-
公开(公告)号：CN118260591A
公开(公告)日：2024-06-28
申请号：CN202410274193.3
申请日：2024-03-11
申请人： 深圳大学 , 香港科技大学(广州)
IPC分类号： G06F18/214
摘要： 本发明公开了一种基于大语言模型的分层众包标注方法。该方法包括：获取数据集，所述数据集包含未标注标签；利用开源的语言模型的效用作为众包标注者，独立地为所述数据集提供标签，并采用设定的聚合策略合并标签，获得初步标注的数据集；调用大语言模型对所述初步标注的数据集进行重新标注，获得重新标注数据集，该重新标注过程包括重新标注任务选择、答案收集和标签分布更新的循环序列，直到满足设定的预算约束。本发明提供了层次结构框架，通过多个语言模型的协同工作和标签分布更新，实现了有限资源下对数据进行高效标注，并提升了标注质量。
-
公开(公告)号：CN112766505B
公开(公告)日：2024-04-05
申请号：CN202110037336.5
申请日：2021-01-12
申请人： 深圳大学
摘要： 本发明公开了一种非单调推理在逻辑动作语言系统刻画中的知识表示方法。该方法对多种经典逻辑动作语言进行抽象刻画与性质表示，在统一的特性空间下，给出这些语言的最小特征集。该方法包括逻辑动作语言在回答集逻辑程序语法下的系统化自动翻译、确定性语义特性约束集合构建、稳定模型语义映射与一致性验证三部分内容。逻辑动作语言利用本发明能够系统性地表示与分析逻辑动作语言，并提高针对不同逻辑动作语言系统的知识表示与推理的适用性和效率。
-
公开(公告)号：CN112951412A
公开(公告)日：2021-06-11
申请号：CN202110264436.1
申请日：2021-03-11
申请人： 深圳大学
摘要： 本申请属于人工智能技术领域，特别是涉及一种辅助诊断方法及其应用。现有的技术仅能通过图像来诊断肺炎，且缺少大型数据集下训练出的肺炎诊断模型。本申请提供了一种辅助诊断方法，收集胸透图数据集；将所述胸透图数据集分为第一胸透数据和第二胸透数据，采用第一胸透数据训练卷积神经网络模型；然后将第二胸透数据输入到训练好的卷积神经网络模型中输出诊断结果的概率值，将概率值划分为“0”或者“1”，将“0”或者“1”作为胸透图的特征值；从文字报告中提取诊断信息，文字报告与所述胸透图数据集对应；将诊断信息和特征值作为新的数据输入解释模型，输出患病概率。能更好的说明每个结点之间的关系，为医生提供更加有利的信息。
-
公开(公告)号：CN116130091A
公开(公告)日：2023-05-16
申请号：CN202310133263.9
申请日：2023-02-08
申请人： 深圳大学
IPC分类号： G16H50/20 , G16H50/70 , G06F40/30 , G06F40/295 , G06F40/216 , G06N3/0464 , G06N5/025 , G06N5/04 , G06F18/2431 , G06F18/20
摘要： 本发明涉及基于知识推理的多模态辅助疾病诊断的系统及装置，属于医疗AI应用领域，本发明通过引入领域知识，挖掘了多模态数据之间的内在联系，增加系统模型的准确性和可解释性。具体地，所述系统包括诊断规则库、多模态证据数据库、学习推理模块；诊断规则库：被配置用于存储从医学临床指南提取领域知识的逻辑规则构成诊断规则；数据库：被配置用于存储证据数据集，所述证据数据集由从疾病数据中提取的医疗实体构成；学习推理模块：在学习阶段，使用一个疾病对应的证据数据集来学习该疾病对应的各诊断规则的权重；在应用阶段，基于特定疾病电子病历，利用带有权重的规则库，推理出该特定疾病的边际概率。
-
公开(公告)号：CN112295237A
公开(公告)日：2021-02-02
申请号：CN202011120754.2
申请日：2020-10-19
申请人： 深圳大学
IPC分类号： A63F13/822 , A63F13/837 , G06N3/04 , G06N20/00
摘要： 本发明公开了一种基于深度强化学习的决策方法。该方法包括：智能体根据环境信息进行决策，选择决策后的动作；智能体将决策后的动作与知识库对比，并基于知识库中的设定规则集决定执行决策后的动作或替换决策后的动作；智能体将决策后的动作或替换后的动作在环境中执行，从环境中获得奖励和新的环境信息，并将旧环境信息、动作、奖励和新环境信息组合成经验信息，存入经验回放池；在经验回放池中随机选取设定数量的经验信息，以更新深度强化学习模型，进而指导下一次的迭代。利用本发明，能够缩短训练时间并避免作出灾难性决策，可广泛应用于动态决策领域。
-
公开(公告)号：CN112766505A
公开(公告)日：2021-05-07
申请号：CN202110037336.5
申请日：2021-01-12
申请人： 深圳大学
摘要： 本发明公开了一种非单调推理在逻辑动作语言系统刻画中的知识表示方法。该方法对多种经典逻辑动作语言进行抽象刻画与性质表示，在统一的特性空间下，给出这些语言的最小特征集。该方法包括逻辑动作语言在回答集逻辑程序语法下的系统化自动翻译、确定性语义特性约束集合构建、稳定模型语义映射与一致性验证三部分内容。逻辑动作语言利用本发明能够系统性地表示与分析逻辑动作语言，并提高针对不同逻辑动作语言系统的知识表示与推理的适用性和效率。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.033 秒)
