-
公开(公告)号:CN118351722B
公开(公告)日:2024-09-24
申请号:CN202410781151.9
申请日:2024-06-18
申请人: 粤港澳大湾区数字经济研究院(福田)
摘要: 本发明公开了应用于空域的四维数字底座生成方法、终端及介质,所述方法包括:获取指定时空范围内的空域数据,所述空域数据包括空域内对飞行造成影响的因素类别,以及与每一个所述因素类别所对应的属性数据;对所述空域数据按照四维时空向量进行映射表示并整合,得到四维空域数据;对所述四维空域数据进行融合计算,生成所述四维数字底座。本发明充分考虑了和空域关系紧密的复杂地面环境的影响,实现了将范围内对飞行造成影响的因素类别以及与每一个所述因素类别所对应的属性数据进行四维融合,并生成四维数字底座,有利于更好地对空域进行数字化表达。
-
公开(公告)号:CN118643352A
公开(公告)日:2024-09-13
申请号:CN202411118731.6
申请日:2024-08-15
申请人: 粤港澳大湾区数字经济研究院(福田)
IPC分类号: G06F18/214 , G06F18/10 , G06F18/2415 , G06N3/04 , G06N3/08
摘要: 本申请公开了一种连续时间动态图模型的构建方法、装置、设备及存储介质,所述方法包括采样历史邻居序列,通过初始连续时间动态图模型确定历史邻居序列对应的历史邻居嵌入序列;通过初始增强模型确定历史邻居嵌入序列对应的增强历史邻居嵌入序列;通过初始连续时间动态图模型基于增强历史邻居嵌入序列确定目标节点的节点表征;基于节点表征、增强历史邻居嵌入序列及历史邻居嵌入序列训练初始连续时间动态图模型及初始增强模型。本申请通过初始增强模型在潜在空间上对历史邻居嵌入序列进行处理来得到增强历史邻居嵌入序列,可以生成多样的历史邻居嵌入序列,提高了连续时间动态图模型的模型性能。
-
公开(公告)号:CN118233699B
公开(公告)日:2024-08-23
申请号:CN202410634874.6
申请日:2024-05-22
申请人: 粤港澳大湾区数字经济研究院(福田) , 杭州盖视科技有限公司
摘要: 本申请公开了一种视频编辑方法、装置、设备及存储介质,所述方法包括接收用户输入的人像视频,基于人像视频确定待编辑图像帧集;响应针对待编辑图像帧集的编辑操作,对待编辑图像帧集中的第一图像帧和第二图像帧进行编辑,得到第一参考图像和第二参考图像;基于待编辑图像帧集的条件图像集、第一参考图像和第二参考图像,通过预设扩散模型确定编辑后的图像帧集,根据编辑后的图像帧集得到编辑后的人像视频。本申请通过在用户输入的人像视频中选取待编辑图像帧,并通过编辑操作来确定第一参考图像和第二参考图像,然后利用预设扩散模型中的自注意力机制来准确捕捉图像帧的人像关键点特征与参考图像的对应关系,提升了视频编辑的稳定性。
-
公开(公告)号:CN118506616A
公开(公告)日:2024-08-16
申请号:CN202410940541.6
申请日:2024-07-15
申请人: 粤港澳大湾区数字经济研究院(福田)
IPC分类号: G08G5/00
摘要: 本发明公开了基于飞行态势的自适应调整发报频率方法、系统及终端,所述方法包括:获取目标飞行器的静态因素信息和动态因素信息;基于所述静态因素信息确定初始发报频率,以及基于所述静态因素信息和所述动态因素信息确定飞行态势等级信息;基于所述飞行态势等级信息,调整所述初始发报频率。本发明通过分析目标飞行器的静态因素和动态因素信息来确定飞行态势,并基于飞行态势等级信息来调整发报频率,以便在网络通信资源受限的场景下,可以让更加紧急、重要的信息更快更可靠地发送出去。
-
公开(公告)号:CN118378597A
公开(公告)日:2024-07-23
申请号:CN202410806172.1
申请日:2024-06-21
申请人: 粤港澳大湾区数字经济研究院(福田)
IPC分类号: G06F40/166 , G06F16/335 , G06F16/33
摘要: 本申请公开了基于文本内容的问题生成方法、系统及相关设备,涉及人工智能技术领域,所述方法包括:获取待处理文本;根据所述待处理文本,获得所述待处理文本对应的文本总结,所述文本总结至少包含根据待处理文本获得的要点内容和要点类型;根据所述文本总结,获得与所述待处理文本相关联的问答参考信息;根据所述问答参考信息,通过预设的问题生成模型生成所述待处理文本对应的目标问题数据。如此,提供更灵活的问题生成方式,有利于提高生成的问题内容的丰富性,且可以满足用户需求和提高用户体验。
-
公开(公告)号:CN117435928B
公开(公告)日:2024-06-18
申请号:CN202311759136.6
申请日:2023-12-20
申请人: 粤港澳大湾区数字经济研究院(福田)
