-
公开(公告)号：CN112464104B
公开(公告)日：2024-05-14
申请号：CN202011269644.2
申请日：2020-11-13
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06F16/9536 , G06F16/958 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于网络自协作的隐式推荐方法和系统。该方法包括：对应于一个序列推荐模型，构建具有相同网络架构的对等序列推荐模型；对于所述序列推荐模型及其对等序列推荐模型进行协作训练，并在协作训练过程中，根据所述序列推荐模型中每一层参数的重要性通过从其对等序列推荐模型中移植参数来重激活该序列推荐模型的无效参数；以用户的历史浏览序列作为输入，利用经协作训练的所述序列推荐模型为用户进行序列推荐服务。本发明通过自动化地促进多个模型的协作和优化，能够获得更具表现力的序列推荐模型，为用户提供准确的推荐服务。
-
公开(公告)号：CN111931057B
公开(公告)日：2024-05-14
申请号：CN202010830579.X
申请日：2020-08-18
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06F16/9535 , G06Q30/0601 , G06N3/0464 , G06F18/241 , G06N3/045 , G06N3/096 , G06N3/09
摘要： 本发明公开了一种自适应输出的序列推荐方法和系统。该方法包括：构建序列推荐模型，该序列推荐模型包括N个空洞卷积残差块和连接第N个空洞卷积残差块的教师分类器作为主干网络，其中，前N‑1个空洞卷积残差块分别独立连接学生分类器作为分支网络，N为大于等于2的整数；以设定的损失函数为目标，利用样本集训练所述序列推荐模型；将待推荐用户的历史浏览序列输入经训练的序列推荐模型，并根据学生分类器的不确定度判断选择教师分类器或学生分类器的输出，作为后续时刻用户推荐项的预测结果。利用本发明，能够显著加速推断过程，为用户提供快速而准确的推荐服务，具有十分重要的现实意义和广阔的应用前景。
-
公开(公告)号：CN113282722B
公开(公告)日：2024-03-29
申请号：CN202110497085.9
申请日：2021-05-07
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06F16/332 , G06F16/33 , G06N3/042 , G06N3/08
摘要： 本申请公开了一种机器阅读理解方法、电子设备及计算机可读存储介质。该方法包括：获取当前轮文本，当前轮文本包括当前轮问题、历史问答流和文章，历史问答流包括至少一个历史轮问题及其答案；提取当前轮文本的实体图，并对当前轮文本进行编码得到当前轮文本向量；至少利用当前轮文本向量对实体图进行实体嵌入，得到当前轮文本结构图；至少利用图神经网络对当前轮文本结构图进行处理，得到新的文本结构图；基于新的文本结构图进行答案预测，得到当前轮问题的答案。通过上述方式，能够提高当前轮问题的答案的准确度。
-
公开(公告)号：CN111931058B
公开(公告)日：2024-01-05
申请号：CN202010835626.X
申请日：2020-08-19
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06F16/9535 , G06Q30/0601 , G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于自适应网络深度的序列推荐方法和系统。该方法包括：构建序列推荐模型，该序列推荐模型设有多个空洞卷积残差块作为主体网络，并设有用于管理主体网络深度的策略网络；以设定的损失函数为目标，利用样本集训练所述序列推荐模型，获得经训练的主体网络，并且对于所述多个空洞卷积残差块中的每一个，策略网络输出用于表征该空洞卷积残差块保留或跳过的决策指示；将待推荐用户的历史浏览序列输入经训练的序列推荐模型，并根据策略网络的决策指示确定需跳过的空洞卷积残差块，以输出后续时刻用户推荐项的预测结果。本发明能够利用策略网络自适应地调节主体网络的深度，能够为用户提供快速而准确的推荐服务。
-
公开(公告)号：CN111105013B
公开(公告)日：2023-08-11
申请号：CN201911073209.X
申请日：2019-11-05
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/092
摘要： 本申请涉及计算机技术领域，具体公开了一种对抗网络架构的优化方法、图像描述生成方法、系统、电子设备和装置，该方法包括以下步骤：构建对抗网络架构；藉由训练图像以对对抗网络架构进行对抗优化训练以得到优化后的对抗网络架构。通过上述方式，本申请能够解决相关技术所提供的图像描述生成方法存在生成质量较差的技术问题。
-
公开(公告)号：CN111177577B
