-
公开(公告)号：CN112231461A
公开(公告)日：2021-01-15
申请号：CN202011182518.3
申请日：2020-10-29
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
IPC: G06F16/332 , G06F16/36 , G06F40/126 , G06F40/205 , G06F40/284 , G06F40/295
Abstract: 本发明公开了一种融合知识的对话生成方法，包括如下步骤：S1、构建知识图谱；S2、构建对话模型，所述对话模型由编码器和解码器组成，构建过程包括词编码、知识编码、双跳实体编码、加权合并和解码。本发明引入图编码和图注意力机制进行双跳实体编码，基于相邻实体之间的关系，更好地捕捉对话中的实体语义；同时结合知识图谱围绕对话涉及的概念知识，从而给出更合理的富有信息量的回复，解决当前对话过程中话题概念飘移和扩展的问题。
-
公开(公告)号：CN112202848A
公开(公告)日：2021-01-08
申请号：CN202010968137.1
申请日：2020-09-15
Applicant: 中国科学院计算技术研究所
IPC: H04L29/08 , H04L12/721 , H04L12/727 , H04L12/729
Abstract: 本发明提出一种基于深度强化学习的无人系统网络自适应路由方法，旨在解决现有技术中节点的高速移动、频繁变化的网络拓扑，无法提供自适应路由策略的技术问题。所述方法包括：所有节点以一个自适应的时间间隔发送HELLO信息包；任一节点收到其邻居节点发送的HELLO信息包后，更新该节点的邻居表中该邻居节点的节点信息；建立基于深度强化学习的路由策略算法框架；设计基于深度强化学习的路由策略实现方法。本发明具备良好的模型泛化能力，能泛化于具有不同网络规模和不同节点移动速度的网络上，使得本发明更适用于具有动态变化的无人系统网络。
-
公开(公告)号：CN109598755B
公开(公告)日：2020-11-03
申请号：CN201811344620.1
申请日：2018-11-13
Applicant: 中国科学院计算技术研究所 , 北京特种工程设计研究院
Abstract: 本发明提供一种基于双目视觉的危化品泄漏检测方法，该方法对于从不同角度拍摄的两幅危化品图像，执行：基于危化品液面的亮度特征获得第一危化品液面区域；基于危化品液面的纹理特征获得第二危化品液面区域；将所述第一危化品液面区域和所述第二危化品液面区域进行融合，获得待提取的危化品液面区域；对所述待提取的危化品液面区域进行立体匹配，获得两幅危化品图像的匹配点；根据获得的匹配点，计算所述待提取的危化品液面区域的空间位置。本发明能够准确快速的定位危化品泄漏的空间位置。
-
公开(公告)号：CN111461212A
公开(公告)日：2020-07-28
申请号：CN202010243264.5
申请日：2020-03-31
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种用于点云目标检测模型的压缩方法，具体包括:以原始的点云目标检测模型为教师模型获得学生模型；并用教师模型骨干网络输出的特征矩阵、分类网络输出的软极大值、回归网络输出的前景点生成的检测框分别用于协助训练学生模型的骨干网络、分类网络和回归网络。经本发明处理后的学生模型，其压缩的模型空间及运算量均大幅度小于原网络，保证了模型的压缩率，而对于学生网络的精度弱于教师网络的问题，本专利采用了知识蒸馏的思想，用教师模型辅助训练学生模型提高了学生模型的精度，使得最终提升后的学生模型可以有效的在小存储空间、低运算效率的边缘设备下运行，大大降低了模型对设备的硬件要求，降低了设备成本，提高了计算效率。
-
公开(公告)号：CN110991621A
公开(公告)日：2020-04-10
申请号：CN201911282344.5
申请日：2019-12-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于通道数搜索卷积神经网络的方法，包括：构建与待优化卷积神经网络的卷积层层数相同的初始卷积神经网络，并将该初始卷积神经网络每层的初始通道数设为相同数值并使初始卷积神经网络的初始通道数不超过待优化卷积神经网络的最小通道数，训练该初始卷积神经网络至收敛；对初始卷积神经网络进行多次突变以得到多个突变卷积神经网络，其中，单次突变是从预设的增量函数中随机选择一个增量函数对该次突变中的卷积神经网络的卷积层通道数进行增量变换后训练至收敛得到一个突变卷积神经网络；从多个突变卷积神经网络中选择图像分类准确率最高的突变卷积神经网络作为搜索结果。本发明可以从一个初始小规模网络，在控制网络参数量的同时迅速搜索产生性能较高的卷积神经网络，并大大减少训练消耗。
-
Patent Agency Ranking
公开(公告)号：CN110782006A
