-
公开(公告)号：CN115376658A
公开(公告)日：2022-11-22
申请号：CN202110736888.5
申请日：2021-06-30
Applicant: 清华大学 , 皖南医学院弋矶山医院
Abstract: 本发明提供了一种基于深度学习的融合表型与分子信息的中药处方人工智能评价方法。本方法首先构建基于卷积神经网络的诊断描述特征智能提取，基于网络嵌入的药物特征智能提取，同时在药物特征中融合了分子信息。进而，基于提取的诊断描述及中药处方特征，设计基于卷积神经网络的中药处方人工智能评价方法。同时，本方法还首次提出了一种基于中药处方相似性的分层采样策略。实验结果表明，我们的方法在中药处方评价性能上要优于基线方法，且优于未添加分子信息的模型，能较好地学习专家经验。我们的方法促进了基于经验的、宏观的传统中医药学走向基于数据的、宏微观结合现代科学，有助于减少中药处方的不合理使用情况，推动中医药的精准化和智能化。
-
公开(公告)号：CN119692457A
公开(公告)日：2025-03-25
申请号：CN202311212066.2
申请日：2023-09-19
IPC: G06N5/04 , G06F18/214 , G06F16/3329
Abstract: 提供了一种语言模型的推理方法以及推理装置。该方法包括：根据第四问题生成第五问题，所述第五问题用于提问所述第四问题、以及提示语言模型回答所述第四问题的回复中不要包括预设内容；所述语言模型根据所述第五问题输出第三回复，所述第三回复不包括所述预设内容。其中，所述语言模型的参数根据第一回复的评价数据更新，所述语言模型根据第一问题输出所述第一回复，所述评价数据用于指示所述第一回复是否包括所述预设内容。该方法可以提高语言模型对预设内容的理解能力，从而更准确地抑制模型输出预设内容。
-
公开(公告)号：CN115019929A
公开(公告)日：2022-09-06
申请号：CN202110241105.6
申请日：2021-03-04
Applicant: 清华大学 , 北京智医网药科技有限公司
Abstract: 本发明提供了一种基于深度学习的融合表型与分子信息的中药处方人工智能评价方法。本方法首先构建基于卷积神经网络的诊断描述特征智能提取，基于网络嵌入的药物特征智能提取，同时在药物特征中融合了分子信息。进而，基于提取的诊断描述及中药处方特征，设计基于卷积神经网络的中药处方人工智能评价方法。同时，本方法还首次提出了一种基于中药处方相似性的分层采样策略。实验结果表明，我们的方法在中药处方评价性能上要优于基线方法，且优于未添加分子信息的模型，能较好地学习专家经验。我们的方法促进了基于经验的、宏观的传统中医药学走向基于数据的、宏微观结合现代科学，有助于减少中药处方的不合理使用情况，推动中医药的精准化和智能化。
-
公开(公告)号：CN115905850A
公开(公告)日：2023-04-04
申请号：CN202111166701.9
申请日：2021-09-30
IPC: G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/08 , G06F16/174
Abstract: 本申请实施例公开了一种数据处理方法，该方法可以应用于持续学习场景。具体的，可以用于实现分类任务或识别任务等。该方法包括：获取第一神经网络，第一神经网络是经过第一数据集训练得到的；基于第一压缩方式压缩第一数据集得到第一压缩数据集；存储第一压缩数据集；获取第二数据集，第二数据集的采集时刻晚于第一数据集的采集时刻；基于第一压缩数据集与第二数据集训练第一神经网络。在持续学习的增量信息带来的存储空间需求暴涨的情况下。存储压缩后的历史数据集，可以减少单个历史数据样本占用的存储空间，增加存储历史数据量。且基于压缩后的历史数据集与新增数据集训练，可以减少第一神经网络出现灾难性遗忘。
-
-
-
Search Results
4
records
(took 0.025 seconds)
