公开(公告)号：CN117172104A

公开(公告)日：2023-12-05

申请号：CN202311045196.1

申请日：2023-08-18

Applicant: 浙江大学 ,  宁波舟山港集团有限公司

Inventor： 贾丙西 ,  任海东 ,  茹祥宇 ,  杨政 ,  何晓飞 ,  林彬彬 ,  王闻箫

IPC: G06F30/27 ,  G06F119/14

Abstract: 本发明公开了一种基于深度学习的集装箱车辆纵向动力学的加速度预测方法。预先建立一个深度神经网络模型，采集集装箱车辆在加速度已知情况下的纵向动力学参数、车辆自身参数和环境参数，并结合已知的加速度输入到深度神经网络模型中进行训练，然后利用训练后的深度神经网络模型针对待测情况下的集装箱车辆进行加速度预测。本发明能够在各种工况下，保持模型输出的加速度与测量值基本一致，同时显著减小了测量噪声；模型输出的速度与测量值基本一致，显著减小了预测误差，保证模型的最终输出精度。

公开(公告)号：CN115346210A

公开(公告)日：2022-11-15

申请号：CN202210995638.8

申请日：2022-08-18

Applicant: 浙江大学

Inventor： 黄晨晰 ,  彭亮 ,  陈铭浩 ,  吴小沛 ,  王闻箫 ,  林彬彬 ,  蔡登

IPC: G06V20/64 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于单目相机的3D目标检测方法，包括：(1)根据单目相机的成像规则，对于每一个真实目标O，按比例生成具有相似成像的伪目标O′，构成图像数据集；(2)根据设计的质量分数函数，计算伪目标O′的质量分数；(3)使用深度网络提取图像数据集中每一张图像的特征F；(4)利用多层感知机，根据图像的特征F预测物体的3D信息以及预测目标的质量分数；(5)以步骤(2)得到的带有质量分数的伪目标O′和真实目标O作为监督信息，与步骤(4)的预测结果计算损失函数；(6)通过梯度反向传播，训练深度网络和多层感知机；(7)深度网络和多层感知机训练完毕，进行3D目标检测的应用。利用本发明，可大大提升单目目标检测的质量。

公开(公告)号：CN119646140A

公开(公告)日：2025-03-18

申请号：CN202411673706.4

申请日：2024-11-21

Applicant: 浙江大学

Inventor： 许伟鑫 ,  潘伟航 ,  林彬彬 ,  蔡登

IPC: G06F16/3329 ,  G06F16/334 ,  G06F16/34 ,  G06N5/04 ,  G06F40/35 ,  A63F13/822

Abstract: 本发明公开了一种基于人设背景大语言模型的角色扮演聊天机器人实现方法，包括：收集大量文学作品的文本数据，利用大模型提取角色对话、动作及摘要，同时提取角色设定信息；从角色对话中提取双人多轮对话，与角色设定匹配，形成初步数据集；将初步数据集转换为Json格式，构建结构化的多轮对话数据集；采用LoRA方法和DPO方法对大语言模型进行微调；基于微调后的大语言模型构建聊天机器人，整合角色信息、背景故事、历史对话摘要及少量示例对话，形成动态提示词框架；为聊天机器人构建智能聊天框架，包括时间计划模块、主动推送模块和延迟聊天模块。利用本发明，可有效提升对话质量、角色个性化、角色一致性、交互连贯性及用户体验。

公开(公告)号：CN119476451A

公开(公告)日：2025-02-18

申请号：CN202510067225.7

申请日：2025-01-16

Applicant: 浙江大学

Inventor： 王闻箫 ,  邱奇波 ,  林彬彬 ,  何晓飞

IPC: G06N5/022 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/044 ,  G06N3/08

Abstract: 本发明公开了一种基于混合保留度的专家大模型训练方法，包括：在选定基础大模型的任意层后面插入混合保留度层，得到专家大模型；对混合保留度层进行设置；所述混合保留度层由M个专家组成，其中每个专家均具有预先设定的参数；在混合保留度层中引入路由模块，根据输入特征动态选择专家，通过高斯噪声向量增加路由的随机性；并通过设置策略来设置M个专家的参数值；通过任务相关的损失函数和负载均衡损失函数以训练混合保留度层，在训练过程中，混合保留度层保持可训练状态，而专家大模型的其他部分保持冻结状态。本发明设计的负载均衡损失，使得每个专家被充分训练；并且从源头保证每个专家存在差异性。

公开(公告)号：CN119440718A

公开(公告)日：2025-02-14

申请号：CN202411415621.6

申请日：2024-10-11

Applicant: 浙江大学

Inventor： 赵洋 ,  王闻箫 ,  林彬彬 ,  蔡登

IPC: G06F9/455 ,  G06F9/50

Abstract: 本发明公开了一种在分布式流计算引擎Apache Flink中实时均衡负载的方法，包括在Flink内核中新增可以进行子任务重新分配的重启功能及其接口；为Flink增加根据节点数评估子任务计算量并综合考虑计算节点计算能力的子任务分配策略；在新增计算节点时自动将正在执行中的流任务的工作负载均衡到新增计算节点上；在遇到突发流量时自动均衡计算节点集群的工作负载。本发明依靠高效的重启功能、更加均衡的子任务分配策略、更实时且自动的均衡负载手段，使本发明方法在保证用户无感知的前提下，能更快、更好的实现分布式Flink系统的负载均衡，提升流计算引擎整体的任务执行效率和资源利用率。

