-
公开(公告)号：CN113377906A
公开(公告)日：2021-09-10
申请号：CN202110635298.3
申请日：2021-06-08
Applicant: 四川大学
IPC: G06F16/33 , G06F40/205 , G06F40/258 , G06K9/62
Abstract: 本发明涉及一种拟法、立法和司法辅助系统领域，公开了一种相似法条智能搜索系统及方法，首先是通过法律文本采集模块收集各种类型的法律文本，然后利用法律条文解析模块解析法律文本为一些列法律条文，并记录下相关的法律文本和条文的相关信息。再整理法律条文数据集，将数据集在预训练好的Bert模型上进行微调，得到效果更好的Bert模型。之后将法条相关信息和从Bert模型得到对应的768维向量存储到ElasticSearch中，最后通过法律条文搜索模块在ElasticSearch的基础上，实现基于内容和基于向量的快速搜索功能，通过采用了预训练的Bert模型，再整理法律条文数据集，将数据集在预训练好的Bert模型上进行微调，得到适应法条的Bert模型，从而提高了法条相似度比较的效率。
-
公开(公告)号：CN114488252B
公开(公告)日：2024-11-12
申请号：CN202210087045.1
申请日：2022-01-25
Applicant: 中国医学科学院放射医学研究所 , 四川大学
IPC: G01T1/02
Abstract: 本发明属于辐射剂量估算分析技术领域，公开了一种牙釉质辐射剂量的预测方法、系统、存储介质及终端。选择与已准备的BGS基底和RIS基底一样的采样点，求得待预测样本对应点上的EPR谱图值；使用快速傅里叶变换对当前的待预测样本的EPR谱图进行降噪处理；通过改进矩阵，求得待预测样本的RIS强度；根据线性剂量响应关系，求得待预测样本的辐射剂量值。本发明计算量与原有矩阵方法持平，没有引入新的模型参数，参数数量少，拟合效果很好，拟合误差均小于1％，本发明可实现更低剂量的EPR牙釉质剂量估算，在小于0.3Gy的低剂量区内，计算所得的照射剂量值与真值相差≤16％。
-
公开(公告)号：CN117131763A
公开(公告)日：2023-11-28
申请号：CN202310968742.2
申请日：2023-08-03
Applicant: 四川大学
IPC: G06F30/27 , G06F17/13 , G06N3/04 , G06N3/08 , G06F111/04
Abstract: 本发明涉及核反应堆中子扩散技术领域，具体涉及一种求解反应堆物理中不连续界面K‑特征值问题的方法，将神经网络与广义反幂法相结合构建广义反幂法神经网络；基于广义反幂法神经网络构建损失函数，并获取边界条件和界面条件；结合损失函数、边界条件和界面条件形成总损失函数；基于总损失函数迭代优化特征函数，并通过瑞利商求解出特征值，该方法较传统求解反应堆物理中不连续界面K‑特征值而言，能够取得更高的精确度，且特征值更加稳定，解决现有求解反应堆物理中不连续界面K‑特征值问题精度较差的问题。
-
公开(公告)号：CN117077513A
公开(公告)日：2023-11-17
申请号：CN202310969395.5
申请日：2023-08-03
Applicant: 四川大学
IPC: G06F30/27 , G06F17/13 , G06N3/08 , G06F119/10
Abstract: 本发明涉及噪声分析技术领域，具体涉及一种基于DEPINN求解中子扩散特征值问题噪声分析方法，包括在代表反应堆的计算区域上随机取点，获得训练数据中的残差点和边界点；确定计算区域内部探测器的位置，确定训练数据中的先验点并获得对应的带有噪声的先验值；基于中子扩散特征值方程、残差点和边界点，构建基于SSE损失函数形式的残差项损失函数和边界项损失函数；根据先验值和神经网络在先验点输出的预测值，构建基于区间损失函数形式的先验项损失函数；基于残差项损失函数、边界项损失函数和先验项损失函数构成总损失函数，利用优化算法对神经网络的参数进行更新迭代，直到总损失函数达到预设条件，得到分析结果。
-
公开(公告)号：CN113626557A
公开(公告)日：2021-11-09
申请号：CN202110532087.7
申请日：2021-05-17
Applicant: 四川大学
IPC: G06F16/33 , G06F16/9535 , G06F40/30 , G06K9/62 , G06N3/04
Abstract: 本发明涉及数据处理系统领域，公开了一种基于要素标注与BERT和RCNN算法的智能法条推荐辅助系统，包括获取模块、标记模块、训练模块和生成模块，获取模块、标记模块、训练模块和生成模块依次连接；获取模块，用于获取判决文书的文本数据；标记模块，用于基于标注要素对文本数据进行标记得到标记文本；训练模块，用于将标记文本输入BERT和RCNN算法进行模型训练；生成模块，用于生成基于标注要素的法条推荐模型，从而当相关法律法规变动或是使用区域变更时，只需要修改要素‑法条的对应关系即可，不需要重新训练模型，解决现有技术受法律法规变化影响大的问题。
-
Patent Agency Ranking
公开(公告)号：CN112381679A
公开(公告)日：2021-02-19
申请号：CN202011265860.X
