-
公开(公告)号:CN118520977A
公开(公告)日:2024-08-20
申请号:CN202410985215.7
申请日:2024-07-23
申请人: 烟台大学
摘要: 本发明涉及生成式人工智能和移动众包技术交叉领域,尤其涉及一种基于移动众包的知识蒸馏分布式文生图方法及系统。所述方法,包括获取图像生成任务,包括利用移动众包获取图像生成任务,并根据执行任务的设备属性和需要获取的图像进行任务执行判断;基于获取的图像生成任务进行知识数据蒸馏,将知识蒸馏后的图像生成任务进行图像生成质量优化,对预测优化后的提示词进行归一化操作,利用处理后的图像生成任务进行众包任务设置,并根据图像生成任务类型进行组合模型操作;基于众包任务设置进行图像生成操作,本发明通过分布式联邦学习允许在多个参与方之间并行处理数据,减少单一中心化模型的计算负担。
-
公开(公告)号:CN109738559A
公开(公告)日:2019-05-10
申请号:CN201910170653.7
申请日:2019-03-06
申请人: 烟台大学
摘要: 本发明公开甲醇盐析分相提取肉类产品中喹诺酮类残留的样品前处理方法,具体为一种测定肉类产品中喹诺酮残留的高效样品前处理方法。该前处理方法以含有0.8%甲酸的70%甲醇水溶液为提取液,加入适量磷酸氢二钾与硫酸铵盐析剂,将喹诺酮残留提取到甲醇相中实现肉类样品的高效样品前处理,样品前处理仅需20分钟,而现在通用的前处理方法,如GB/T21312-2007推荐的方法,需要提取3次,然后再进行固相萃取柱净化,样品前处理至少需要4个小时。基于本发明的前处理技术,结合高效液相色谱方法用于肉类产品牛肉、猪肉、鱼肉中喹诺酮残留的萃取测定,回收率为81.1%-97.7%,检出限为0.039-0.084μg/g。
-
公开(公告)号:CN118552234A
公开(公告)日:2024-08-27
申请号:CN202411016897.7
申请日:2024-07-29
申请人: 烟台大学
IPC分类号: G06Q30/0201 , G06N3/0442 , G06N3/084 , G06N3/0985 , G06F18/27 , G06N3/048 , G06F123/02
摘要: 本发明涉及分布式人工智能和移动众包技术交叉技术领域,尤其是涉及一种基于LSTM的移动众包任务数据离线预测方法及系统。所述方法,包括获取移动众包平台的历史任务数据;对获取的历史任务数据进行清洗和预处理;构建基于LSTM的神经网络模型;利用历史任务数据对神经网络模型进行模型训练;利用训练好的神经网络模型进行任务价格预测。本发明通过有效处理长期依赖信息,LSTM模型显著提高了任务价格预测的准确性。这使得模型能够识别和利用数据中的时间序列模式,从而减少预测误差,并提供更可靠的决策支持。
-
公开(公告)号:CN118521380A
公开(公告)日:2024-08-20
申请号:CN202410700152.6
申请日:2024-05-31
申请人: 烟台大学
IPC分类号: G06Q30/0601 , G06Q30/0242 , G06N3/0985
摘要: 本发明提出了基于无偏数据和元学习的推荐系统转化率预测方法及系统,涉及推荐系统转化率预测技术领域。包括获取有偏数据集和无偏数据集;对UMEDR模型进行训练:使用无偏数据集对填充预测模型、倾向预测模型进行训练,并分别得到无偏的填充误差和用户倾向;基于有偏数据集、无偏的填充误差和用户倾向,使用元学习方法,对转化率预测模型进行训练;基于训练好的转化率预测模型,实现推荐系统中用户点击物品后进行消费的转化率预测。本发明通过无偏数据集辅助倾向预测模型和填充预测模型去偏参数的训练,提高倾向预测模型和填充预测模型的预测精度,使用元学习方法对模型进行训练,缓解了由于数据稀疏而导致的模型预测精度差的问题。
-
公开(公告)号:CN118552168A
公开(公告)日:2024-08-27
申请号:CN202411016895.8
申请日:2024-07-29
申请人: 烟台大学
IPC分类号: G06Q10/1053 , G06Q10/04 , G06Q50/00 , G06N5/01 , G06N3/042 , G06N3/045 , G06N3/084 , G06N3/0985 , G06F16/9536 , G06F18/22
摘要: 本发明公开了一种涉及群智感知技术和人工智能技术交叉技术领域,尤其涉及一种基于社交推荐与信任预测的工人招募方法及系统。所述方法包括基于工人信任关系对任务进行社交扩散,得到任务的工人解空间。在预算约束下综合考虑工人解空间中工人的社交影响力、偏好相似度以及任务响应能力,将工人招募问题建模为CMCOP。利用变邻域禁忌搜索算法对CMCOP进行求解,得到任务最佳的工人组合。并为现有工人集合中成功实现社交招募的工人支付激励报酬。本发明可以精确预测工人之间的信任关系以及工人‑任务偏好评分,以最大化任务效益为基础实现高效的工人招募,并激励工人促进对任务的社交扩散。
-
-
-
-