-
公开(公告)号：CN117610541B
公开(公告)日：2024-06-11
申请号：CN202410067264.2
申请日：2024-01-17
Applicant: 之江实验室
IPC: G06F40/205 , G06F40/253
Abstract: 本申请涉及一种大规模数据的作者消歧方法、装置及可读存储介质，所述方法包括：基于所述大规模数据和预先定义的谓词，生成对应的谓词实例数据；其中，所述大规模数据包括结构化存储的文献信息和对应的作者信息；所述谓词实例数据包括文献作者对；将所述谓词实例数据切分为多个初始数据块；基于预先确定的一阶逻辑规则，对所述多个初始数据块中具有相同作者的文献作者对进行合并，生成最终数据块；基于所述最终数据块中的文献作者对，生成所述大规模数据对应的作者标识信息，解决了相关技术中存在的对大规模学术文献数据的作者消歧效率较低的问题。
-
公开(公告)号：CN117932335A
公开(公告)日：2024-04-26
申请号：CN202410021912.0
申请日：2024-01-05
Applicant: 之江实验室
IPC: G06F18/214 , G06F18/2415 , G06F18/21 , G06N3/092
Abstract: 在本说明书提供的一种训练样本筛选方法及装置中，获取待训练的分类模型，通过迭代筛选训练样本进行标注，更新已标注样本池，该已标注样本池用于训练该分类模型，直至分类模型达到收敛条件为止，其中，针对每一迭代过程，通过分类模型确定各训练样本的当前预测概率分布，获取各训练样本的历史预测概率分布，根据历史预测概率分布、当前预测概率分布以及确定的已标注样本池中各类别标注分别对应的训练样本的占比，确定总分值，按照总分值的排序，筛选训练样本进行标注。考虑了训练样本的历史信息以及训练样本为各类别标注的倾向，以及通过总分值进行训练样本的筛选，通用性更高，提高了训练效率。
-
公开(公告)号：CN117614619A
公开(公告)日：2024-02-27
申请号：CN202311539138.4
申请日：2023-11-17
Applicant: 之江实验室
Abstract: 本申请涉及一种数据交集生成方法、数据交集生成装置和存储介质，其中，该数据交集生成方法包括：接收第一初始密文和第二初始密文；其中，第一初始密文为第一客户端的参与数据密文；第二初始密文为第二客户端的参与数据密文；基于非对称密钥，对第一初始密文和第二初始密文进行解密、相乘运算，加密得到目标相乘密文；将目标相乘密文发送至第一客户端和第二客户端；第一客户端和第二客户端分别持有针对目标相乘密文的客户端私钥通过本申请，解决了PSI协议求交集合无法在数据云外包场景适用的问题，实现了数据的高效和安全使用。
-
公开(公告)号：CN117574949A
公开(公告)日：2024-02-20
申请号：CN202410067319.X
申请日：2024-01-17
Applicant: 之江实验室
Abstract: 本申请涉及一种基于值分布的多智能体协同控制方法、装置、设备和介质，基于值分布的多智能体协同控制方法包括：构建每个智能体的初始价值网络和多个智能体的初始分布混合网络；基于各所述智能体的采样数据，对所述初始分布混合网络和各所述智能体的初始价值网络进行训练，通过最小化所述全局价值分布的损失函数优化所述分布混合网络以及各所述智能体的价值网络的网络参数，并满足全局价值分布的期望最大、每个智能体的确定性价值最大的约束关系，得到训练好的各所述智能体的价值网络；根据自身的观测及训练好的价值网络，各所述智能体执行各自的所述最优动作，扩展了神经网络表达能力，提高多智能体系统更高效的决策和合作，提升整体性能和效果。
-
公开(公告)号：CN117332451A
公开(公告)日：2024-01-02
申请号：CN202311437621.1
申请日：2023-10-31
Applicant: 之江实验室
Abstract: 本申请涉及一种基于联邦学习的数据保护方法、装置和系统，其中，该基于联邦学习的数据保护方法包括：发送联邦学习请求至云端服务器，联邦学习请求包括用户标识；当云端服务器接收的联邦学习请求的用户数量超过预设的数量阈值后，接收云端服务器发送的所有用户标识，并根据用户标识获取目标输入数据；根据目标输入数据，生成加密后的用户数据的密文数据和签名数据，并发送密文数据和签名数据至云端服务器，以使云端服务器生成聚合结果；接收并解密云端服务器发送的聚合结果，根据解密后的聚合结果更新用户模型，以实现用户模型的数据的保护。通过本申请，实现了横向联邦学习中用户的数据安全，进而保护用户隐私。
-
Patent Agency Ranking
公开(公告)号：CN118999591B
公开(公告)日：2025-02-21
申请号：CN202411503849.0
申请日：2024-10-25
