-
公开(公告)号：CN115017990B
公开(公告)日：2023-01-17
申请号：CN202210622541.2
申请日：2022-06-01
IPC分类号： G06F18/2415 , G06N3/0464 , G08G1/01
摘要： 本发明公开了一种交通流量预测方法、装置、设备及存储介质，该方法包括：采集历史交通流量数据，将所述历史交通流量数据按照与预设目标时间的时间相关性划分为多种时间分量数据；对所述多种时间分量数据进行数据处理，生成多种特定流量特征、共享流量特征和数据分布特征；其中，所述数据分布特征包括近似分布特征和条件概率特征；基于所述多种特定流量特征、所述共享流量特征和所述数据分布特征构建交通流量预测模型；采集当前交通流量数据，将所述当前交通流量数据传输给所述交通流量预测模型，生成交通流量预测数据。本方法提升了交通流量预测的精度。
-
公开(公告)号：CN115017990A
公开(公告)日：2022-09-06
申请号：CN202210622541.2
申请日：2022-06-01
摘要： 本发明公开了一种交通流量预测方法、装置、设备及存储介质，该方法包括：采集历史交通流量数据，将所述历史交通流量数据按照与预设目标时间的时间相关性划分为多种时间分量数据；对所述多种时间分量数据进行数据处理，生成多种特定流量特征、共享流量特征和数据分布特征；其中，所述数据分布特征包括近似分布特征和条件概率特征；基于所述多种特定流量特征、所述共享流量特征和所述数据分布特征构建交通流量预测模型；采集当前交通流量数据，将所述当前交通流量数据传输给所述交通流量预测模型，生成交通流量预测数据。本方法提升了交通流量预测的精度。
-
公开(公告)号：CN118982063A
公开(公告)日：2024-11-19
申请号：CN202411456528.X
申请日：2024-10-18
IPC分类号： G06N3/098 , G06F18/214 , G06F18/2431
摘要： 本申请公开了基于联邦学习的模型训练方法、系统及相关设备，涉及计算机技术领域，方法包括：向客户端下发待训练的全局模型，触发各客户端进行模型更新获得前一轮次训练完成后的客户端本地模型，并基于客户端本地数据对客户端本地模型进行模型训练后获得客户端本地训练模型；获取客户端的第一贡献度计算指标值；根据第一贡献函数、共享数据集和客户端的前一轮次训练完成后的客户端本地模型确定第一指标系数；从而确定各客户端的第一贡献度值，并根据第一贡献度值确定目标客户端；根据目标客户端对应的当前轮次的客户端本地训练模型获得当前轮次训练完成后的全局模型。本申请方案有利于提高模型训练的准确性。
-
公开(公告)号：CN118966387A
公开(公告)日：2024-11-15
申请号：CN202411463649.7
申请日：2024-10-21
IPC分类号： G06N20/00 , G06F18/10 , G06V10/82 , G06N3/0985 , G06N3/0455
摘要： 本发明公开了一种基于多模态的对比解码幻觉减轻方法、装置及终端，方法包括：获取目标初始数据，对所述目标初始数据进行多模态扰动处理，得到目标扰动数据，所述目标初始数据包括目标高清图像及其对应的目标文本提示词；将所述目标初始数据和所述目标扰动数据输入至目标模型，得到初始输出和幻觉输出，所述目标模型为大型视觉语言模型；对所述初始输出和所述幻觉输出进行对比解码，得到目标输出。本发明通过添加多模态的噪声，并将其与初始输出进行对比，从而校准模型的预测，减少生产错误信息的可能性。
-
公开(公告)号：CN117290887B
公开(公告)日：2024-04-23
申请号：CN202311522961.4
申请日：2023-11-16
摘要： 本发明公开了一种基于账户区块链的可问责隐私保护智能合约实现方法，方法包括：用户部署智能合约并公开合约地址，监管者运行密钥获得监管者公钥和监管者私钥，并将监管者公钥上传至区块链；注册新用户并生成用户私钥，然后将用户公钥上传区块链，智能合约记录注册用户信息；用户创建空白数据记录，然后将生成的数据记录承诺上传区块链；用户收集区块链上的所有数据记录承诺并构建默克尔书，然后进行链下计算；用户将隐私保护交易单发送至区块链，区块链经过广播后进行验证计算；监管者捕获到隐私保护交易单，随后利用监管者私钥问责用户。本发明能够支持细粒度的隐私保护控制策略和灵活适应多种应用场景，同时实现可问责隐私保护智能合约。
-
公开(公告)号：CN117435580A
公开(公告)日：2024-01-23
申请号：CN202311768469.5
申请日：2023-12-21
摘要： 本发明公开了一种数据库参数筛选方法及相关设备，所述方法包括：获取训练数据库配置参数，并进行预处理，得到数据库参数训练集；获取预设规则集，根据预设规则集构建参数性能决策树，并转化为树状神经网络预测模型；根据数据库参数训练集对树状神经网络预测模型进行训练，得到参数性能预测模型；获取当前数据库配置参数，并输入至参数性能预测模型，得到当前数据库配置参数对应的参数性能；计算当前数据库配置参数对参数性能的贡献度，并根据贡献度对当前数据库配置参数进行参数筛选。本发明通过构建参数性能预测模型来计算数据库中配置参数的贡献度，并根据贡献度对数据库中的配置参数进行筛选，大大的提升了数据库的查询效率。
