-
公开(公告)号：CN113220827A
公开(公告)日：2021-08-06
申请号：CN202110463202.X
申请日：2021-04-23
Applicant: 哈尔滨工业大学
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/289 , G06N20/00 , G06Q50/02 , G06Q50/20 , G06F16/951
Abstract: 本发明提供了一种农业语料库的构建方法及装置，该方法包括：基于农业语料库的标注体系确定标注工具；基于随机选择的农业样本数据进行第一标注培训，得到机器学习模型；基于主动学习选择的农业样本数据进行第二标注培训，得到训练更新的机器学习模型，并得到更新的标注工具；基于主动学习选择的农业样本数据进行正式标注，得到标注数据；基于农业样本数据及其标注数据构建农业语料库。本发明通过主动学习和标注一致性分析，提升了数据标注的成效，并获得大量规范有效的农业标注数据，解决了当前农业语料库数据混乱的问题。同时，以较少的样本集使机器学习模型训练达到较佳效果，减少了数据标注的消耗，并提升了农业语料库构建的成效。
-
公开(公告)号：CN119313232A
公开(公告)日：2025-01-14
申请号：CN202411460402.X
申请日：2024-10-18
Applicant: 哈尔滨工业大学
IPC: G06Q10/067 , G06Q50/02 , G06N3/0455 , G06N3/08 , G06F18/213 , G06F18/25
Abstract: 本发明提供一种作物生长仿真平台集成方法以及作物生长大模型构建方法，涉及农业信息预测技术领域，包括：获取每个作物在全周期的作物生长状态、作物品种特性、气候因子、土壤特性以及田间管理信息；通过语义分析得到作物在全周期的作物生长变量。对作物生长变量进行自动划分，得到作物生长的动态协变量、静态协变量和时序过程变量并进行嵌入，得到动态协变量、静态协变量和时序过程变量对应的嵌入向量；根据嵌入向量对初始大语言模型进行全参训练得到作物生长大模型。本发明在提高模型的预测精度的同时还增强了模型的泛化能力和适应性，使其能够更好地应对多变的环境条件和不同的作物品种，改善作物生长模型在作物生长状态预测中的使用效果。
-
公开(公告)号：CN117973602A
公开(公告)日：2024-05-03
申请号：CN202410081329.9
申请日：2024-01-19
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q50/02 , G06F18/20 , G06F18/2131 , G06N20/00 , G06N3/04 , G06F123/02
Abstract: 本发明涉及计算机技术领域，提供了一种目标作物生长参数预测方法、装置及存储介质，其中，该方法包括：获取第一时间序列；将第一时间序列输入至目标模型，通过目标模型中的N个因果模块捕获频域内第一时间序列的因果属性，得到目标序列，其中，第i+1个因果模块的输入包括第i个因果模块的输入与第i个因果模块的输出；根据目标序列确定第二时间序列，第二时间段在第一时间段之后。通过本发明，解决了如何提高对未来作物生长参数的预测结果准确性问题。
-
公开(公告)号：CN116578847A
公开(公告)日：2023-08-11
申请号：CN202310621697.3
申请日：2023-05-30
Applicant: 哈尔滨工业大学
IPC: G06F18/15 , G06F18/214 , G06F18/2415 , G06F18/2431 , G06F16/35 , G06F16/36 , G06N5/025 , G06N3/0442 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/0895
Abstract: 本发明涉及医学数据处理技术领域，具体而言，涉及一种医学远程监督关系抽取的降噪方法、装置及设备，医学远程监督关系抽取的降噪方法包括：获取医学训练集；根据医学训练集对关系分类器进行初始训练，得到各个关系类型的预测概率；根据预测概率确定每个关系类型的不确定性；根据每个关系类型的不确定性和预测概率对样本重新分配标签；根据重分配标签的样本对医学训练集进行重构；将重构后的医学训练集输入关系分类器，输出新的预测概率；重复上述方法对关系分类器进行迭代训练，生成关系抽取模型；将医学句子输入训练好的关系抽取模型，输出预测概率。本发明通过降噪重构医学训练集的方式提高关系抽取模型对医学数据预测的准确度。
-
公开(公告)号：CN112347951A
公开(公告)日：2021-02-09
申请号：CN202011253584.5
申请日：2020-11-11
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种手势识别方法、装置、存储介质及数据手套，方法包括：获取数据手套完成当前动作时数据手套的各个传感器采集的传感器数据，所有传感器数据组成一个输入数据；采用主成分分析法对输入数据进行特征提取，获得第二特征数据；将第二特征数据输入训练好的多类SVM分类器，确定当前动作对应的手势；当训练好的多类SVM分类器无法识别当前动作时，对输入数据进行预处理，获得预处理后的数据；将预处理后的数据输入训练好的手势识别模型，输出当前动作对应的手势，其中，手势识别模型是基于卷积神经网络和长短期记忆循环网络建立的。本发明的技术方案能够在提高手势识别速度的同时，保证手势识别的精度。
