-
公开(公告)号：CN118095410A
公开(公告)日：2024-05-28
申请号：CN202410062281.7
申请日：2024-01-16
Applicant: 北京邮电大学 , 联通时科(北京)信息技术有限公司
IPC: G06N3/098 , G06N3/0455
Abstract: 本发明提供一种神经网络架构搜索的联邦学习参数高效微调方法及装置。该方法包括：基于联邦学习架构中客户端的预训练语言模型进行神经网络架构搜索中，对预训练语言模型的结构参数和参数高效微调模块进行迭代优化，获得第一结构参数和第一参数高效微调模块，并对其进行迭代聚合处理，获得全局结构参数和全局参数高效微调模块；基于全局参数高效微调模块和全局结构参数对客户端的预训练语言模型的第一结构参数和第一参数高效微调模块进行参数更新处理，获得参数更新结果，并基于参数更新结果对预训练语言模型进行微调，获得微调结果。本发明提供的方法，能够有效提高联邦学习参数高效微调效率和准确率，从而降低了通信成本。
-
公开(公告)号：CN118014035A
公开(公告)日：2024-05-10
申请号：CN202311814341.8
申请日：2023-12-26
Applicant: 北京邮电大学 , 联通时科(北京)信息技术有限公司
IPC: G06N3/08 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/0455
Abstract: 本发明提供一种基于自动化适配器的参数高效微调方法及装置，涉及人工智能技术领域，方法包括：获取预训练模型；在预训练模型的候选位置并行插入在先创建的适配器，得到待训练模型；其中，候选位置包括预训练模型的前馈模块、多头注意力模块和整个网络层；利用预设消融机制和神经网络架构搜索，对待训练模型进行训练，以利用适配器对预训练模型进行参数高效微调。本发明通过在预训练模型的候选位置并行插入适配器，并利用预设消融机制和神经网络架构搜索，对插入适配器的预训练模型进行训练，以提高最终适配器对预训练模型的微调性能，在确保少量可调参数的情况下提供强大的性能，进一步减少了微调计算开销，提高了参数高效微调精度。
-
公开(公告)号：CN117950861A
公开(公告)日：2024-04-30
申请号：CN202410049550.6
申请日：2024-01-12
Applicant: 北京邮电大学 , 联通时科(北京)信息技术有限公司
Abstract: 本发明提供一种联邦机器学习系统资源分配处理方法及装置。该方法包括：确定联邦机器学习系统中智能终端在当前联邦学习回合的总时延得分和本地模型参数的质量，基于与智能终端对应的声誉评估模型进行分析，获得智能终端在当前联邦学习回合的当前声誉值；获得预设的智能终端集合中每个智能终端的资源属性信息，将资源属性信息输入至预设的智能终端选择和延迟准入模型，获得选择调用的当前联邦学习回合中的目标智能终端和资源分配策略；基于资源分配策略对目标智能终端分配相应的目标新鲜度的联邦学习的全局模型参数和相应的资源。本发明提供的方法，能够有效提高联邦机器学习系统资源分配效率和准确率，使每个回合选择的智能终端保持稳定。
-
公开(公告)号：CN118152949B
公开(公告)日：2024-11-29
申请号：CN202410565906.1
申请日：2024-05-09
Applicant: 联通时科(北京)信息技术有限公司
IPC: G06F18/2431 , G06F18/27 , G06Q40/03 , G06N3/047 , G06N3/0499
Abstract: 本发明提供一种异常用户的识别方法、装置及可读存储介质，涉及人工智能技术领域，该方法包括：获取目标用户粗颗粒度的用户信息；根据所述粗颗粒度的用户信息采用预设的分类器对所述目标用户的异常风险等级进行预测，到得对应的预测结果；采用AI评价模型对所述预测结果的置信度进行评价；响应于所述置信度的评价结果为高置信度，输出高置信度的所述预测结果；响应于所述置信度的评价结果不为高置信度，采用所述目标用户中颗粒度或细颗粒度的用户信息对所述目标用户的异常风险等级进行预测。该方法、装置及可读存储介质能够解决现有的异常用户识别方法存在预测准确率低、对算力要求高的问题。
-
公开(公告)号：CN118152949A
公开(公告)日：2024-06-07
申请号：CN202410565906.1
申请日：2024-05-09
Applicant: 联通时科(北京)信息技术有限公司
IPC: G06F18/2431 , G06F18/27 , G06Q40/03 , G06N3/047 , G06N3/0499
Abstract: 本发明提供一种异常用户的识别方法、装置及可读存储介质，涉及人工智能技术领域，该方法包括：获取目标用户粗颗粒度的用户信息；根据所述粗颗粒度的用户信息采用预设的分类器对所述目标用户的异常风险等级进行预测，到得对应的预测结果；采用AI评价模型对所述预测结果的置信度进行评价；响应于所述置信度的评价结果为高置信度，输出高置信度的所述预测结果；响应于所述置信度的评价结果不为高置信度，采用所述目标用户中颗粒度或细颗粒度的用户信息对所述目标用户的异常风险等级进行预测。该方法、装置及可读存储介质能够解决现有的异常用户识别方法存在预测准确率低、对算力要求高的问题。