IPC分类号: G06F18/214 , G06F18/26 , G06F40/205 , G06F40/253
摘要: 本申请公开了一种实体关系抽取模型的训练方法、实体关系抽取方法及设备,方法包括在预设关系类型集中选取一个目标关系类型,通过生成模型生成若干个符合所述目标关系类型的句子‑三元组对以构建合成数据集,通过初始抽取模型确定所述合成数据集中的每个句子‑三元组对的奖励函数值;基于所有奖励函数值对生成模型和所述初始抽取模型进行训练,以得到抽取模型。本申请实施例基于奖励函数值对生成模型和抽取模型进行训练,使得生成模型和抽取模型相互促进,增强了抽取模型在未知关系类型上的泛化能力,同时也提高了生成模型确定合成数据的数据质量,从而可以提高训练得到的抽取模型的准确性,进而可以提高基于抽取模型确定实体关系的准确性。
-
公开(公告)号:CN117874210B
公开(公告)日:2024-06-14
申请号:CN202410277589.3
申请日:2024-03-12
申请人: 粤港澳大湾区数字经济研究院(福田)
IPC分类号: G06F16/332 , G06F16/33 , G06F16/335 , G06F40/35
摘要: 本申请公开了一种自主交互问答方法、系统、设备及介质,属于检索问答的技术领域。相较于传统的信息检索方法,可以实现对查询文本的自主改写,不需要当前使用检索问答系统的用户手动调整查询文本后重新输入新的查询文本;当查询文本语义复杂时,也不需要用户多次手动调整查询文本才能得到较为准确的回答结果,而是通过自动确定新的查询文本以重新生成查询文本的回答结果,直至得到正确回答。以上,在本申请的自主交互问答方法中,通过改写得到准确的查询文本,精简检索问答过程。最终,提高检索问答的问答效率。
-
公开(公告)号:CN117745875B
公开(公告)日:2024-06-11
申请号:CN202410181848.2
申请日:2024-02-19
申请人: 粤港澳大湾区数字经济研究院(福田)
IPC分类号: G06T11/20 , G06F3/0481 , G06F40/18 , G06F40/174 , G06F40/186
摘要: 本申请公开了一种图表分析方法、装置、设备及存储介质,所述图表分析方法包括响应用户针对统计图表的交互操作,在所述统计图表对应的二维数据表格中选取所述交互操作对应的交互表格区域,并获取所述交互表格区域对应的关联内容;基于所述关联内容合成目标prompt,并控制大语言模型基于所述目标prompt生成所述交互操作对应的第一分析结果;显示所述第一分析结果。本申请通过接收针对统计图表的交互操作,然后根据交互操作对应的关联内容来生成分析结果,这样可以为用户提供个性化和深入的数据解析和反馈,增强了数据可视化的交互性,给用户使用带来方便。同时,通过大语言模型针对目标prompt生成更能符合用户意图的分析报告。
-
公开(公告)号:CN117725966B
公开(公告)日:2024-06-11
申请号:CN202410179959.X
申请日:2024-02-18
申请人: 粤港澳大湾区数字经济研究院(福田) , 深圳市万翼数字技术有限公司
IPC分类号: G06N3/0455 , G06N3/08 , G06T17/00 , G06F30/27
摘要: 本申请公开了一种草图序列重建模型的训练方法、几何模型重建方法及设备,所述训练方法包括获取训练数据集;将训练数据集中的训练点云数据输入预设网络模型,通过预设网络模型确定预测草图序列参数以及预测点云边界;基于所述预测草图序列参数、所述预测点云边界、所述标注草图序列参数以及所述标注点云边界确定目标损失项,并基于所述目标损失项对所述预设网络模型进行优化,以得到草图序列重建模型。本申请通过将点云分割任务和草图序列预测任务结合,显著提高网络对深层点云信息的提取,提高参数预测精度,解决了三维点云到草图序列重建中的边界不清晰及无法直接转换成建模序列的问题,大大提高了逆向工程的智能化和效率。
-
公开(公告)号:CN116230074B
公开(公告)日:2024-06-11
申请号:CN202211606821.0
申请日:2022-12-14
申请人: 粤港澳大湾区数字经济研究院(福田)
摘要: 本发明公开一种蛋白质结构预测方法、模型训练方法、装置、设备及介质,涉及生物信息、深度学习和计算机应用技术领域,蛋白质结构预测模型的训练方法包括步骤:获取包括已知的蛋白质序列和氨基酸残基的理化性质的训练数据集;根据蛋白质序列生成含有蛋白质序列信息的第一特征向量;对氨基酸残基的理化性质进行聚类,并根据聚类后的氨基酸残基的理化性质生成含有氨基酸残基理化信息的第二特征向量;利用第一特征向量和第二特征向量,对特征提取网络和结构预测网络进行训练,得到蛋白质结构预测模型。本发明提供的蛋白质结构预测模型的训练方法,无需复杂的模型进行输入特征的提取,计算速度快,有效节省了蛋白质预测模型的训练时间。
-
-
-
-
-
-
-
-
-