-
公开(公告)号：CN114492412A
公开(公告)日：2022-05-13
申请号：CN202210124098.6
申请日：2022-02-10
Applicant: 湖南大学
IPC: G06F40/279 , G06N20/20 , G06F40/126 , G06F40/166 , G06F40/216
Abstract: 本发明公开了一种面向中文短文本的实体关系抽取方法，包括获取中文数据，并进行预处理，对不足预设句子长度的文本进行扩充，并进行标记，得到处理后文本；对处理后文本进行特征提取；构建头实体标注模型，并进行头实体预测；构建特定关系的尾实体标注模型，进行尾实体预测，获取每个参与方的最后的三元组；利用横向联邦学习协同训练，获取最终损失，获得最终实体关系抽取模型，并对当前中文短文本进行实体关系抽取。本发明可以有效保证数据的隐秘，提高数据安全性，同时区别与传统的联邦学习，在融合了知识蒸馏的思想之后，避免了关系抽取模型参数太大，缩减了很大一部分的网络开销和时间开销，能够安全高效地对中文短文本的实体关系进行抽取。
-
公开(公告)号：CN114492412B
公开(公告)日：2024-10-01
申请号：CN202210124098.6
申请日：2022-02-10
Applicant: 湖南大学
IPC: G06F40/279 , G06N20/20 , G06F40/126 , G06F40/166 , G06F40/216
Abstract: 本发明公开了一种面向中文短文本的实体关系抽取方法，包括获取中文数据，并进行预处理，对不足预设句子长度的文本进行扩充，并进行标记，得到处理后文本；对处理后文本进行特征提取；构建头实体标注模型，并进行头实体预测；构建特定关系的尾实体标注模型，进行尾实体预测，获取每个参与方的最后的三元组；利用横向联邦学习协同训练，获取最终损失，获得最终实体关系抽取模型，并对当前中文短文本进行实体关系抽取。本发明可以有效保证数据的隐秘，提高数据安全性，同时区别与传统的联邦学习，在融合了知识蒸馏的思想之后，避免了关系抽取模型参数太大，缩减了很大一部分的网络开销和时间开销，能够安全高效地对中文短文本的实体关系进行抽取。
-
公开(公告)号：CN117611223A
公开(公告)日：2024-02-27
申请号：CN202311648875.8
申请日：2023-12-05
Applicant: 湖南大学深圳研究院
IPC: G06Q30/0201 , G06Q30/0202 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种用于碳交易的车辆油耗数据预测方法及系统，属于智能交通和机器学习技术领域。该方法基于车辆真实驾驶数据预测油耗，首先将收集的数据分为微观和介观两个层面，其次对其进行预处理，然后构建了一个具有两层隐藏层的人工神经网络框架，分别将预处理后的数据采用人工神经网络进行预测，最后将输出值进行综合；碳排放估算模块首先通过综合燃料类型、车辆效率确定碳排放因子，其次结合预测模块输出的油耗数据进行区域车辆碳排放估算，最后用于辅助碳交易价格的预测。本申请在数据预处理前采用了分层处理，并优化了人工神经网络框架的隐藏层、神经元和算法的数量，提高了车辆油耗数据和碳交易价格的预测精度。
-
公开(公告)号：CN112180377B
公开(公告)日：2023-07-14
申请号：CN202010998881.6
申请日：2020-09-22
Applicant: 湖南大学
Abstract: 本发明公开了一种非接触式的人机交互定位方法、追踪方法、终端以及可读存储介质，利用上下对称的扬声器分别发送音频信号，再利用上下对称的麦克风分别采集音频信号，采集的所述音频信号包括经手反射的回波信号，若是双手操作，左右手分别对应一个双手操作区域；若是单手操作，则对应一个单手操作区域，定位所述方法包括：S1：对上下麦克风采集的音频信号进行处理获取每一帧信号中回波信号的飞行时间TOF；S2：利用同一手部在同一帧对应的两个椭圆方程计算出手部位置，其中，一个扬声器、一个麦克风分别视为椭圆的焦点，基于一组扬声器、麦克风及回波信号的飞行时间可构建出一个椭圆方程；进而利用上述定位方法进行实时定位完成目标的跟踪。
-
公开(公告)号：CN116403404A
公开(公告)日：2023-07-07
申请号：CN202310424595.2
申请日：2023-04-20
Applicant: 湖南大学深圳研究院
IPC: G08G1/01 , G06F18/25 , G06F18/213
Abstract: 本发明公开了基于运动不确定性扩散模型的车辆轨迹预测方法及系统，方法包括：获取训练车辆的真实轨迹；对真实轨迹中的过去真实轨迹进行时空特征编码处理，得到真实轨迹特征；基于运动不确定性扩散原理、真实轨迹及真实轨迹特征进行高斯噪声融合处理，训练得到去高斯噪声算法；根据去高斯噪声算法构建得到运动不确定性扩散模型；当需要对待预测车辆进行轨迹预测时，获取待预测车辆的已知轨迹特征；基于运动不确定性扩散模型对已知轨迹特征进行处理，得到预测轨迹。使得车辆轨迹预测的结果能够兼顾多样性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN114494812A
