-
公开(公告)号：CN117688455B
公开(公告)日：2024-05-03
申请号：CN202410158075.6
申请日：2024-02-04
Applicant: 湘江实验室
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06F18/214 , G06N20/00
Abstract: 本申请涉及一种基于数据质量与强化学习的元任务小样本分类方法，该方法包括：分别对标准化处理后的训练集和测试集进行采样，得到采样训练集和采样测试集；将采样训练集和采样测试集组合成一元学习任务；对计算出的每个权重进行归一化，得到每个任务对应的归一化权重；基于每个任务对应的归一化权重，确定每个任务的所属类别；对所属类别为0的任务，进行元策略优化，得到第一元策略以及第一参数；对所属类别为1的任务，进行元强化学习，得到第二元策略以及第二参数；基于第一元策略和第二元策略，得到混合策略；基于第一参数和第二参数，得到混合参数；基于混合策略和混合参数构建目标函数，并最大化目标函数，直至收敛，得到分类模型。
-
Patent Agency Ranking
公开(公告)号：CN118798597B
公开(公告)日：2024-12-17
申请号：CN202411274823.3
申请日：2024-09-12
Applicant: 湘江实验室
IPC: G06Q10/0631 , G06N20/20 , G06N3/0464 , G06N3/126 , G06N7/02 , G06T7/62 , G06T7/70 , G06T7/80 , G06V10/764 , G06F18/25
Abstract: 本申请涉及一种多模态数据驱动的模糊决策机器人调度方法，包括：获取工件表面的图像数据以及声波数据；基于图像数据计算得到工件表面的面积信息、最长边长度信息以及瑕疵的类别信息；对三种信息进行第一预处理，并进行第一层多维立体模糊决策，得到第一决策结果；基于声波数据计算得到瑕疵的深度信息以及位置信息；基于深度信息、位置信息以及第一决策结果，得到立体矩阵；将立体矩阵进行第二层多维立体模糊决策，得到打磨结果；根据工件的打磨结果确定机器人的打磨时间，基于打磨时间并采用遗传算法得到机器人打磨最优调度方案。该方法融合工件的多种数据，实现了对机器人打磨过程的智能监控及最优调度。
-
公开(公告)号：CN117688165B
公开(公告)日：2024-04-30
申请号：CN202410159064.X
申请日：2024-02-04
Applicant: 湘江实验室
IPC: G06F16/332 , G06F40/289 , G06F9/50 , G06F16/36 , G06N3/0442 , G06N5/022 , G06N5/04 , G06Q30/015
Abstract: 本申请的实施例提供了多边缘协同的客服方法、装置、设备和可读存储介质。所述方法包括构建客服系统网络架构；基于所述客服系统网络架构，获取咨询数据；将所述咨询数据转换为对应的文本数据；通过大语言模型对所述文本数据进行处理，生成答案；将所述答案转换为与所述咨询数据格式相同的数据，将转换后的数据发送用户。以此方式，实现了互联网多渠道的接入，针对常见性的问题，能够快速精准的做出回复答案，减少了人力消耗，提高了工作效率；同时针对不同用户的咨询情况，实现了算力的动态调整。
-
公开(公告)号：CN118798597A
公开(公告)日：2024-10-18
申请号：CN202411274823.3
申请日：2024-09-12
Applicant: 湘江实验室
IPC: G06Q10/0631 , G06N20/20 , G06N3/0464 , G06N3/126 , G06N7/02 , G06T7/62 , G06T7/70 , G06T7/80 , G06V10/764 , G06F18/25
Abstract: 本申请涉及一种多模态数据驱动的模糊决策机器人调度方法，包括：获取工件表面的图像数据以及声波数据；基于图像数据计算得到工件表面的面积信息、最长边长度信息以及瑕疵的类别信息；对三种信息进行第一预处理，并进行第一层多维立体模糊决策，得到第一决策结果；基于声波数据计算得到瑕疵的深度信息以及位置信息；基于深度信息、位置信息以及第一决策结果，得到立体矩阵；将立体矩阵进行第二层多维立体模糊决策，得到打磨结果；根据工件的打磨结果确定机器人的打磨时间，基于打磨时间并采用遗传算法得到机器人打磨最优调度方案。该方法融合工件的多种数据，实现了对机器人打磨过程的智能监控及最优调度。
-
公开(公告)号：CN117688455A
公开(公告)日：2024-03-12
申请号：CN202410158075.6
申请日：2024-02-04
Applicant: 湘江实验室
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06F18/214 , G06N20/00
Abstract: 本申请涉及一种基于数据质量与强化学习的元任务小样本分类方法，该方法包括：分别对标准化处理后的训练集和测试集进行采样，得到采样训练集和采样测试集；将采样训练集和采样测试集组合成一元学习任务；对计算出的每个权重进行归一化，得到每个任务对应的归一化权重；基于每个任务对应的归一化权重，确定每个任务的所属类别；对所属类别为0的任务，进行元策略优化，得到第一元策略以及第一参数；对所属类别为1的任务，进行元强化学习，得到第二元策略以及第二参数；基于第一元策略和第二元策略，得到混合策略；基于第一参数和第二参数，得到混合参数；基于混合策略和混合参数构建目标函数，并最大化目标函数，直至收敛，得到分类模型。
-
公开(公告)号：CN117688165A
公开(公告)日：2024-03-12
申请号：CN202410159064.X
申请日：2024-02-04
Applicant: 湘江实验室
IPC: G06F16/332 , G06F40/289 , G06F9/50 , G06F16/36 , G06N3/0442 , G06N5/022 , G06N5/04 , G06Q30/015
Abstract: 本申请的实施例提供了多边缘协同的客服方法、装置、设备和可读存储介质。所述方法包括构建客服系统网络架构；基于所述客服系统网络架构，获取咨询数据；将所述咨询数据转换为对应的文本数据；通过大语言模型对所述文本数据进行处理，生成答案；将所述答案转换为与所述咨询数据格式相同的数据，将转换后的数据发送用户。以此方式，实现了互联网多渠道的接入，针对常见性的问题，能够快速精准的做出回复答案，减少了人力消耗，提高了工作效率；同时针对不同用户的咨询情况，实现了算力的动态调整。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
