-
公开(公告)号：CN112016293A
公开(公告)日：2020-12-01
申请号：CN202011137036.6
申请日：2020-10-22
Applicant: 浙江大学
IPC: G06F40/20 , G06F40/295 , G06N3/08
Abstract: 本发明公开了一种基于多实例协同对抗训练的远程监督关系抽取方法，以解决远程监督关系抽取任务中传统多实例学习框架存在的较低的数据使用效率的问题。数据使用率较低的问题是由多实例学习框架倾向于只关注包内的高质量语句，而忽视大量的潜在噪声语句造成的。而本发明的方法协同虚拟对抗训练和对抗训练，分别约束包内的噪声样本和包级的准确特征，在解决数据利用率问题的同时进一步强化模型性能。该方法在效果上优于近些年来一些主流的相关算法。
-
公开(公告)号：CN113111241A
公开(公告)日：2021-07-13
申请号：CN202110378191.5
申请日：2021-04-08
IPC: G06F16/9032 , G06F16/908 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种博弈对话中基于对话历史和强化学习的多轮对话方法，属于智能体和强化学习模型领域。该方法包括如下步骤：首先将多轮对话作为一个有限重复博弈的过程，存储已经结束的完整多轮对话，构建既往对话历史信息库；然后在一个新的多轮对话中，基于记忆网络构建对手行动估计模型，用当前对话已经进行的轮次去检索对话历史信息库，通过多步估计产生对手下一步策略的估计向量；最后基于编码‑解码模型融合当前对话的信息和估计向量，做出下一步的应答。本发明在多轮对话过程中，将既往对话历史的估计向量和当前对话历史的回应向量进行融合，能够更充分地利用了历史信息，使得对话机器人(智能体)具备更高的适应性、做出更好的应答。
-
公开(公告)号：CN112347965A
公开(公告)日：2021-02-09
申请号：CN202011280036.1
申请日：2020-11-16
Abstract: 本发明公开了一种基于时空图的视频关系检测方法和系统。首先，将视频中的实体集合和它们之间的关系建模为一个全连接的时空图，该图包括时间和空间维度邻域中的实体节点。对于关系检测，本发明提出了一种视频关系检测图卷积网络模型(VRD‑GCN)，用于从上下文中聚合信息并在此时空图中进行推理。一方面，VRD‑GCN通过捕捉实体在时空维度上的几何和外观的相对变化来检测实体之间的动态关系。另一方面，通过将时空图中邻域中的节点和上下文的消息传递给目标实体，VRD‑GCN能够产生更准确和完整的检测结果。在检测到视频片段中的关系实例后，用一种使用孪生网络的在线关联方法将整个视频中的短期关系实例合并。该方法对于视频中的关系检测准确率高。
-
公开(公告)号：CN112036170A
公开(公告)日：2020-12-04
申请号：CN202010918084.2
申请日：2020-09-03
Applicant: 浙江大学
IPC: G06F40/279 , G06F16/35 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于类型注意力的神经零样本细粒度实体分类方法，具体为：基于目标实体文本中各单词对应的单词向量，计算目标实体文本表示向量；基于句子中目标实体文本两侧各单词分别对应的语境单词向量，获取目标实体文本的基础语境向量；基于目标实体文本中各实体对应的类型，构建实体类型向量；基于目标实体类型向量及基础语境向量，计算两侧单词分别对应的相关注意力值；基于相关注意力值及基础语境向量，计算目标实体文本的相关语境向量；合并目标实体文本的实体表示向量和相关语境向量，获取整个句子的表示向量，利用已创建的实体类型分类器模型，获取目标实体文本属于各给定类别的分值，并有效改善实体细粒度分类的效果。
-
公开(公告)号：CN112036170B
公开(公告)日：2025-04-29
申请号：CN202010918084.2
申请日：2020-09-03
Applicant: 浙江大学
IPC: G06F40/279 , G06F16/353 , G06F18/22 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于类型注意力的神经零样本细粒度实体分类方法，具体为：基于目标实体文本中各单词对应的单词向量，计算目标实体文本表示向量；基于句子中目标实体文本两侧各单词分别对应的语境单词向量，获取目标实体文本的基础语境向量；基于目标实体文本中各实体对应的类型，构建实体类型向量；基于目标实体类型向量及基础语境向量，计算两侧单词分别对应的相关注意力值；基于相关注意力值及基础语境向量，计算目标实体文本的相关语境向量；合并目标实体文本的实体表示向量和相关语境向量，获取整个句子的表示向量，利用已创建的实体类型分类器模型，获取目标实体文本属于各给定类别的分值，并有效改善实体细粒度分类的效果。
-
