公开(公告)号：CN119759510A

公开(公告)日：2025-04-04

申请号：CN202411593826.3

申请日：2024-11-08

Applicant: 武汉大学

Inventor： 刘进 ,  刘子枫 ,  郑思睿 ,  匡秋明 ,  唐卫 ,  王恩强 ,  陈炜鹏 ,  黄勃 ,  崔晓晖 ,  唐永强

IPC: G06F9/48 ,  G06F9/50 ,  G06F18/214 ,  G06F18/2431 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明涉及软件工程与人工智能技术领域，特别涉及一种面向气象领域的自适应指令生成驱动的大模型微调方法，方法包括：构建交通气象种子数据集；基于预设的自适应指令微调策略，对交通气象种子数据集进行数据增广，得到指令数据集；基于预设的ChatGLM3‑6B模型和指令数据集，利用预设的低秩自适应策略对预训练语言模型进行微调，直至微调后的预训练语言模型达到预设性能条件，得到目标语言模型，以通过目标语言模型进行气象预测和/或提供满足预设定制需求的气象信息。由此，解决了相关技术难以创建大规模指令数据集、资源消耗大等问题，能够通过使用自动生成的气象领域指令数据对大模型进行微调，提高了模型在气象领域任务上的性能。

公开(公告)号：CN109299163B

公开(公告)日：2020-07-24

申请号：CN201811417390.7

申请日：2018-11-26

Applicant: 武汉大学

Inventor： 刘进 ,  彭伟强 ,  匡秋明 ,  叶思哲 ,  韩波

IPC: G06F16/2458 ,  G06F16/215 ,  G06N3/04

Abstract: 本发明提供了一种基于卷积神经网络的降水数据的插值方法及装置，其中的方法，首先对已有的高时间分辨率降水数据(48时次，逐小时)进行逐3小时累积处理，接着对处理后的数据上采样至原有时间分辨率(48时次，逐小时)，并在此基础上计算各个时次在对应的逐3小时降水中的比例，然后将上采样之前的数据按照此比例分配到原高时间分辨率，再利用维度变换方法，将得到的数据变换为二维数据，利用卷积神经网络模型对训练数据进行训练以得到合适的模型参数，最后利用训练出的模型对新的低时间分辨率降水数据(16时次,逐3小时)插值到高分辨率降水数据(48时次,逐小时)。实现了获得高时间分辨率降水数据以及提高预测效果的技术效果。

公开(公告)号：CN112417159B

公开(公告)日：2022-04-15

申请号：CN202011201832.1

申请日：2020-11-02

Applicant: 武汉大学

Inventor： 刘进 ,  赵焜松 ,  谢志文 ,  崔晓晖 ,  黄勃 ,  周光有 ,  匡秋明

IPC: G06F16/36 ,  G06F40/211 ,  G06F40/295 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种上下文对齐增强图注意力网络的跨语言实体对齐方法。引入第一知识图谱、第二知识图谱并筛选对齐种子实体集合，把其中每个实体名翻译为英文；从翻译后的对齐种子集中构建训练集和测试集，使用word2vec算法将实体名转换为词向量；通过对每个实体名的词向量求和来分别构建两图谱的初始特征。将训练集划分为上下文对齐种子集和目标对齐种子集，并与前述的初始特征共同作为输入数据；通过跨知识图谱聚合层和基于注意力图神经网络得到包含图谱融合信息和多跳邻居信息的每个实体的特征。本发明充分利用上下文对齐种子集，通过跨知识图谱聚合层传递图谱间的信息；通过基于注意力的图神经网络收集传递实体邻居信息以及跨图谱的实体对齐信息。

公开(公告)号：CN112417159A

公开(公告)日：2021-02-26

申请号：CN202011201832.1

申请日：2020-11-02

Applicant: 武汉大学

Inventor： 刘进 ,  赵焜松 ,  谢志文 ,  崔晓晖 ,  黄勃 ,  周光有 ,  匡秋明

IPC: G06F16/36 ,  G06F40/211 ,  G06F40/295 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种上下文对齐增强图注意力网络的跨语言实体对齐方法。引入第一知识图谱、第二知识图谱并筛选对齐种子实体集合，把其中每个实体名翻译为英文；从翻译后的对齐种子集中构建训练集和测试集，使用word2vec算法将实体名转换为词向量；通过对每个实体名的词向量求和来分别构建两图谱的初始特征。将训练集划分为上下文对齐种子集和目标对齐种子集，并与前述的初始特征共同作为输入数据；通过跨知识图谱聚合层和基于注意力图神经网络得到包含图谱融合信息和多跳邻居信息的每个实体的特征。本发明充分利用上下文对齐种子集，通过跨知识图谱聚合层传递图谱间的信息；通过基于注意力的图神经网络收集传递实体邻居信息以及跨图谱的实体对齐信息。

公开(公告)号：CN109299163A

公开(公告)日：2019-02-01

申请号：CN201811417390.7

申请日：2018-11-26

Applicant: 武汉大学

Inventor： 刘进 ,  彭伟强 ,  匡秋明 ,  叶思哲 ,  韩波

IPC: G06F16/2458 ,  G06F16/215 ,  G06N3/04

Abstract: 本发明提供了一种基于卷积神经网络的降水数据的插值方法及装置，其中的方法，首先对已有的高时间分辨率降水数据(48时次，逐小时)进行逐3小时累积处理，接着对处理后的数据上采样至原有时间分辨率(48时次，逐小时)，并在此基础上计算各个时次在对应的逐3小时降水中的比例，然后将上采样之前的数据按照此比例分配到原高时间分辨率，再利用维度变换方法，将得到的数据变换为二维数据，利用卷积神经网络模型对训练数据进行训练以得到合适的模型参数，最后利用训练出的模型对新的低时间分辨率降水数据(16时次,逐3小时)插值到高分辨率降水数据(48时次,逐小时)。实现了获得高时间分辨率降水数据以及提高预测效果的技术效果。