公开(公告)日：2022-05-13
申请号：CN202210141099.1
申请日：2022-02-16
Applicant: 湖南大学
IPC: G06V10/80 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种基于改进CenterNet的图像小目标检测方法，包括获取原始图像，对原始图像进行mosaic数据增强，增加原始图像中小目标的样本量；使用注意力机制增强后的骨干网络提取图像的特征；对骨干网络提取的图像的特征进行多感受野融合，使用可变形卷积上采样；对进行多感受野融合，使用可变形卷积上采样处理后的特征图进行预测，得到热力图，目标的宽、高和中心点坐标；从热力图提取出检测框，得到检测结果。本发明通过对训练数据的增强，增加小目标的样本量；通道注意力增强和空间注意力增强能够有效地区分小目标和背景信息；以及多重感受野融合和高分辨率特征图的结合，能够有效提升小目标检测精度。
-
公开(公告)号：CN112180377A
公开(公告)日：2021-01-05
申请号：CN202010998881.6
申请日：2020-09-22
Applicant: 湖南大学
Abstract: 本发明公开了一种非接触式的人机交互定位方法、追踪方法、终端以及可读存储介质，利用上下对称的扬声器分别发送音频信号，再利用上下对称的麦克风分别采集音频信号，采集的所述音频信号包括经手反射的回波信号，若是双手操作，左右手分别对应一个双手操作区域；若是单手操作，则对应一个单手操作区域，定位所述方法包括：S1：对上下麦克风采集的音频信号进行处理获取每一帧信号中回波信号的飞行时间TOF；S2：利用同一手部在同一帧对应的两个椭圆方程计算出手部位置，其中，一个扬声器、一个麦克风分别视为椭圆的焦点，基于一组扬声器、麦克风及回波信号的飞行时间可构建出一个椭圆方程；进而利用上述定位方法进行实时定位完成目标的跟踪。
-
公开(公告)号：CN101763265A
公开(公告)日：2010-06-30
申请号：CN201010022084.0
申请日：2010-01-19
Applicant: 湖南大学
Inventor： 李仁发 , 陈宇 , 徐成 , 吴强 , 刘彦 , 朱海 , 袁虎 , 钟俊 , 刘滔 , 邝继顺 , 李蕊 , 李肯立 , 罗娟 , 赵欢 , 杨科华 , 任小西 , 杨书凡 , 彭日光 , 李春江 , 黄瑜臣 , 张维 , 李浪
IPC: G06F9/44
Abstract: 本发明提供了一种过程级软硬件协同设计自动化开发方法，其特征在于，包括以下步骤：步骤1：利用高级语言完成系统功能描述，系统功能描述中包括软硬件协同函数的调用；步骤2：软硬件函数的动态划分；步骤3：链接和执行步骤；步骤4：判断和结束步骤；判断是否所有的函数执行完毕，如果执行完毕就结束，否则返回用于划分的参数到步骤2进入下一次循环。本发明使用过程级软硬件统一编程模型，来屏蔽底层硬件实现的差异，达到可重构器件对程序用户透明的目的。该编程模型将硬件加速器封装成C语言函数，方便用户编程，且支持运行时的动态软硬件划分，使划分对程序员透明，提高了可重构资源的利用率。
-
公开(公告)号：CN119622510A
公开(公告)日：2025-03-14
申请号：CN202411674402.X
申请日：2024-11-21
Applicant: 湖南大学
IPC: G06F18/2415 , G06F18/214 , G06F18/2131 , G06N3/0464
Abstract: 本发明提供了一种基于信号频谱增强的手势识别方法及相关设备，基于无线感知采集人体手势动作对WiFi信道状态造成影响的信息，获取真实多普勒频谱数据输入频谱清洗网络进行处理，生成污染频谱数据样本对频谱清洗网络进行训练，得到训练后的频谱清洗网络；将真实多普勒频谱数据输入训练后的频谱清洗网络进行增强，得到增强后的频谱数据；将增强后的频谱数据输入深度复数网络，对深度复数网络进行训练，得到手势识别网络；将与目标人体手势相关的复数信道特征数据依次输入训练后的频谱清洗网络和手势识别网络进行增强后识别，得到手势识别结果，提高了识别精度。
-
公开(公告)号：CN119248234A
公开(公告)日：2025-01-03
申请号：CN202411286404.1
申请日：2024-09-13
Applicant: 湖南大学
Abstract: 本发明公开了一种基于LoRA改进的大语言模型微调方法，包括：获取大模型的权重文件，并依据所需的垂直领域和下游任务获取训练数据集；搭建微调的平台；获取开源的LoRA代码，对所述开源的LoRA代码进行修改，获得修改后的代码；利用所述训练数据集和修改好的代码对选定的大模型进行微调，微调完成后将输出的LoRA模块加载到原模型的权重矩阵上，从而使得大模型拥有更好完成具体下游任务的能力。本发明降低了LoRA在微调过程中训练的参数量。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.029 seconds)