Patent Agency Ranking
公开(公告)号：CN118966018A
公开(公告)日：2024-11-15
申请号：CN202411425970.6
申请日：2024-10-14
Applicant: 浙江大学 , 中车株洲电力机车研究所有限公司
IPC: G06F30/27 , G06F30/23 , G06F113/06
Abstract: 本发明公开了一种风电机组IGBT模块多目标快速迭代优化设计方法，首先，基于大型风电机组IGBT模块的实际加工制造与使用要求，建立多目标性能提升优化设计模型，结合参数化建模实现不同设计变量下性能响应模型的快速迭代；接着，基于自学习自适应采样策略的高效代理建模方法，准确评估多目标优化设计模型的性能响应，构建高精度与低成本的设计代理模型；然后，基于自适应带宽核密度估计的遗传算法，引入代理模型辅助的自适应带宽核密度估计遗传算法，对多目标优化设计模型Pareto解集快速准确迭代求解。本发明显著提升风电机组IGBT模块的使用性能，确保其可靠性和经济性，有效提高了多目标优化设计的效率和精度。
-
公开(公告)号：CN117520970B
公开(公告)日：2024-03-29
申请号：CN202410019396.8
申请日：2024-01-05
IPC: G06F18/2431 , G06F17/18 , G06F7/58
Abstract: 本申请提供一种基于多方安全计算的符号位确定方法、装置、系统，涉及计算机技术领域，可以获取秘密数据的第一秘密碎片以及对应于第一伪随机数的第一随机数碎片和第二随机数碎片，并向对端参与方发送第二随机数碎片；对第一秘密碎片中各比特位进行概率截断处理，得到第一中间数组；接收由对端参与方发送的第三随机数碎片，并基于第一随机数碎片、第三随机数碎片、第一中间数组生成第一目标数组；接收由对端参与方发送的第二目标数组，并基于第一目标数组和第二目标数组确定秘密数据的符号位；其中，对端参与方还用于基于第二随机数碎片、第四随机数碎片、秘密数据对应的第二中间数组生成第二目标数组。这样可以节约通信资源，提升通信效率。
-
公开(公告)号：CN117579255B
公开(公告)日：2024-03-29
申请号：CN202410068979.X
申请日：2024-01-17
Abstract: 本发明提供了一种不经意传输实例生成方法、装置、电子设备及介质，涉及数据处理技术领域，基于二选一不经意传输协议和第一选择比特，获取目标伪随机数生成器；基于目标伪随机数生成器生成第二数量个第一随机数；第一选择比特与对应的第一随机数，以及第二参与方基于目标伪随机数生成器对生成的第二数量个第二随机数对，构成第一不经意传输实例；通过不经意传输扩展协议，基于第二数量个第一不经意传输实例生成第三数量个第二不经意传输实例。通过伪随机数生成器自动生成一定数量的第一不经意传输实例，将第一不经意传输实例扩展为数量更多的第二不经意传输实例，有助于提升参与方生成不经意传输实例的效率。
-
公开(公告)号：CN117579255A
公开(公告)日：2024-02-20
申请号：CN202410068979.X
申请日：2024-01-17
Abstract: 本发明提供了一种不经意传输实例生成方法、装置、电子设备及介质，涉及数据处理技术领域，基于二选一不经意传输协议和第一选择比特，获取目标伪随机数生成器；基于目标伪随机数生成器生成第二数量个第一随机数；第一选择比特与对应的第一随机数，以及第二参与方基于目标伪随机数生成器对生成的第二数量个第二随机数对，构成第一不经意传输实例；通过不经意传输扩展协议，基于第二数量个第一不经意传输实例生成第三数量个第二不经意传输实例。通过伪随机数生成器自动生成一定数量的第一不经意传输实例，将第一不经意传输实例扩展为数量更多的第二不经意传输实例，有助于提升参与方生成不经意传输实例的效率。
-
公开(公告)号：CN113111241B
公开(公告)日：2022-12-06
申请号：CN202110378191.5
申请日：2021-04-08
IPC: G06F16/9032 , G06F16/908 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种博弈对话中基于对话历史和强化学习的多轮对话方法，属于智能体和强化学习模型领域。该方法包括如下步骤：首先将多轮对话作为一个有限重复博弈的过程，存储已经结束的完整多轮对话，构建既往对话历史信息库；然后在一个新的多轮对话中，基于记忆网络构建对手行动估计模型，用当前对话已经进行的轮次去检索对话历史信息库，通过多步估计产生对手下一步策略的估计向量；最后基于编码‑解码模型融合当前对话的信息和估计向量，做出下一步的应答。本发明在多轮对话过程中，将既往对话历史的估计向量和当前对话历史的回应向量进行融合，能够更充分地利用了历史信息，使得对话机器人(智能体)具备更高的适应性、做出更好的应答。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