-
公开(公告)号：CN115497555B
公开(公告)日：2024-01-05
申请号：CN202210980663.9
申请日：2022-08-16
摘要： 本申请公开了一种多物种蛋白质功能预测方法、装置、设备及存储介质，属于生物信息技术领域，该方法包括：将多物种蛋白质的标签矩阵和特征矩阵输入预先构建的跨物种异构网络；在所述跨物种异构网络的每个传播层传播所述标签矩阵和所述特征矩阵，获得传播后的目标标签矩阵和目标特征矩阵；将所述目标标签矩阵和所述目标特征矩阵进行加权获得预测得分矩阵，并基于所述预测得分矩阵获得所述多物种蛋白质(56)对比文件WO 2021041199 A1,2021.03.04WO 2022104265 A1,2022.05.19宋宝兴等“.基于蛋白质相互作用网络挖掘物种内的功能相似蛋白质”《.生物物理学报》.2011,第27卷(第9期),第789-800页.潘怡等.“加权优先级网络在蛋白质功能预测中的应用研究”《.小型微型计算机系统》.2017,第38卷(第9期),第1977-1982页.黄佳“.基于拓扑和序列的多生物网络比对算法的研究”《.《中国优秀硕士学位论文全文数据库》.2022,(第1期),第A006-454页.chen lei等.“Identifying novel proteinphenotype annotations by hybridizingprotein-protein interactions and proteinsequence similarities”《.Moleculargenetics and genomics : MGG》.2016,第291卷(第2期),第913-934页.H Wang等“.Combining graphconvolutional neural networks and labelpropagation”《.ACM trans》.2021,第40卷(第4期),第1-27页.
-
公开(公告)号：CN117077785A
公开(公告)日：2023-11-17
申请号：CN202310711024.7
申请日：2023-06-15
IPC分类号： G06N5/04
摘要： 本发明属于机器博弈辅助决策优化技术领域，公开了一种机器博弈辅助决策优化方法及系统，所述机器博弈辅助决策优化系统包括：博弈数据采集模块、博弈局势判断模块、博弈数据分析模块、决策生成模块、决策优化模块、决策反馈模块。本发明通过博弈数据分析模块能够减少当前节点收益确定的分析量，提高分析效率；同时，通过决策生成模块可以将博弈对局局势的决策过程划分为多个决策阶段，并利用当前决策模型完成决策的目的，无需根据不同博弈对局局势的玩法编写复杂的规则，达到了降低决策方法的复杂度和成本，提高决策空间灵活度的技术效果，进而解决了通过大量人力编制精细的规则进行博弈对局局势决策，导致决策方法复杂度和成本就高的技术问题。
-
公开(公告)号：CN116796286A
公开(公告)日：2023-09-22
申请号：CN202310711009.2
申请日：2023-06-15
IPC分类号： G06F18/25 , G05D1/10 , G06F18/2433 , G06F18/2413 , G06T7/246 , G06V10/75 , G06N5/04 , G06N5/01 , G06N20/00
摘要： 本发明属于无人作战机近距格斗技术领域，公开了一种基于机器博弈的六自由度无人作战机近距格斗方法及系统，所述系统包括：环境感知模块、主控模块、无线通信模块、格斗目标识别模块、格斗目标追踪模块、机器博弈决策模块、射击模块、故障预测模块、显示模块。本发明通过格斗目标追踪模块计算速度快，追踪目标的速度快；同时，通过故障预测模块充分考虑了不同六自由度无人作战机发动机的运行环境、使用寿命、出厂设置及磨损程度等方面的个体化差异，分别训练多个训练六自由度无人作战机发动机的SOM模型，以得到对应六自由度无人作战机发动机的、精确的SOM模型训练结果及相应的最小量化误差MQE；故障预测准确性高。
-
公开(公告)号：CN115631798B
公开(公告)日：2023-08-08
申请号：CN202211276710.8
申请日：2022-10-17
IPC分类号： G16B40/20 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/084 , G06F18/2415 , G06F18/25
摘要： 本发明公开了一种基于图对比学习的生物分子分类方法及装置，通过将获取的目标生物分子图输入到预训练的编码器中，将得到的目标生物分子图中的所有节点特征进行融合，得到目标生物分子图标签；编码器的预训练过程包括：将生物分子图输入第一编码器，得到生物分子图特征，将生物分子图输入第二编码器，得到生物分子图正例特征；将构造的生物分子图负例输入到第二编码器中，得到生物分子图负例的负例特征；获取每轮负例入队训练个数，基于生物分子图特征、生物分子图正例特征、负例特征和每轮负例入队训练个数，对第一编码器和第二编码器进行更新，得到预训练的编码器。与现有技术相比，本发明的技术方案能提高生物分子分类的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
103 条记录 (耗时 0.076 秒)
