-
公开(公告)号：CN117874488A
公开(公告)日：2024-04-12
申请号：CN202311750518.2
申请日：2023-12-18
Applicant: 人工智能与数字经济广东省实验室(深圳) , 长三角哈特机器人产业技术研究院
IPC: G06F18/213 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/045 , G06N3/088
Abstract: 本申请公开了一种零样本学习模型优化方法、装置、设备及存储介质，该方法包括：获取视觉编码器从样本图像中学习到的视觉特征；获取文本数据，将文本数据输入到文本编码器中，获取文本编码器从文本数据中学习到的语义属性特征；通过多模态交互模块使用视觉特征查询语义属性特征，得到第一交互结果，使用语义属性特征查询视觉特征，得到第二交互结果，根据第一交互结果和第二交互结果，将视觉特征和语义属性特征对齐；在零样本学习模型执行优化任务时，采用预设的综合损失函数生成模型，生成优化任务的综合损失函数；基于优化任务的综合损失函数优化零样本学习模型，得到优化后的零样本学习模型。本申请有利于提高零样本学习模型的优化效率。
-
公开(公告)号：CN118013280A
公开(公告)日：2024-05-10
申请号：CN202410102026.0
申请日：2024-01-24
Applicant: 人工智能与数字经济广东省实验室(深圳) , 长三角哈特机器人产业技术研究院
IPC: G06F18/214 , G06N20/20
Abstract: 本申请公开了一种预测模型的训练方法、装置及终端设备，通过获取训练集，并依次将训练集中的输入数据输入至预测模型，生成输入数据对应的预测数据，进而根据输入数据与预测数据对预测模型进行对抗训练，并在对抗训练的过程中，减少预测数据与输入数据之间的差异，进而在对抗训练后生成目标预测模型，以基于目标预测模型预测云平台的工作负载，使得所预测的工作负载与真实的工作负载之间差异较小，提高了预测云平台的工作负载的准确性，从而减少了因对云平台的工作负载预测错误而导致资源分配不均的情况，实现了云平台的资源均匀分配，减少了资源分配不均、资源浪费的问题。
-
公开(公告)号：CN119648292A
公开(公告)日：2025-03-18
申请号：CN202411732706.7
申请日：2024-11-28
Applicant: 人工智能与数字经济广东省实验室(深圳)
IPC: G06Q30/0207 , G06F18/213 , G06F18/2113 , G06N3/0442 , G06N3/08
Abstract: 本申请适用于智能营销技术领域，提供了一种基于深度提升网络的在线营销方法、装置和终端设备，所述方法包括：获取用户群体中用户的用户特征；将用户特征与激励特征输入至目标深度提升网络模型，通过目标深度提升网络模型对用户特征进行处理，获得用户关键特征，确定用户关键特征在不同激励特征下的重要程度，根据用户关键特征及重要程度，预测用户在不同激励特征下的预测响应结果；根据用户在不同激励特征下的预测响应结果，确定用户的提升值，基于提升值确定用户群体中的目标用户，并向目标用户进行在线营销。采用本申请可有效识别出用户对不同激励手段的响应变化，根据用户的响应变化进行在线营销，从而提升营销推荐的有效性与精准性。
-
公开(公告)号：CN119648293A
公开(公告)日：2025-03-18
申请号：CN202411745203.3
申请日：2024-11-28
Applicant: 人工智能与数字经济广东省实验室(深圳)
IPC: G06Q30/0207 , G06F18/24 , G06F18/213 , G06N3/048 , G06N3/045
Abstract: 本申请适用于智能营销技术领域，提供了一种基于深度网络模型的在线营销方法、装置和终端设备，所述方法包括：获取用户群体中用户的用户特征；将所述用户特征与特定干预特征输入至预先训练完成的目标深度网络模型，通过所述深度网络模型获取所述用户在不同特定干预特征下的预测响应结果，并根据所述用户在不同干预特征下的预测响应结果，确定所述用户的提升值，所述提升值用于评估所述用户在接受所述不同干预特征后的响应变化；基于所述提升值确定所述用户群体中的目标用户，并向所述目标用户进行在线营销。采用本申请可准确识别出用户相应的所属人群，提升营销推荐的有效性与精准性。
-
公开(公告)号：CN118354081A
公开(公告)日：2024-07-16
申请号：CN202410339250.1
申请日：2024-03-22
Applicant: 人工智能与数字经济广东省实验室(深圳) , 深圳大学
IPC: H04N19/149 , G06T9/00 , H04N19/42 , H04N19/124 , H04N19/13 , H04N19/132
