-
公开(公告)号：CN113807374A
公开(公告)日：2021-12-17
申请号：CN202010536138.9
申请日：2020-06-12
Applicant: 富士通株式会社
Abstract: 本申请公开一种信息处理装置、信息处理方法和计算机可读存储介质。该信息处理装置包括：约束条件生成单元，基于样本集生成多个约束条件；样本分组单元，将样本集分组为与多个约束条件一一对应的多个样本子集；候选约束条件选择单元，选择目标对象符合的一个或更多个约束条件作为候选约束条件；模型训练单元，通过进行训练获取与每个候选约束条件对应的相应的经训练的白盒模型；白盒模型分数计算单元，基于与经训练的白盒模型对应的约束条件的置信度和/或支持度以及经训练的白盒模型的分类性能计算经训练的白盒模型的分数；以及分析结果输出单元，输出候选约束条件以及与候选约束条件对应的经训练的白盒模型的分数，作为目标对象的分析结果。
-
公开(公告)号：CN119444317A
公开(公告)日：2025-02-14
申请号：CN202310946739.0
申请日：2023-07-28
Applicant: 富士通株式会社
IPC: G06Q30/0241 , G06Q30/0251 , G06F18/21 , G06F18/22 , G06F40/103 , G06N5/022
Abstract: 公开了生成广告脚本的方法和装置以及存储介质。该方法包括：由大型语言模型接收用户的第一提示语，并且基于第一提示语生成任务列表，所述任务列表包括多个步骤的描述内容，所述多个步骤至少与识别产品的特点和优势有关；基于从所述多个步骤的描述内容中提取的关键字在网络上搜索与产品有关的信息，并且利用搜索到的信息建立本地知识库；由大型语言模型接收来自本地知识库的内容，并且基于所接收的内容生成报告，所述报告至少包含产品的特点和优势；由大型语言模型基于所述报告生成产品的广告脚本。
-
公开(公告)号：CN113128544A
公开(公告)日：2021-07-16
申请号：CN202010043527.8
申请日：2020-01-15
Applicant: 富士通株式会社
Abstract: 公开了训练人工智能模型的方法和装置。该模型用于处理张量数据并且输出指示多种类别之一的分类结果，张量数据包括多个元素，每个元素包括多个特征。该训练方法包括：对张量数据进行分解以获得核心张量；基于核心张量执行第一解释算法，以确定每个元素对于每种类别的贡献分，其中，贡献分表示该元素对于该类别被确定为分类结果的贡献程度；在多个元素中选择贡献分大于阈值的元素；针对所选择的每一个元素，利用第二解释算法来确定该元素中的每个特征对于每种类别的重要性分数；基于重要性分数来选择特征，并且基于所选择的特征来构建张量数据训练样本；利用构建的张量数据训练样本来训练该模型。
-
公开(公告)号：CN113032553B
公开(公告)日：2024-08-06
申请号：CN201911250452.4
申请日：2019-12-09
Applicant: 富士通株式会社
Abstract: 本公开涉及信息处理方法和信息处理装置。根据本公开的信息处理装置包括：提取单元，被配置成将多路数据转换为张量数据并且提取所述张量数据的核心张量；聚类单元，被配置成对所述核心张量执行聚类处理；贡献度计算单元，被配置成针对所述核心张量的每个簇，计算所述张量数据的各分量数据的贡献度；以及降采样单元，被配置成基于所述贡献度对所述张量数据执行降采样处理。根据本公开的信息处理装置和信息处理方法在保留张量数据的高阶特征的同时减小张量数据的存储空间和处理成本，提高用于张量数据的分类模型的分类准确性。
-
Patent Agency Ranking
公开(公告)号：CN116090556A
公开(公告)日：2023-05-09
申请号：CN202111276397.3
申请日：2021-10-29
Applicant: 富士通株式会社