公开(公告)日：2023-03-28
申请号：CN201911276204.7
申请日：2019-12-12
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06F16/9536
摘要： 本申请公开了一种群组的项目推荐方法、智能终端以及存储装置，该群组的项目推荐方法包括：获取到目标项目对应的包括有位置信息的位置感知项目矩阵、目标群组的群组偏好矩阵、成员聚合群组偏好矩阵以及近邻群组偏好矩阵；融合群组偏好矩阵、成员聚合群组偏好矩阵以及近邻群组偏好矩阵，以得到目标群组的多角度群组偏好矩阵；根据位置感知项目矩阵和多角度群组偏好矩阵对应生成目标群组对于每一位置感知项目的喜好程度的预测评分矩阵，以根据预测评分矩阵，对目标群组进行项目推荐。通过上述方式，本申请能够更加灵活的引入多样的多源信息来对目标群组进行项目推荐，且能够有效地解决数据稀疏和冷启动的问题，实现高效的位置感知群组推荐。
-
公开(公告)号：CN108427957B
公开(公告)日：2021-12-21
申请号：CN201710081054.9
申请日：2017-02-15
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06K9/62
摘要： 本发明涉及一种图像分类方法，包括：预测所述原始图像属于每个类别的概率值；判断是否需要开启低分辨率网络；对所述原始图像下采样获得低分辨率图像，预测所述低分辨率图像属于每个类别的概率值；判断是否需要开启显著性区域网络；将原始图像网络的预测结果及低分辨率网络的预测结果融合得到图像类别；对所述原始图像进行显著性检测得到显著性区域图像，预测所述显著性区域图像属于每个类别的概率值；将原始图像网络的预测结果、低分辨率网络的预测结果及显著性区域网络的预测结果融合得到图像类别。本发明还涉及一种图像分类系统。本发明能够利用多尺度的图像信息和视觉显著性得到图像多维度的信息，并提高图像的分类精度。
-
公开(公告)号：CN113257361B
公开(公告)日：2021-11-23
申请号：CN202110600871.7
申请日：2021-05-31
申请人： 中国科学院深圳先进技术研究院
摘要： 本申请公开了一种自适应蛋白质预测框架的实现方法、装置及设备，该方法包括：基于BERT式掩盖语言模型处理源数据，得到训练样本集；对Transformer模型进行无监督预训练，得到教师模型；固定教师模型的参数，对教师模型和学生模型进行协同训练，并仅优化学生模型的参数，以将教师模型的知识蒸馏到学生模型中，在知识蒸馏过程中，利用搬土距离算法自适应地学习预训练教师模型的中间隐藏层和学生模型的中间隐藏层之间多对多的映射关系；利用经训练的学生模型进行不同的蛋白质预测任务预测，输出预测结果。通过上述方式，能够显著中间缓解模型庞大带来的计算资源不足以及训练、推断时间过长的问题。
-
公开(公告)号：CN112527736A
公开(公告)日：2021-03-19
申请号：CN202011426871.1
申请日：2020-12-09
申请人： 中国科学院深圳先进技术研究院
摘要： 本申请适用于数据存储技术领域，提供了一种基于DNA的数据存储方法、数据恢复方法、数据存储装置、数据恢复装置、终端设备及计算机可读存储介质，所述数据存储方法包括：获取待存储的数据文件，数据文件为根据算法文件对原始数据进行预处理得到的文件；根据预设的文件格式编辑数据文件和算法文件，生成待编码的二进制文件，文件格式用于指示数据文件与算法文件之间的索引类型；将二进制文件进行编码，得到碱基序列，碱基序列用于合成存储数据文件和算法文件的DNA片段。通过本申请可以解决由于无法保证采用的预处理算法是否完整存在，而导致经过预处理后存储的数据无法恢复的问题；保证了数据在不确定环境下存储和恢复的完整性。
-
公开(公告)号：CN112507209A
公开(公告)日：2021-03-16
申请号：CN202011245696.6
申请日：2020-11-10
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06F16/9535 , G06F16/958 , G06N3/04 , G06N3/08 , G06N5/02 , G06Q30/06
摘要： 本发明公开了一种基于陆地移动距离进行知识蒸馏的序列推荐方法该方法包括：构建教师模型和对应的学生模型；以设定的损失函数为目标训练教师模型，获得预训练教师模型；固定所述预训练教师模型的参数，加入学生模型进行协同训练，仅优化学生模型参数，以将所述预训练教师模型的知识蒸馏到学生模型中，其中在知识蒸馏过程中，利用陆地移动距离自适应地学习所述预训练教师模型的中间隐藏层和学生模型的中间隐藏层之间多对多的映射关系；利用经训练的学生模型，以用户历史浏览序列作为输入，为用户提供序列推荐服务。本发明获得学生模型能够显著减小参数规模且不损失精度，从而为用户提供快速而准确的推荐服务。
-
-
-
-
-
-
-
-
-
搜索结果
111 条记录 (耗时 0.058 秒)
