模型获取方法、关键词生成方法、装置、介质及计算设备

    公开(公告)号:CN109960749A

    公开(公告)日:2019-07-02

    申请号:CN201910136539.2

    申请日:2019-02-22

    申请人: 清华大学

    摘要: 本发明的实施方式提供了一种模型获取方法、关键词生成方法、装置、介质及计算设备。模型获取方法包括:构建关键词生成模型,该模型包括基于编码器‑注意力机制‑解码器框架的主模块;在监督学习阶段,针对每个训练数据对,主模块基于其中源关键词和参考目标关键词的语义和领域信息构建概率分布,从概率分布中采样第一隐变量,生成第一目标关键词;通过最小化主模块的损失函数,利用梯度反向传播方式来更新主模块的参数。本发明的上述技术能够生成热门高频关键词以外的低频相关关键词,通过引入领域约束使生成的目标关键词与源关键词的领域更相关;此外,还可利用强化学习进一步地提高关键词的相关性和领域一致性。

    一种无中心环境下无人机协同模拟平台的控制方法及系统

    公开(公告)号:CN101819439B

    公开(公告)日:2011-12-28

    申请号:CN201010125465.1

    申请日:2010-03-16

    申请人: 清华大学

    IPC分类号: G05B23/02

    摘要: 本发明提供了一种无中心环境下无人机协同模拟平台控制方法,包括A1)根据模拟配置文件建立模拟环境;A2)根据所述的模拟配置文件设置无人机;A3)启动无人机,利用无中心节点的元组空间通信,定时采集所有无人机的状态数据;A4)中止无人机的运行,将采集到的所有无人机的状态数据以帧的形式传输至界面层;A5)通过界面层来演示整个模拟过程。该控制系统包括:界面层模块、控制台模块、无人机设计模块、算法模块、通信模块。本发明利用元组空间进行的无人机之间的通信,使平台具有更好的扩展性。

    驾驶策略确定方法、装置、电子设备和存储介质

    公开(公告)号:CN115675583A

    公开(公告)日:2023-02-03

    申请号:CN202110863230.0

    申请日:2021-07-29

    IPC分类号: B61L27/10 B61L27/04

    摘要: 本公开涉及一种驾驶策略确定方法、装置、电子设备和存储介质,通过确定包括目标路线对应多个驾驶策略的有向无环图,以及目标路线中的多个通行点,根据各驾驶策略中节点的第一属性信息、连接节点路径的第二属性信息和通行点的第三属性信息确定能耗边界矩阵,并进一步根据各节点的第一属性信息、各路径的第二属性信息以及能耗边界矩阵对各驾驶策略进行剪枝,得到目标路线对应的目标驾驶策略。本公开实施例通过目标路线中通行点的属性和有向无环图中节点和路径的属性对各驾驶策略进行剪枝,实现了精确最优驾驶策略的求解,简化了计算过程,满足了计算过程的实时性,提高了最终驾驶策略的精确程度。

    驾驶策略确定方法、装置、电子设备和存储介质

    公开(公告)号:CN115675508A

    公开(公告)日:2023-02-03

    申请号:CN202110862906.4

    申请日:2021-07-29

    IPC分类号: B60W60/00 B61L23/14

    摘要: 本公开涉及一种驾驶策略确定方法、装置、电子设备和存储介质,通过确定目标路线对应的有向无环图和通行点,并根据各通行点的属性信息对有向无环图中的节点进行分类,得到第一节点集合和第二节点集合。分别按照由前向后和由后向前的顺序依次对各第一节点的驾驶策略和第二节点的驾驶策略进行剪枝,得到前向策略和后向策略,拼接前向策略和后向策略得到目标驾驶策略。本公开实施例根据对应的位置将有向无环图中各节点划分为前向的第一节点集合和后向的第二节点集合,依次基于各驾驶策略中的目标路线起点和终点开始的第一节点和各第二节点分别进行剪枝,拼接后得到准确的目标驾驶策略,提高了确定过程的准确程度和处理速度。

    一种知识驱动的对话生成方法及装置

    公开(公告)号:CN113111190A

    公开(公告)日:2021-07-13

    申请号:CN202110413536.6

    申请日:2021-04-16

    申请人: 清华大学

    摘要: 本发明提供一种知识驱动的对话生成方法及装置,包括:将待回复文本序列输入训练好的深度神经网路对话模型,得到所述待回复文本的回复文本序列;其中,所述深度神经网路对话模型储存有知识图谱实体关系的特征表示数据集;其中,所述训练好的深度神经网路对话模型是根据携带真实回复文本序列标签的待回复文本样本序列和所述知识图谱实体关系的特征表示数据集进行训练后得到的。通过本发明的方法,根据待回复文本中的非结构化信息和知识图谱的结构化信息,基于训练好的深度神经网络对话模型,计算出知识图谱中的实体表示,可以更高效地应用知识图谱来生成具有恰当语义和丰富信息量的对话回复。

    模型获取方法、关键词生成方法、装置、介质及计算设备

    公开(公告)号:CN109960749B

    公开(公告)日:2021-04-06

    申请号:CN201910136539.2

    申请日:2019-02-22

    申请人: 清华大学

    摘要: 本发明的实施方式提供了一种模型获取方法、关键词生成方法、装置、介质及计算设备。模型获取方法包括:构建关键词生成模型,该模型包括基于编码器‑注意力机制‑解码器框架的主模块;在监督学习阶段,针对每个训练数据对,主模块基于其中源关键词和参考目标关键词的语义和领域信息构建概率分布,从概率分布中采样第一隐变量,生成第一目标关键词;通过最小化主模块的损失函数,利用梯度反向传播方式来更新主模块的参数。本发明的上述技术能够生成热门高频关键词以外的低频相关关键词,通过引入领域约束使生成的目标关键词与源关键词的领域更相关;此外,还可利用强化学习进一步地提高关键词的相关性和领域一致性。