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于地磁信号的航空轨迹导航方法、装置及电子设备，具体包括：根据目标对象的历史轨迹地磁序列，确定目标对象对应的地磁轨迹热图和二维地磁张量。根据二维地磁张量确定出目标对象的运动时间特征，将地磁轨迹热图输入到空间特征提取模型中，确定出目标对象的运动空间特征。融合运动时间特征和运动空间特征，以确定对目标对象进行轨迹导航的预测位置信息。通过此方法可以有效结合时间和空间特征，有效提升预测位置的精准性，极大程度上校正了因惯导系统的累积误差问题而导致的轨迹偏移，解决了基于模式识别手段的地磁导航技术的应用局限和远距离传输导致的数据传输误差的问题，有效提升任务执行效率的同时还兼顾低成本消耗。
-
公开(公告)号：CN118857274A
公开(公告)日：2024-10-29
申请号：CN202411344842.9
申请日：2024-09-25
Applicant: 之江实验室
IPC: G01C21/08 , G06F18/25 , G06F18/15 , G06F18/213 , G06F18/22 , G06N3/0464 , G06N3/048
Abstract: 本说明书公开了一种模型训练方法和地磁导航的航迹规划方法及装置。所述模型训练方法包括：获取目标区域的地磁信息以及目标载体在第一时刻所处运动环境的环境信息并输入待训练的航迹规划模型，通过决策网络，确定目标载体的运动决策信息；根据运动决策信息以及第一时刻的状态信息，确定第二时刻的状态信息；根据第一时刻的状态信息和第二时刻的状态信息，确定奖励值；将第一时刻的状态信息和第二时刻的状态信息输入价值网络，以通过价值网络，确定第一时刻的状态信息对应的评价值以及第二时刻的状态信息对应的评价值；根据第一时刻的状态信息的评价值、第二时刻的状态信息对应的评价值以及奖励值，确定损失值并进行模型训练。
-
公开(公告)号：CN118673959B
公开(公告)日：2024-10-22
申请号：CN202411153835.0
申请日：2024-08-21
Applicant: 之江实验室
IPC: G06N3/04 , G06N3/086 , G06V10/764 , G06V10/82
Abstract: 在本说明书提供一种混合精度量化方法、装置、介质及设备，通过确定深度神经网络模型中的各层的量化位宽，对深度神经网络模型进行量化，确定候选量化模型，并将样本分别输入深度神经网络模型以及候选量化模型，确定候选量化模型的量化误差、加速比以及压缩效果，进而确定候选量化模型的适应度，最后，根据预设的进化算法以及候选量化模型的适应度，确定深度神经网络模型的目标量化模型，使得混合精度量化方法能够根据少量无标签样本确定深度神经网络模型的目标量化模型，提高了混合精度量化方法的泛用性。
-
公开(公告)号：CN118225987A
公开(公告)日：2024-06-21
申请号：CN202410656853.4
申请日：2024-05-24
Applicant: 之江实验室
Abstract: 本说明书公开了一种有害气体检测方法、装置、存储介质及电子设备，终端设备在采集无人设备所在目标空间的有害气体浓度后，即可确定出有害气体是否泄漏，响应于有害气体泄漏，确定出若干个采集点并采集若干个采集点处的有害气体浓度信息，进而确定出有害气体对应的泄漏源在目标空间中的空间位置，作为预测泄漏源位置，进而根据预测泄漏源位置执行任务。通过无人设备实时检测有害气体是否泄漏，并且在检测到有害气体泄漏后，可对泄漏源位置进行预测，而后根据确定出的预测泄漏源位置执行任务，通过减少了对有害气体泄漏的响应时间以及有害气体泄漏源检测时间，提高了有害气体检测任务的执行效率。
-
公开(公告)号：CN117826867B
公开(公告)日：2024-06-11
申请号：CN202410240296.8
申请日：2024-03-04
Applicant: 之江实验室
IPC: G05D1/695 , G05D109/20
Abstract: 本申请涉及一种无人机集群路径规划方法、装置和存储介质，其中，该无人机集群路径规划方法包括：通过根据预设的连续课程学习框架确定各无人机的任务成功范围；在任务成功范围内，根据各无人机获取到的局部观测状态信息和各无人机的自身性能约束信息，对应用于无人机的无人机集群路径规划模型进行训练；根据各无人机的存活状态或预设的训练时间确定训练是否结束；若是，则输出最后训练得到的目标无人机集群路径规划模型；根据目标无人机集群路径规划模型输出待规划的各无人机实际航行路径。提高了无人机自主学习课和应对复杂的三维环境的能力，提高了路径规划的准确性。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.021 seconds)