Abstract: 本申请适用于图像处理技术领域，提供了一种图像压缩方法、装置、终端设备及存储介质，其中，方法包括：通过编码器对输入图像进行编码，获得输入图像的第一隐式编码信息；然后将第一隐式编码信息输入复合先验模型，获得输入图像的第一统计信息；再对第一隐式编码信息和第一统计信息进行量化处理，获得第一目标隐式编码信息和第一目标统计信息；最后将第一目标隐式编码信息和第一目标统计信息进行熵编码，获得与第一目标隐式编码信息对应的第一比特流数据，以及与第一目标统计信息对应的第二比特流数据。本申请实施例可以有效提高图像压缩效率。
-
Patent Agency Ranking
公开(公告)号：CN117749653A
公开(公告)日：2024-03-22
申请号：CN202410011109.9
申请日：2024-01-02
Applicant: 人工智能与数字经济广东省实验室(深圳)
Abstract: 本申请提供了一种QoS预测方法、装置、电子设备及可读存储介质。所述方法包括：获取待预测数据集，待预测数据集包括多种指标数据，指标数据包括表征应用底层性能指标的不同实际场景的实际值；将待预测数据集输入至已训练的特征提取模块，获得已训练的特征提取模块输出的对应待预测数据集预测特征向量；将预测特征向量输入至已训练的回归模块，获得已训练的回归模块输出的对应待预测数据集的QoS预测值。本申请对反映云服务的指标数据提取特征向量，根据特征向量预测QoS值，能够及时、准确获得QoS值，提高模块的泛化能力，同时根据多种指标数据预测QoS值，能够提高在复杂的云环境场景下的预测精度。
-
公开(公告)号：CN116663606A
公开(公告)日：2023-08-29
申请号：CN202310553153.8
申请日：2023-05-16
Applicant: 人工智能与数字经济广东省实验室(深圳)
IPC: G06N3/0442 , G06N3/09 , G06N3/0985
Abstract: 本申请公开了一种多智能体参数共享方法及多智能体系统，属于人工智能技术领域。所述方法包括：对多个智能体的时变对比序列进行编码，确定多个智能体的第一抽象特征；利用图注意力机制网络对所述多个智能体的第一抽象特征进行连接组合，得到多个智能体的第二抽象特征；第二抽象特征相较于第一抽象特征为高层抽象特征；根据第一抽象特征为多个智能体分别选择匹配的第一Q网络；其中，所匹配的第一Q网络相同的智能体参数共享；根据第二抽象特征为多个智能体分别选择匹配的第二Q网络；其中，所匹配的第二Q网络相同的智能体参数共享。该方法能够提高多智能体的协作能力。
-
公开(公告)号：CN119762898A
公开(公告)日：2025-04-04
申请号：CN202411766258.2
申请日：2024-11-30
Applicant: 人工智能与数字经济广东省实验室(深圳)
Abstract: 本申请适用于计算机技术领域，提供了一种特征选择方法、计算机设备及计算机程序产品，包括：确定指定业务的高维特征集合中每个特征的对称不确定性；基于各特征的对称不确定性，构建特征选择任务的第一任务和第二任务；基于第一任务的第一粒子种群和第二任务的第二粒子种群，进行多任务学习，得到特征选择任务的指定粒子；若针对指定粒子的更新次数未达到预设次数，则基于自适应长度改变机制，分别调整所述第一粒子种群和所述第二粒子种群中各粒子的粒子长度，并对调整后的粒子种群再次进行多任务学习，直至得到目标粒子；将目标粒子所对应的特征子集作为目标特征子集。本申请能够提高特征选择的效率和准确性。
-
公开(公告)号：CN119739458A
公开(公告)日：2025-04-01
申请号：CN202411756630.1
申请日：2024-11-29
Applicant: 人工智能与数字经济广东省实验室(深圳)
Abstract: 本申请适用于计算机技术领域，提供了一种虚拟机放置方法、计算机设备及计算机程序产品，包括：针对数据中心集群关联的虚拟机放置任务，获取待放置虚拟机的放置属性；基于数据中心集群的拓扑结构，构建用于表征数据中心集群的当前资源状态的三通道矩阵；基于三通道矩阵和待放置虚拟机的放置属性，执行与虚拟机放置任务适配的马尔科夫决策过程，生成目标放置策略；基于目标放置策略，在数据中心集群内放置所述待放置虚拟机。本申请能够通过拓扑感知部署虚拟机来提高数据中心整体通信质量。
-
公开(公告)号：CN118279793A
公开(公告)日：2024-07-02
申请号：CN202410412021.8
申请日：2024-04-07
Applicant: 人工智能与数字经济广东省实验室(深圳) , 深圳大学
Abstract: 本申请公开一种视频超分模型及其训练方法、视频处理方法，涉及计算机视觉领域，视频超分模型包括帧对齐模块、特征提取模块和上采样模块，帧对齐模块用于对第一目标帧进行双向传播，得到第一目标帧与相邻帧之间的初始特征；特征提取模块包括深度可分离卷积残差块，深度可分离卷积残差块用于提取第一目标帧和初始特征融合后的特征，得到第一目标帧相对应的目标特征；上采样模块用于根据目标特征和目标权重，生成与第一目标帧相对应的高分辨率图。本申请实施例引入深度可分离卷积确定深度可分离卷积残差块，具有与RDB相同的特征，使得视频超分模型是一种轻量化的任意倍率视频超分模型，减少模型的参数数量，降低视频超分模型的计算量。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.065 seconds)