公开(公告)日：2020-02-11
申请号：CN201910952242.3
申请日：2019-10-09
Applicant: 中国科学院计算技术研究所
IPC: G06N3/04
Abstract: 本发明提供一种生成复杂神经网络的方法，包括：1)从已有的神经网络结构的种群中选择具有高适应度的两个作为父代个体，其中，所述两个父代个体之间具有以卷积层为单位的异构结构；2)将一个卷积层作为最小的操作单位，对所述两个父代个体执行交叉操作以得到子代个体。本发明可以根据已有网络结构方面的经验，有方向性地改变神经网络结构。本发明在不对卷积神经网络进行任何附加训练的情况下，可以实现功能保持，大大节省计算代价。如果对卷积神经网络进行额外训练，可以体现出新产生的神经结构表现更加优秀。在同源结构进行融合的过程中，本发明将已有参数和结构作为指导，能够迅速实现基于功能保持的神经网络结构搜索。
-
公开(公告)号：CN107682924B
公开(公告)日：2020-01-07
申请号：CN201710917120.1
申请日：2017-09-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种适用于长延迟SIC网络的链路调度方法和系统，包括：根据发送节点数目、环境噪声功率和SIC算法的信号干扰比阈值，生成各发送节点的传输信号所能被SIC算法解码的最小功率值，通过将最小功率值集合为K‑SIC功率阈向量以为各发送节点划分发送功率等级；根据各发送节点的发送数据量，判定长延迟网络的负载状态，并根据负载状态和发送功率等级执行最小帧长调度算法，生成长延迟网络的最小调度帧长；根据发送节点数目、最小调度帧长和接收节点的接收机制，执行最小功率调度算法，得到使得全网功耗最小的链路调度策略。由此可提升长延迟SIC网络内节点间的传输效率，并降低长延迟SIC网络的整体能耗。
-
公开(公告)号：CN109587751A
公开(公告)日：2019-04-05
申请号：CN201910012976.3
申请日：2019-01-07
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种无人机自组网自适应路由方法，包括：以无人机自组网中的无人机为节点，所有节点以预定周期发送握手包；任一节点接收其邻居节点发送的握手包，获取并更新该邻居节点的节点信息；该节点发送或转发数据包时，获取该数据包从该节点到目标节点的要求传输速度，以及该数据包从该节点到该邻居节点的实际传输速度，以大于或等于该要求传输速度的该实际传输速度对应的邻居节点为候选节点；根据该候选节点的节点信息，通过Q-learning算法获得该候选节点的Q值，以最大Q值对应的候选节点为下一跳的路由节点进行该数据包的路由。
-
公开(公告)号：CN107257261A
公开(公告)日：2017-10-17
申请号：CN201710350556.7
申请日：2017-05-18
Applicant: 中国科学院计算技术研究所
IPC: H04B17/309 , H04W72/12
CPC classification number: H04W72/1231 , H04B17/309 , H04W72/1221
Abstract: 本发明提供一种针对6TiSCH多跳无线网络的动态链路调度方法，包括：1)获得在当前环境下从源节点到潜在的目的节点的信道概率，所述信道概率为在干扰下数据传输正确的概率；2)若所述信道概率小于等于设定的阈值，则执行以下步骤：2‑1)确定所述源节点到潜在的目的节点的端到端平均时延fD以及能量消耗fE；2‑2)求解使得端到端平均时延fD最小、以及能量消耗fE最小的条件下的链路调度决策变量x，所述链路调度决策变量x决定某一个节点在时隙‑频率块中以何种概率对来自其它节点的数据包进行转发。
-
公开(公告)号：CN103260132B
公开(公告)日：2016-08-03
申请号：CN201210037460.2
申请日：2012-02-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种用于跟踪移动目标的无线传感器网络的移动多播路由方法，该方法包括：步骤1，根据t时刻移动目标的位置和速度信息预测t+1时刻移动目标的位置，并且向下传递包含所预测的t+1时刻移动目标的位置的包；步骤2，根据t时刻和t+1时刻的目标的位置确定t+1时刻的目标关联区域和目标感知区域；步骤3，判断接收到包的该传感器节点是否在所确定的目标关联区域中，如果在目标关联区域中，则执行步骤4，否则丢弃包；步骤4，根据t时刻和t+1时刻的移动目标的位置信息以及该传感器节点的位置信息确定是否向下传递包，以唤醒t+1时刻的目标感知区域内的传感器节点来跟踪目标。本发明保证高唤醒比率的情况下具有低能耗、低非感知传输节点数，即具有良好的系统性能。
-
-
-
-
-
-
-
-
-
Search Results
202
records
(took 0.05 seconds)