-
Patent Agency Ranking
公开(公告)号：CN118246554A
公开(公告)日：2024-06-25
申请号：CN202410452960.5
申请日：2024-04-16
Applicant: 哈尔滨工业大学
IPC: G06N5/04 , G06F16/9035 , G06F16/903
Abstract: 本发明提供了一种面向多智能体辩论的检索增强推理方法、装置和设备，涉及人工智能技术领域，面向多智能体辩论的检索增强推理方法包括：当检测到输入数据时，基于所述输入数据进行检索，并构建证据池，所述证据池包括多个与所述输入数据相关的临时检索结果；将所述输入数据和对应的所述临时检索结果输入各所述智能体中，得到对应的临时推理结果；根据所有所述临时推理结果得到最终推理结果，其中，所述智能体基于大语言模型构建；本发明有助于在设计阶段减轻后续改进和调整的负担，从而提高了线路设计质量。
-
公开(公告)号：CN117708296A
公开(公告)日：2024-03-15
申请号：CN202311756728.2
申请日：2023-12-19
Applicant: 哈尔滨工业大学
IPC: G06F16/332 , G06F16/36 , G06N5/022 , G06F40/216
Abstract: 本发明提供了一种任务型对话系统和方法，涉及人工智能领域，该系统包括证据采集模块用于获取用户对话中的问询证据；结果预测模块用于对所述问询证据进行结果标签预测处理，得到标签预测概率，并比较所述标签预测概率与预设预测阈值；证据询问模块用于根据经验知识和领域知识图谱，对所述问询证据进行处理，得到所述问询证据的关键证据，对所述关键证据进行循证处理，得到循证结果，并将所述循证结果发送至所述结果预测模块进行结果标签预测处理。通过本发明通过借助经验知识和专业领域知识，实现提升任务型对话系统问询证据收集和处理的有效性，进而增加最终结果预测的准确性。
-
公开(公告)号：CN112183314B
公开(公告)日：2023-12-12
申请号：CN202011030333.0
申请日：2020-09-27
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V40/16 , G06V10/147 , G06V10/774 , G06V10/82 , G06N3/042 , G01B7/16
Abstract: 本发明提供了一种表情信息采集装置和表情识别方法及系统。表情信息采集装置包括：用于贴合于面部的柔性面膜基底和多个设置于所述面膜基底上的压电薄膜传感器，用于检测人脸的表情动作。表情识别方法包括获取表情信息采集装置采集的预设面部节点集合中所有节点的节点数据，节点数据包括节点的空间位置和节点表情数据的时间序列；根据节点数据，使用经过预训练的图卷积神经网络表情识别模型进行面部表情识别。节点数据利用了传感器直接采集人脸的肌肉和皮肤动作信息，未经图像形式的降维带来的信息损失和失真，更精确信息量更大。传感器的图拓扑分布与图神经网络数据处理方式在数据结构上的内在契合，使得GCN能够得到更好的表情识别结果。
-
公开(公告)号：CN112183315B
公开(公告)日：2023-06-27
申请号：CN202011030408.5
申请日：2020-09-27
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V40/16 , G06V10/774
Abstract: 本发明提供了一种动作识别模型训练方法和动作识别方法及装置。训练方法包括：获取预设动作节点集合中的所有节点的节点数据；根据所述节点数据，计算所述节点集合中所有节点的连接边集合和每条连接边的边数据；根据所述节点数据和所述连接边的边数据，构建动作数据的图结构；以所述动作数据的图结构作为模型输入，表情识别分类结果作为模型输出，对预设的图卷积神经网络表情识别模型进行有监督训练；其中，以所述动作数据的图结构中的所述连接边的边数据作为模型输入。基于图结构来记录和计算动作数据，进一步提升了参与深度学习的有效数据量，可以获得更好的识别精度，且减少对样本数据精确度的依赖。
-
公开(公告)号：CN112420201B
公开(公告)日：2022-09-30
申请号：CN202011341957.4
申请日：2020-11-25
Applicant: 哈尔滨工业大学
IPC: G16H50/50
Abstract: 本发明提供了一种用于ICU死亡率预测的深度级联框架及ICU死亡率预测方法，所述用于ICU死亡率预测的深度级联框架包括：体征子网络和疾病子网络，所述体征子网络包括多个对应于体征类型的节点，所述疾病子网络包括多个对应于疾病类型的节点，所述体征子网络和所述疾病子网络具有相互作用边，所述相互作用边为对应于所述疾病类型的节点与对应于所述体征类型的节点的连接边，其中，所述体征子网络和所述疾病子网络根据节点失效情况进行级联，所述体征子网络和所述疾病子网络均用于输出失效分布，以通过所述失效分布进行ICU死亡率预测。本发明的有益效果：能够方便对ICU患者死亡率进行预测，并使预测具有可解释性。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.027 seconds)