公开(公告)号：CN119311831A

公开(公告)日：2025-01-14

申请号：CN202411429216.X

申请日：2024-10-14

Applicant: 浙江大学

Inventor： 陈传乐 ,  武伯熹 ,  林彬彬 ,  蔡登

IPC: G06F16/3329 ,  G06N5/04 ,  G06F40/30 ,  G06F40/289

Abstract: 本发明公开了一种针对异构数据库混合检索生成增强的知识问答方法及系统，其中，方法包括以下步骤：(1)处理文本数据，构建异构数据库；(2)接收用户查询，在异构数据库中进行混合检索；合并检索结果，得到与用户查询相关的文档和三元组信息；(3)使用重排序模型对检索到的文档和三元组信息进行重新排序，选出与用户查询相关度最高的K个检索结果；(4)将用户查询与检索结果组合，构建提示词并输入到大语言模型中，生成连贯且准确的自然语言答案。利用本发明，可以实现更加全面、准确的信息检索，提升知识问答结果的准确性和可靠性。

公开(公告)号：CN119047671A

公开(公告)日：2024-11-29

申请号：CN202411011372.4

申请日：2024-07-26

Applicant: 浙江大学

Inventor： 周于嵛 ,  潘伟航 ,  林彬彬 ,  蔡登 ,  何晓飞

IPC: G06Q10/047 ,  G06N3/0455 ,  G06N3/092

Abstract: 本发明公开了一种基于深度强化学习的大规模旅行商问题求解方法，包括：(1)将大规模旅行商问题建模为马尔科夫决策过程；(2)随机生成一系列大规模旅行商问题实例并进行数据增强，得到训练数据；(3)构建基于端到端深度强化学习的大规模旅行商问题求解模型架构，该模型包括编码器和解码器，编码器采用快速注意力机制作为注意力层，解码器使用一个特殊的上下文节点来表示当前的解码状态；(4)设计决策网络，训练模型；决策网络选择REINFORCE，利用深度强化学习方法中的对称性对REINFORCE算法进行改进；(5)利用训练好的模型进行旅行商问题求解，并对求解结果进行优化。本发明可以解决大规模旅行商问题求解中时间效率和内存占用的双重挑战。

公开(公告)号：CN119292342A

公开(公告)日：2025-01-10

申请号：CN202411654924.3

申请日：2024-11-19

Applicant: 浙江大学

Inventor： 文世伟 ,  潘伟航 ,  蔡登 ,  林彬彬

IPC: G05D1/695 ,  G05D109/20

Abstract: 本发明公开了一种基于深度多智能体强化学习的无人机集群协同搜索方法及系统，包括：定义追踪者无人机、侦察者无人机和智能目标无人机；为每个无人机智能体初始化行动者网络、评论家网络和经验回放缓冲区；每个无人机智能体根据当前状态，通过其行动者网络选择动作并执行，当环境返回新的状态和对应的奖励后，将交互经验存储到经验回放缓冲区；从经验回放缓冲区中随机抽取一批经验样本，更新评论家网络；使用评论家网络来计算梯度，根据这些梯度更新每个智能体的行动者网络；持续进行智能体的交互、数据收集、网络训练和目标网络更新，直至达到一定的训练周期或性能标准。本发明可以提高无人机集群在复杂环境中执行协同搜索任务的效率和安全性。

公开(公告)号：CN118332417A

公开(公告)日：2024-07-12

申请号：CN202410427181.X

申请日：2024-04-10

Applicant: 浙江大学

Inventor： 潘伟航 ,  赵伟 ,  项超 ,  王雅菲 ,  许伟鑫 ,  谢亮 ,  林彬彬 ,  王闻箫 ,  蔡登 ,  何晓飞

IPC: G06F18/2411 ,  G06N3/126 ,  G06F18/214

Abstract: 本发明公开了一种基于深度强化学习的船舶配载方法，本发明通过退火遗传算法对历史配载数据进行操作得到大量的，较为准确的集装箱‑箱位映射关系，从而提供了大量的标签，同时将集装箱和箱位的空间信息和特征信息进行池化、卷积操作得到包含空间信息、特征信息和与其他集装箱相关联信息的嵌入向量，将该标签和嵌入向量作为训练样本，通过监督学习能够较好的训练出能够较为准确的预测集装箱‑箱位映射关系的演员网络，本发明还基于预测的集装箱‑箱位映射关系构建有向无环图，基于构建的有向无环图能够准确得到集装箱的配载顺序，综上两点本发明提供的方法能够在合理的时间内得到船舶配载问题的最优解，且复用性较高，本发明还公开了一种基于深度强化学习的船舶配载装置。

公开(公告)号：CN117037117A

公开(公告)日：2023-11-10

申请号：CN202311051356.3

申请日：2023-08-17

Applicant: 浙江大学

Inventor： 何方政 ,  王闻箫 ,  林彬彬 ,  蔡登

IPC: G06V20/58 ,  G06V10/80 ,  G06V10/26

Abstract: 本发明公开了一种基于栅格坐标系下多特征融合的高效障碍物检测方法，包括：(1)从时序激光雷达点云数据与相机数据中获取同帧数据；(2)将激光雷达点云数据通过手工制作特征得到栅格坐标系下的激光雷达栅格特征；(3)将同一时刻的多视角相机数据进行特征提取得到二维图像特征I；(4)通过注意力投射模块，利用激光雷达栅格特征将二维图像特征I投影到三维空间，转换成相机栅格特征；(5)将步骤(2)和(4)得到的激光雷达栅格特征和相机栅格特征进行融合得到混合特征；(6)将步骤(5)得到的混合特征通过语义分割网络实现最终的栅格地图下的障碍物检测。本发明不仅很好地保留了几何和语义的信息，同时大大减少了障碍物检测时间。