一种快速高效的人机协作程序翻译方法

    公开(公告)号:CN115421734A

    公开(公告)日:2022-12-02

    申请号:CN202211077086.9

    申请日:2022-09-05

    Abstract: 本发明涉及一种快速高效的人机协作程序翻译方法,包括:1.当程序翻译模型翻译源程序时,软件工程师修正输出代码并将编辑结果以前缀的形式反馈给程序翻译模型;2.后续的重译过程分成两个部分:1).对于前缀的生成,使用缓存的注意力信息来去除下一轮重复的前缀。2).对于其余的生成部分,在每个时间步上,提出了一个两阶段的方法来确定该位置是否能被某个已知后缀所拼接。如果可以,则提前中止推理。这种交互将重复进行,直到软件工程师对结果满意为止。通过上述方法,有效地将人类智能和机器智能结合,提高了程序翻译最终结果的准确性,减少软件工程师的工作量,并大幅度减少了由于程序长度过大而导致的在协作过程中的响应时延。

    一种基于人机协作的医疗诊断方法及系统

    公开(公告)号:CN115132350A

    公开(公告)日:2022-09-30

    申请号:CN202210693972.8

    申请日:2022-06-19

    Abstract: 本发明涉及一种基于人机协作的医疗诊断方法及系统,它使用BERT+CRF在患者对话中识别患者已有的症状,并使用基于DQN的方法让机器选择下一个需要和患者询问并确认的症状。机器获得患者症状后,结合知识库,计算患者患某种疾病的概率并生成患者电子病历。人类医生介入结合机器问诊结果进行复诊,给出最终诊断结果。该方法有效地结合了机器智能与人类智能,由机器代替人类医生进行症状询问,极大地减少了人类医生的工作量,提高了在线问诊效率。同时人类医生的介入,可以保证机器问诊结果的可靠性,并提升患者就诊满意度。

    一种面向移动应用的自动生成人在环深度神经网络方法

    公开(公告)号:CN116522997A

    公开(公告)日:2023-08-01

    申请号:CN202310401450.0

    申请日:2023-04-15

    Abstract: 本发明公开了一种面向移动应用的自动生成人在环深度神经网络方法H‑Gen,首先确定要生成的H‑DNN架构,接下来H‑Gen框架将用户指定的性能要求和资源限制作为输入,并搜索模型压缩程度和人类注释到H‑DNN;然后H‑Gen在训练阶段通过结合模型压缩技术和人工标注的程度作为超参数搜索空间,计算相应的性能和资源指标,并采取两阶段基于强化学习的优化策略来生成H‑DNN;之后在移动设备上加载生成的H‑DNN以进行人在回路推理;最后H‑DNN将评估每个输入样本的推理置信度,低置信度的样本会被送到众包平台进行人工注释,然后反馈给模型,完成最后的推理。通过上述方法,将人类参与作为新的超参数纳入高效H‑DNN生成的设计空间以实现更好的性能‑资源权衡,有效地将人类智能和机器智能结合。

Patent Agency Ranking