申请日：2020-11-12
Applicant: 四川大学
Abstract: 本发明公开一种强可解释性和时空不变性的智能法条推荐系统，包括裁判文书数据集、词向量文本库、法律词向量、文档向量文本库、要素集、法条集、要素法条对应关系、文本要素模型；法律词向量由预训练的通用词向量作为起始向量，再使用FastText无监督学习算法在词向量文本库上训练得到的；要素集由法学专家对不同案件类型中影响判案的法律情形进行归纳整理得到，所得的要素作为文档向量文本库经文本要素模型后输出的结果；法条集是法条字符串组成的列表。本发明提出了具有强可解释性和时空不变性的“要素标注+法条对应”模式，为人工智能提供司法辅助工作开拓新的思路，针对各类型的犯罪分别建立文本要素模型、要素集、法条集及其对应关系。
-
公开(公告)号：CN119397917A
公开(公告)日：2025-02-07
申请号：CN202411598241.0
申请日：2024-11-11
Applicant: 四川大学
Abstract: 本发明涉及中子扩散特征值技术领域，具体涉及采用解耦残差损失函数求解多群中子扩散特征值的方法，包括在计算区域上随机取点，分为边界点集合、界面点集合和残差点集合；根据群中子通量的个数和计算区域内的材料数量，确定输出层神经元个数；输出层的神经元通过示性函数加权求和形式，得到神经网络数值解；构建相应的损失函数；构建包含前一步特征函数信息的解耦损失函数；利用优化算法对神经网络进行优化，损失函数达到预设条件或神经网络完成给定的训练次数时，得到数值结果，该方法吸取中子扩散特征值方程源迭代求解方法，通过迭代的形式继承前一步的特征函数信息，构建了新的解耦残差损失函数，提高了对多群中子扩散特征值问题的求解精度。
-
公开(公告)号：CN111177382A
公开(公告)日：2020-05-19
申请号：CN201911333115.1
申请日：2019-12-23
Applicant: 四川大学
Abstract: 本发明公开基于FastText算法的智能法条推荐辅助系统，包括裁判文书数据集、词向量文本库、法律词向量、文档向量文本库、文本分类模型；裁判文书数据集用于存储裁判文书；词向量文本库用于储存文段类别，文档向量文本库用于储存文段类别；文段类别是裁判文书中的内容；法律词向量由预训练的通用词向量作为起始向量，再使用FastText无监督学习算法在词向量文本库上训练得到的；文本分类模型是将训练好的法律词向量作为起始向量，再使用FastText监督学习算法在文档向量文本库上进行文本分类得到的。本发明针对案情描述全面精准地推荐适用法条，为人工智能提供司法辅助工作开拓新的思路，针对各类型的犯罪，如骗罪、抢劫、经济犯罪或离婚纠纷案件分别建立文本分类模型。
-
公开(公告)号：CN111177382B
公开(公告)日：2023-12-08
申请号：CN201911333115.1
申请日：2019-12-23
Applicant: 四川大学
Abstract: 本发明公开基于FastText算法的智能法条推荐辅助系统，包括裁判文书数据集、词向量文本库、法律词向量、文档向量文本库、文本分类模型；裁判文书数据集用于存储裁判文书；词向量文本库用于储存文段类别，文档向量文本库用于储存文段类别；文段类别是裁判文书中的内容；法律词向量由预训练的通用词向量作为起始向量，再使用FastText无监督学习算法在词向量文本库上训练得到的；文本分类模型是将训练好的法律词向量作为起始向量，再使用FastText监督学习算法在文档向量文本库上进行文本分类得到的。本发明针对案情描述全面精准地推荐适用法条，为人工智能提供司法辅助工作开拓新的思路，针对各类型的犯罪，如骗罪、抢劫、经济犯罪(56)对比文件Penghua Li，et al.Law textclassification using semi-supervisedconvolutional neural networks.ChineseControl And Decision Conference (CCDC).2018,第309-313页.
-
公开(公告)号：CN113377906B
公开(公告)日：2022-11-01
申请号：CN202110635298.3
申请日：2021-06-08
Applicant: 四川大学
IPC: G06F16/33 , G06F40/205 , G06F40/258 , G06K9/62
Abstract: 本发明涉及一种拟法、立法和司法辅助系统领域，公开了一种相似法条智能搜索系统及方法，首先是通过法律文本采集模块收集各种类型的法律文本，然后利用法律条文解析模块解析法律文本为一系列法律条文，并记录下相关的法律文本和条文的相关信息。再整理法律条文数据集，将数据集在预训练好的Bert模型上进行微调，得到效果更好的Bert模型。之后将法条相关信息和从Bert模型得到对应的768维向量存储到ElasticSearch中，最后通过法律条文搜索模块在ElasticSearch的基础上，实现基于内容和基于向量的快速搜索功能，通过采用了预训练的Bert模型，再整理法律条文数据集，将数据集在预训练好的Bert模型上进行微调，得到适应法条的Bert模型，从而提高了法条相似度比较的效率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