Abstract: 公开了信息处理方法、信息处理装置和存储介质。一种用于对机器学习模型的预测结果进行解释的方法，包括：基于机器学习模型的训练样本集以及相应的已知标签来提取多个规则；确定在多个规则之中待预测样本所符合的一个或多个匹配规则；生成针对机器学习模型的解释模型，该解释模型提供对于机器学习模型针对单个待预测样本所生成的预测结果的解释；生成与匹配规则分别对应的反事实规则；在训练样本集中确定符合反事实规则之一的训练样本，并且形成包含所确定的训练样本的反事实候选集；基于多个目标函数针对反事实候选集执行多目标优化，以生成反事实解释，该反事实解释为待预测样本提供改变预测结果所需要满足的条件。
-
公开(公告)号：CN118279622A
公开(公告)日：2024-07-02
申请号：CN202211705084.X
申请日：2022-12-29
Applicant: 富士通株式会社
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本公开内容涉及生成分类模型的方法、图像分类方法及训练辅助分类模型的装置。根据本公开内容的一个实施例，提供了一种用于生成分类模型的方法。该方法包括：对包括编码器和与编码器的输出端连接的第一后模块的辅助分类模型进行迭代训练；以及通过将迭代训练后的辅助分类模型的编码器与第二后模块连接来生成分类模型；其中，编码器被配置成确定输入图像的用于分类的表示特征；第一后模块被配置成基于表示特征以放大由编码器引起的偏见的方式确定分类概率向量。
-
公开(公告)号：CN113128544B
公开(公告)日：2024-06-18
申请号：CN202010043527.8
申请日：2020-01-15
Applicant: 富士通株式会社
IPC: G06F18/2431 , G06F18/211 , G06F18/214 , G06N20/00
Abstract: 公开了训练人工智能模型的方法和装置。该模型用于处理张量数据并且输出指示多种类别之一的分类结果，张量数据包括多个元素，每个元素包括多个特征。该训练方法包括：对张量数据进行分解以获得核心张量；基于核心张量执行第一解释算法，以确定每个元素对于每种类别的贡献分，其中，贡献分表示该元素对于该类别被确定为分类结果的贡献程度；在多个元素中选择贡献分大于阈值的元素；针对所选择的每一个元素，利用第二解释算法来确定该元素中的每个特征对于每种类别的重要性分数；基于重要性分数来选择特征，并且基于所选择的特征来构建张量数据训练样本；利用构建的张量数据训练样本来训练该模型。
-
公开(公告)号：CN114595823A
公开(公告)日：2022-06-07
申请号：CN202011310775.0
申请日：2020-11-20
Applicant: 富士通株式会社
Abstract: 本公开内容涉及用于对机器学习模型的处理结果进行解释的信息处理装置和信息处理方法。该信息处理装置包括：提取单元，其基于机器学习模型的训练样本集合以及机器学习模型对训练样本集合的处理结果提取规则；筛选单元，其基于训练样本集合的分布以及提取单元提取的规则的分布来对提取单元提取的规则进行筛选；以及解释单元，其使用筛选单元筛选的规则对机器学习模型对单个待测样本的处理结果进行解释。根据本公开内容的信息处理技术，能够针对不同的样本基于样本的特征之间的相关性对机器学习模型的处理结果进行解释。
-
公开(公告)号：CN113032553A
公开(公告)日：2021-06-25
申请号：CN201911250452.4
申请日：2019-12-09
Applicant: 富士通株式会社
Abstract: 本公开涉及信息处理方法和信息处理装置。根据本公开的信息处理装置包括：提取单元，被配置成将多路数据转换为张量数据并且提取所述张量数据的核心张量；聚类单元，被配置成对所述核心张量执行聚类处理；贡献度计算单元，被配置成针对所述核心张量的每个簇，计算所述张量数据的各分量数据的贡献度；以及降采样单元，被配置成基于所述贡献度对所述张量数据执行降采样处理。根据本公开的信息处理装置和信息处理方法在保留张量数据的高阶特征的同时减小张量数据的存储空间和处理成本，提高用于张量数据的分类模型的分类准确性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
