: 本发明实施例公开了一种疫情防控方法、装置、设备和介质。方法包括：获取疫情防控区域中每个人员的移动数据；基于每个人员的移动数据，确定疫情防控区域的网络结构，其中网络结构包括多个子区域；基于网络结构中的子区域，确定疫情防控区域的社区结构，其中社区结构包括多个社区，且每个社区包括至少一个子区域；在社区结构中出现确诊人员时，确定确诊人员所属社区，以对社区的防疫措施进行调整。本发明实施例实现对疫情进行有效防控，降低疫情传播速度，提高疫情防控效果。
-
Patent Agency Ranking
公开(公告)号：CN118384503A
公开(公告)日：2024-07-26
申请号：CN202410844808.1
申请日：2024-06-27
Applicant: 南方科技大学
Abstract: 本发明提供一种基于大语言模型的NPC交互优化方法，包括：获取地图环境中的NPC的未来行动序列；基于未来行动序列，确定NPC当前的最小时间单位的行动指引；获取NPC在地图环境中的感知经历；基于大语言模型，根据行动指引、感知经历，确定行动指引是否执行；当为执行时，基于行动指引，在地图环境中对NPC进行相应的移动；当NPC之间发起远程/近程对话时，基于大语言模型，根据发起远程/近程对话的NPC的感知经历，生成对话语句；基于所述对话语句，控制发起远程/近程对话的NPC之间进行相应的对话。克服了现有技术中无法完全模拟出现实生活的最小时间单位导致的NPC路径瞬移问题，实现了多NPC给出自己观点的对话模拟，真正模拟出现实生活中多人群聊的场景。
-
公开(公告)号：CN117892817B
公开(公告)日：2024-07-02
申请号：CN202410299830.2
申请日：2024-03-15
Applicant: 南方科技大学
Abstract: 本发明涉及一种基于制造业全业务全产品生命周期数据的知识图谱构建方法，该方法包括以下步骤：S10、基于专家知识，自顶向下构建初步的知识图谱，所述知识图谱的构建定义关键实体类型及关键实体之间的关系；S20、追踪并采集部分的制造业产品完整的全生命周期数据，用于作为最基础的含标签的训练数据，然后对于大量全生命周期的统计级别数据，将所述统计级别数据根据时间维度划分成多个子图；S30、构建图马尔可夫模型，对于每个相邻的时间片段，分析所述子图的初始状态以及状态间的最终状态的值，并计算出变化差值作为训练数据，以此带入所述图马尔可夫模型中，推导出关键实体之间的状态转移矩阵；S40、利用所述状态转移矩阵构建最终的时序知识图谱。
-
公开(公告)号：CN116561398B
公开(公告)日：2024-01-23
申请号：CN202310842571.9
申请日：2023-07-11
Applicant: 南方科技大学
IPC: G06F16/907 , G06F16/901 , G06F17/16
Abstract: 本发明提供的一种哈希检索模型构建方法、系统、电子设备及存储介质，通过输入相似度矩阵以及输出相似度矩阵构建第一目标函数并求解得到最优投影矩阵，再引入旋转矩阵构建第二目标函数，将第二目标函数分解成第一子目标函数以及第二子目标函数，分别求解最优输出变量以及最优旋转矩阵，使得通过训练旋转矩阵，能够学习到数据不同维度的特征以及数据各维度信息平衡的紧凑二值编码，解决现有技术中存在数据信息丢失以及数据不均匀分布的问题；同时，基于最优输出变量以及最优旋转矩阵得到哈希检索模型用于数据检索，相较于基于神经网络的图像数据分类方法，能够针对不同的检索数据进行检索，从而数据提高检索效果。
-
公开(公告)号：CN117197884A
公开(公告)日：2023-12-08
申请号：CN202310725855.X
申请日：2023-06-16
Applicant: 南方科技大学 , 深圳市铠硕达科技有限公司
IPC: G06V40/20 , G06V10/764 , G06V10/774 , G06F18/241 , G06F18/214 , G06Q50/20
Abstract: 本发明公开了一种校园不友善行为防控方法、装置、设备和存储介质，方法包括：实时采集传感器数据，所述传感器数据包括通过红外摄像头采集的温度分布图像、通过毫米波雷达采集的毫米波数据以及通过声音检测器采集的语音数据；根据所述传感器数据，通过预设的训练好的深度学习模型进行不友善行为判别，得到判别结果；若判别结果为有不友善行为，则启动预设的预警管控方案。本发明可在保护隐私的前提下实现不友善行为的判别，扩大不友善行为监管和防控的范围，且可保证不友善行为的判别准确率。
-
公开(公告)号：CN112216257B
公开(公告)日：2023-08-15
申请号：CN202011046519.5
申请日：2020-09-29
Applicant: 南方科技大学
Abstract: 本发明公开了一种音乐风格迁移方法、模型训练方法、装置和存储介质，模型训练方法包括获取训练样本；根据训练样本和噪声样本获取生成器和鉴别器；将训练样本输入到生成器中，得到伪样本；将训练样本和伪样本输入到鉴别器中，获取生成损失和对比损失；将伪样本输入到生成器中，得到重建样本；计算训练样本和重建样本的重建损失；将干扰域样本和伪样本输入到鉴别器中，获取鉴别损失；利用梯度下降法，通过生成损失、对比损失、重建损失和鉴别损失训练生成器和鉴别器。通过将目标域对比损失运用到音频领域以提取并学习目标域的高级特征，实现将音乐风格迁移到不同音乐域的目标，大大降低了音乐风格迁移的训练成本。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.031 seconds)