-
Patent Agency Ranking
公开(公告)号：CN113645346B
公开(公告)日：2022-09-13
申请号：CN202110918314.X
申请日：2021-08-11
Applicant: 中国联合网络通信集团有限公司 , 联通时科(北京)信息技术有限公司
IPC: H04M1/72403 , H04M1/72484
Abstract: 本申请提供一种功能触发方法、装置、服务器及计算机可读存储介质，该方法在接收到用户的呼叫请求时，获取用户的来电号码；根据预设用户信息库与来电号码，确定用户身份类型；根据用户身份类型，生成用户意图确认信息，并将用户意图确认信息发送给用户的移动终端，其中，用户意图确认信息用于提示用户进行业务意图的输入；接收移动终端发送的用户根据用户意图确认信息输入的用户意图；根据用户意图触发对应的功能，用户只需要拨打预设号码，根据反馈进行操作即可，业务触发方法实现方式简单，用户可以简便、快捷地实现业务功能的触发及办理，尤其对于老年人等难以操作移动终端的人，减少了操作复杂性，提高了用户体验。
-
公开(公告)号：CN117687785A
公开(公告)日：2024-03-12
申请号：CN202311707832.2
申请日：2023-12-12
Applicant: 中国联合网络通信集团有限公司 , 联通时科(北京)信息技术有限公司
Abstract: 本申请提供一种算力渲染资源的调度方法、装置、设备及存储介质。该方法包括：获取待显示于设备上的整幅画面和整幅画面中的所有画面区域，整幅画面划分为至少一个画面区域；基于训练得到的注意力模型，确定每个画面区域的权重值，注意力模型为基于用户对设备所显示的整幅图像中的感兴趣区域，训练得到的；根据每个画面区域的权重值，确定每个画面区域的优先级；根据每个画面区域的优先级，调用设备的算力渲染资源依次对优先级高的画面区域进行渲染显示。本申请的方法在显示该画面时，优先调用算力渲染资源对优先级高的区域进行渲染显示，保证在设备的配置和硬件条件有限的情况下，能够尽可能的为用户所关注的画面区域提供好的显示效果。
-
公开(公告)号：CN113645346A
公开(公告)日：2021-11-12
申请号：CN202110918314.X
申请日：2021-08-11
Applicant: 中国联合网络通信集团有限公司 , 联通时科(北京)信息技术有限公司
IPC: H04M1/72403 , H04M1/72484
Abstract: 本申请提供一种功能触发方法、装置、服务器及计算机可读存储介质，该方法在接收到用户的呼叫请求时，获取用户的来电号码；根据预设用户信息库与来电号码，确定用户身份类型；根据用户身份类型，生成用户意图确认信息，并将用户意图确认信息发送给用户的移动终端，其中，用户意图确认信息用于提示用户进行业务意图的输入；接收移动终端发送的用户根据用户意图确认信息输入的用户意图；根据用户意图触发对应的功能，用户只需要拨打预设号码，根据反馈进行操作即可，业务触发方法实现方式简单，用户可以简便、快捷地实现业务功能的触发及办理，尤其对于老年人等难以操作移动终端的人，减少了操作复杂性，提高了用户体验。
-
公开(公告)号：CN119201381A
公开(公告)日：2024-12-27
申请号：CN202411230233.0
申请日：2024-09-03
Applicant: 中国联合网络通信集团有限公司 , 联通时科(北京)信息技术有限公司
IPC: G06F9/48 , G06F9/54 , G06F12/0831
Abstract: 本申请提供的一种写请求的处理方法、装置、设备、存储介质及程序产品。通过获取来自主机端的写请求，基于写请求中的优先级判断依据，确定每个写请求对应的优先级，并建立对应的优先级队列，根据每个优先级队列对应的优先级的顺序和预设传输策略，确定写请求的传输顺序。本申请提供的方法，提高了写请求的处理效率。
-
公开(公告)号：CN117932546A
公开(公告)日：2024-04-26
申请号：CN202410137810.5
申请日：2024-01-31
Applicant: 中国联合网络通信集团有限公司 , 联通时科(北京)信息技术有限公司
Abstract: 本申请提供一种模型构建和诈骗识别方法、装置、设备及存储介质。该方法包括：确定用户属性模型、第一识别模型、以及第二识别模型；根据用户属性模型、第一识别模型、以及第二识别模型，得到目标模型；根据目标模型，得到初始全局模型，其中，初始全局模型包括目标模型、以及各个目标模型的初始重要度；根据目标模型、以及各个目标模型的初始重要度，得到注意力结果；根据注意力结果，对初始全局模型中各个目标模型的初始重要度进行调整，得到目标全局模型。本申请的方法，可以结合多个预测模型的优势，提高诈骗预测的准确性以及鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.08 seconds)
